جان هاید، مدیر ارشد هوش رقابتی دل، سه پست وبلاگ جدید AI Factory را منتشر کرده است که رقبای کلیدی از جمله VAST Data را هدف قرار داده است.
اولین پست،«جایی که کارخانههای هوش مصنوعی به اولین سقف خود رسیدند»Dell PowerScale عملکرد مشابه هوش مصنوعی Nvidia را ارائه می دهد در حالی که از 72٪ انرژی کمتر، 80٪ فضای رک کمتر و 8 برابر سوئیچ های باطن کمتر نسبت به طرح های مرجع رقیب استفاده می کند. هاید توضیح میدهد که کارخانههای هوش مصنوعی مجهز به انویدیا به دلیل نیازهای سختافزاری سنگین GPU، ذخیرهسازی و شبکه، اغلب با تنگناهای برق مرکز داده و فضا مواجه میشوند.
او معتقد است که پلتفرمهای ذخیرهسازی هوش مصنوعی مانند سیستمعامل هوش مصنوعی VAST Data به دلیل ساختار مقیاسبندی تفکیکشده، به سوئیچهای باطنی بسیار بیشتری نیاز دارند. سوئیچ های اضافی اشغال رک، کابل کشی، سرمایش و هزینه های برق را قبل از اجرای هر بار کاری GPU افزایش می دهند.
هاید تاکید میکند که شرکتها باید میزان بودجه انرژی مصرفی معماری ذخیرهسازی آنها را ارزیابی کنند.
طبق آزمایش Dell که با طرحهای مرجع Nvidia هماهنگ است، PowerScale با عملکرد Everpure و VAST با زیرساختهای بسیار سبکتر مطابقت دارد. به طور خاص در مقابل VAST، عملکرد یکسانی را با 41 درصد مصرف انرژی کمتر و تقریبا 50 درصد فضای رک کمتر ارائه می دهد.
هاید همچنین ادعاهای کارایی عمومی VAST را به چالش می کشد. او توضیح می دهد که صرفه جویی 77 درصدی VAST در مصرف برق و کاهش 73 درصدی فضا از بارگذاری های BlueField DPU منعکس کننده ارتقاهای داخلی نسبت به پشته قدیمی آن است، نه مزیت های رقابتی در برابر معماری های مرجع استاندارد صنعتی Nvidia.
وبلاگ دوم هاید،"این یک پایگاه داده نامیده می شود. مانند یک عمل نمی کند."استدلال میکند که پلتفرمهای قوی در ابردادهها و بارهای کاری برداری نمیتوانند به طور کامل به عنوان پایگاههای اطلاعاتی درجه سازمانی واجد شرایط شوند. دادههای جدول، رکورد و سری زمانی ساختاریافته برای کسبوکار حیاتی نیازمند قابلیتهای قوی هستند که سیستمهای متمرکز بر نمایهسازی خالص نمیتوانند آنها را برآورده کنند.
او تجزیه و تحلیل تحقیقات CUBE را در ژوئن 2025 ذکر می کند که پایگاه داده VAST را اساساً یک "شاخص توزیع شده" توصیف می کند که فاقد بهینه سازی SQL بالغ، برنامه ریزی پرس و جو مبتنی بر هزینه، حاکمیت مبتنی بر نقش و ادغام ابزار جامع BI است که توسط پلتفرم های سازمانی مانند Snowflake و BigQuery ارائه شده است. این گزارش به این نتیجه رسید که علیرغم رشد سریع درآمد، VAST هنوز به بلوغ lakehouse قابل مقایسه با Databricks یا استانداردهای پایگاه داده ابری که توسط Snowflake و هایپراسکیلرهای بزرگ تنظیم شده است، دست نیافته است - دیدگاهی که توسط the CUBE در فوریه 2026 تأیید شد.
Hyde به یافتههای تحقیقات NAND اشاره میکند: در حالی که VAST از فرمتهای باز مانند Apache Iceberg پشتیبانی میکند، موتور پایگاه داده اصلی آن اختصاصی و به صورت عمودی سفارشیسازی شده است. این طراحی کاملاً یکپارچه با رویکرد اکوسیستم باز و قابل ترکیب که توسط Dell، NetApp، HPE و Everpure اتخاذ شده است، متفاوت است و VAST را به معماری بسته به سبک HCI نزدیکتر میکند.
در مقابل، Dell به طور بومی Apache Iceberg را در ObjectScale پشتیبانی میکند، و امکان همکاری یکپارچه بین دادههای ذخیرهشده در PowerScale/ObjectScale و حجمهای کاری Databricks و Snowflake را بدون انتقال داده فراهم میکند.
پست سوم هاید،"طرح اولیه برای ارزیابی بعدی"پنج معیار ارزیابی اصلی را برای خریداران فناوری اطلاعات ارائه میکند که پلتفرمهای داده هوش مصنوعی را ارزیابی میکنند، که انطباق با گرانش داده، سربار عملیاتی، استفاده از GPU، ردپای فیزیکی و سازگاری پشته تحلیلی را پوشش میدهد.
هاید بیان میکند که ارزیابیهای مناقصه ذخیرهسازی هوش مصنوعی باید بر عوامل عملیاتی دنیای واقعی فراتر از نمایشهای معیار متمرکز شوند: انتخاب معماریهای سازگار با گرانش دادههای واقعی سازمانی. حسابداری کامل برای کارهای همگام سازی، هزینه های کارکنان، کارایی GPU و ردپای سخت افزاری. و حفظ زنجیره ابزارهای تحلیلی موجود به جای اجبار مهاجرت بار کاری.
او خاطرنشان میکند که عرشههای فروش فروشنده سهامداران اجرایی را هدف قرار میدهند، در حالی که تیمهای تاسیسات، مهندسی داده و FinOps هزینههای عملیاتی واقعی را متحمل میشوند - که مستلزم مشارکت بین تیمی در ارزیابیهای فروشنده است.
هاید همچنین پنج سوال هدفمند را برای آشکار کردن نقاط قوت معماری واقعی فروشندگان پیشنهاد کرد: نسبت داده های پیش بینی شده در فضای نام سه ساله. نیازهای شغلی و کارکنان همگام حالت ثابت TTFT مدل باز قابل تکرار، توان عملیاتی رمز و معیارهای نرخ ضربه حافظه پنهان. مصرف برق، فضا و سوئیچ کاملاً مستند در مقیاس هدف؛ و سازگاری بومی با Databricks و Snowflake موجود است.
VAST Data اظهار نظر دقیق را رد کرد و تنها بیان کرد که به محتوای رقیب پاسخ نمی دهد.
نظر دهید: انتشار شش وبلاگ دقیق با محوریت نقد توسط دل که VAST را هدف قرار می دهد، فشار رقابتی شدیدی را از سوی فروشنده زیرساخت داده رقیب در حال رشد سریع نشان می دهد.
پکن Qianxing Jietong Technology Co., Ltd.
سندی یانگ / مدیر استراتژی جهانی
WhatsApp / WeChat: +86 13426366826
ایمیل: yangyd@qianxingdata.com
وب سایت: www.qianxingdata.com/www.storagesserver.com
تمرکز تجاری:
توزیع محصول ICT/یکپارچه سازی سیستم و خدمات/راه حل های زیرساخت
با بیش از 20 سال تجربه توزیع فناوری اطلاعات، ما با برندهای پیشرو جهانی برای ارائه محصولات قابل اعتماد و خدمات حرفه ای همکاری می کنیم.
«استفاده از فناوری برای ساختن جهانی هوشمند» ارائهدهنده خدمات مورد اعتماد شما در زمینه فناوری اطلاعات و ارتباطات!
پیام شما باید بین 20 تا 3000 کاراکتر باشد!
Persian
