فضای ذخیره سازی برای آموزش و استنتاج هوش مصنوعی تحت سلطه مقیاس کوچک ذخیره سازی فایل ها و اشیاء است که از NVIDIA GPU Direct، KV Caches و معماری STX برای نگه داشتن GPU ها در پردازش داده های رمزی پشتیبانی می کند. با این حال، حجم وسیعی از دادههای سازمانی بر روی آرایههای یکپارچه سطح بالا از Dell PowerMax، Hitachi Vantara VSP One Block High End، IBM DS6000 و Lenovo InfiniBox قرار دارد - هیچکدام از STX و اجزای مرتبط با آن پشتیبانی نمیکنند.ما با دیوید چاپا، استراتژیست ارشد هوش مصنوعی در هیتاچی وانتارا، برای بررسی این شکاف مصاحبه کردیم.
چاپا اظهار داشت که NVIDIA BlueField-4 STX تکامل گسترده تری از معماری زیرساخت هوش مصنوعی را نشان می دهد. آرایههای سازمانی سنتی برای مدیریت کارآمد درخواست ذخیرهسازی ساخته شدهاند، در حالی که STX ایجاد ارزش در زیرساخت هوش مصنوعی را تغییر میدهد. آرایههای پیشرفته قدیمی دوام، انعطافپذیری، عملکرد، زمان کار و خدمات داده متمرکز را در اولویت قرار میدهند. در مقابل، STX هوش بیشتری را در جریانهای کاری پردازش داده تعبیه میکند و امنیت، هماهنگسازی، موقعیت مکانی داده، هماهنگی حافظه و سرویسهای داده را به GPU و محیطهای زمان اجرا هوش مصنوعی نزدیکتر میکند.
تمرکز اصلی این نیست که آیا این قابلیتها باید به صورت بومی روی آرایههای ذخیرهسازی اجرا شوند، بلکه نحوه استقرار بهینه آنها در خطوط لوله داده هوش مصنوعی است. هیتاچی وانتارا ناسازگاری فعلی را به عنوان محدودیت آرایه های خود نمی بیند، بلکه یک انتخاب معماری طبیعی در میان زیرساخت های هوش مصنوعی در حال تکامل است. آرایه های سازمانی پیشرفته برای ارائه خدمات داده قابل اعتماد از جمله انعطاف پذیری، در دسترس بودن، عملکرد، دوام و مدیریت یکپارچه حیاتی هستند.
از آنجایی که خطوط لوله داده هوش مصنوعی به طور فزایندهای به خدمات شتابدهی شده توسط DPU، لایههای ارکستراسیون، ذخیرهسازی و اجرای آگاه از موقعیت مکانی تکیه میکنند، برخی از توابع به منابع محاسباتی نزدیکتر میشوند، در حالی که آرایههای سازمانی همچنان بر قدرت اصلی خود تمرکز میکنند: خدمات داده قابل اعتماد.
چاپا در پاسخ به این سوال که آیا آرایههای پیشرفته هیتاچی وانتارا با NVIDIA STX ادغام خواهند شد یا خیر، خاطرنشان کرد که STX و CMX دستاوردهای مهندسی قابل توجهی هستند. بحث کمتر در مورد نقشه راه محصول و بیشتر در مورد موقعیت یابی معماری برای سیستم های هوش مصنوعی در حال تکامل است.
زیرساختهای هوش مصنوعی مدرن محدودیتهایی را نشان میدهد که هرگز در معماری سنتی سازمانی لحاظ نشده است. چالش امروز در ذخیره سازی مستقل، GPU یا عملکرد شبکه نیست، بلکه هم افزایی داده ها، حافظه، محاسبات، امنیت و هماهنگی در مقیاس استقرار هوش مصنوعی است.
STX بیشتر خط لوله داده های هوش مصنوعی را از طریق DPU های BlueField، شبکه و طرح های مرجع که ادغام و تمایز فروشنده را شکل می دهند، در پشته یکپارچه NVIDIA ادغام می کند. CMX حافظه متنی، حافظه پنهان KV و حالت های استنتاج را به طور خاص هدف قرار می دهد. هیتاچی وانتارا این فناوریها را تلاشی برای دور زدن فضای ذخیرهسازی سازمانی نمیداند، بلکه صنعت را بین دو دسته داده متمایز تقسیم میکند: دادههای زمان اجرا گذرا برای مشاغل هوش مصنوعی و دادههای سازمانی پایدار و تحت کنترل که مدتها پس از تکمیل وظایف هوش مصنوعی وجود دارند.
دو نوع داده دارای محدودیت های عملیاتی متفاوتی هستند. حافظه نهان KV و زمینه های استنتاج کوتاه مدت و حساس به تأخیر هستند، که آنها را برای اجرا در نزدیکی GPU، ردیف های حافظه یا زمان اجرای هوش مصنوعی مناسب تر می کند. در مقایسه، دادههای اصلی کسبوکار، کنترلهای انطباق و خدمات داده در سطح سازمانی به زیرساخت قوی برای استفاده طولانیمدت، حاکمیت، انعطافپذیری و عملیات سازمانی در مقیاس بزرگ نیاز دارند.
برای Hitachi Vantara، فعال کردن پشتیبانی STX در آرایههای سطح بالا بسیار بیشتر از یک بهروزرسانی ساده سیستمافزار است. این شامل ملاحظات اساسی در مورد محل داده، بار حافظه، ماندگاری داده، مرزهای امنیتی، هماهنگی و قرار دادن بهینه خدمات زیرساخت است.
اولویت تعریف موقعیتیابی عملکردی با بلوغ زیرساخت هوش مصنوعی، شناسایی نقاط تمایز، تعیین محدوده یکپارچهسازی معقول، و تخصیص منابع مهندسی برای به حداکثر رساندن ارزش مشتری است.
انویدیا به طور موثر گلوگاههای کلیدی را در زیرساختهای هوش مصنوعی برطرف کرده است، اما رویکردهای معماری آن با همه مشتریان، حجم کاری یا استراتژیهای پلتفرم مناسب نیست. هیتاچی وانتارا تغییرات پایدار معماری را از روندهای کوتاه مدت متمایز می کند، یکپارچگی را ارزیابی می کند که ارزش ملموسی به همراه دارد، و تلاش های توسعه را برای ارائه بیشترین منافع به کاربران هدایت می کند.
هیتاچی وانتارا آرایه های سازمانی پیشرفته خود را خارج از زنجیره تحویل مستقیم داده برای سرورهای GPU قرار می دهد و چنین ادغامی را از نظر معماری نامناسب می داند. این پلتفرمها بهعنوان سیستمهای رکورد اصلی بهینهسازی شده برای دوام، حاکمیت، انعطافپذیری و عملیات در مقیاس سازمانی، به جای حافظههای پنهان KV و زمینههای استنتاج گذرا و بحرانی با تأخیر عمل میکنند.
ما معتقدیم که آرایههای سازمانی پیشرفته مانند VSP One Block High End از ابزارهای هوش مصنوعی مانند عوامل هوشمند داخلی برای سادهسازی مدیریت استفاده میکنند. از آنجایی که هوش مصنوعی عامل و استنتاج جریان اصلی جذب میشوند، شرکتها خواستار دسترسی به دادههای رکورد اصلی برای بار کاری هوش مصنوعی خواهند بود. در نهایت، خطوط لوله دادههای هوش مصنوعی گسترش خواهند یافت تا آرایههای سازمانی پیشرفته را به عنوان منابع دادههای کلیدی ترکیب کنند.
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
