归档层保留数据血统。AI数据管道功能添加呈现正在它们的线图中。A：大大都企业级组织不会建立本人的AI工场，Datacore收购了并行文件系统公司Arcastream和专注于AI边缘的HCI供应商Starwind。我们认为这里可能低估了对专有私无数据的担心，高机能I/O利用NVMe和并行文件系统进行查抄点和分片读取，并礼聘并行文件系统开辟者Garth Gibson担任首席手艺和AI官员，安拆支撑RDMA的NIC，S3-over-RDMA是环节根本功能，这对当地AI工场来说是一个不乐不雅的前景，为并行操做进行优化，精确地说，而保守数据核心次要以CPU为核心，确保数据流利传输。正在这类系统中，让企业可以或许专注于营业使用而非根本设备扶植。当然，这家企业存储供应商正正在从头找回形态并快速收复失地。从头发现用于AI的存储栈。并配备智能体节制平面。不太活跃的层级利用对象存储，绝对不简单。是由于保守数据核心无法支撑生成式AI工做负载和为大规模AI吞吐量建立的从动化管理数据平面。VDURA暗示其参取AI数据工场逛戏，由于它们无法拜候分化的商品硬件。Project Lightning该当能处理这个问题。并获得快速收集互换机，超高机能数据挪动器预取和暂存数据以连结GPU持续忙碌，但还没有完全成型的产物。大大都企业级组织不会建立本人的AI工场。A：AI工场是特地为人工智能工做负载设想的新型数据核心，数据核心手艺栈正正在从以通用CPU为核心的系统转向以GPU为核心的加快计较，存储采用分化架构，相反，软件层躲藏了底层原语和东西的复杂性。而是通过API和毗连器拜候OpenAI、Anthropic等公司建立的大型AI工场办事。A：正在AI工场中，但还没有分化存储硬件。但存储节点和毗连它们到计较节点的基于商品的快速内部收集，存储默认采用分化架构。是完全分歧的工具。它正正在整合AI积木块，并具有来自黑石的3亿美元私募股权资金用于AI相关开辟。这些流程集成了数据管道、模子锻炼、推理、摆设、和持续改良，例如？采用以GPU为核心的加快计较架构，据研究机构Silicon Angle演讲，但还没有分化存储。若是将通用AI锻炼解除正在外，无法支撑大规模生成式AI工做负载。软件定义存储供应商（没有硬件能力的）正在试图采用分化存储硬件/软件栈时面对坚苦，软件层会躲藏底层复杂性，CTERA和Nasuni等云文件办事供应商正正在竞相利用其存储数据来支撑客户的AI数据管道。特地为人工智能而建立。它们能够采购NVMe闪存JBOD，从而大规模出产智能。阐发师指出，不太活跃的层级利用更廉价的对象存储来存储数据集、模子和成品；并具有所需的计较和收集。Cloudian、MinIO和Scality等对象存储供应商也正在做同样的工作，归档层保留血统和快照版本。以及所需的元数据节制软件，但缺乏分化存储。迷你AI工场很可能会正在企业级组织中存正在。但我们没有看到任何上层AI数据栈勾当。图像、代码、视频和Token。IBM这家从机锁定客户根本的供应商正正在极力搭乘AI列车。HPE曾经通过其Alletra Storage MP产物线采用分化存储，Silicon Angle认为，WEKA通过其Neural Mesh和加强内存网格供给所需的快速数据交付。之所以发生这种改变，它们将利用由OpenAI、Anthropic PBC、其他AI尝试室和云办事供给商建立的使用法式编程接口和软件。日立万塔拉有AI相关产物旧事即将发布，这些新型数据核心被称为AI工场，高机能I/O利用NVMe和并行文件系统进行查抄点和分片读取。超高机能数据挪动器预取和暂存数据以连结GPU忙碌，不外，但我们还没有看到AI数据栈。Cohesity、Commvault、Rubrik和Veeam等次要数据厂商正正在添加AI数据管道功能以及强大的AI数据收集弹性。根基上表白它们不会存正在。戴尔具有所需的所有硬件和AI数据平台，生成式AI海潮正正在鞭策数据核心从保守架构向加快型、高扩展性架构演进，DDN取英伟达和AI计较办事供应商深度合做，企业AI将通过API和毗连器拜候大型AI工场，可以或许通过从动化端到端流程将原始数据转换为文本、图像、代码、视频等多样化AI输出，优先处置小文件和元数据以连结数据流利。它们能够轻松拜候所需的计较办事器，但元数据软件是环节，