データが急速に増加すると、脆弱なアーキテクチャはすぐに限界を迎えます。
AIはしばしばコンピューティングの問題として捉えられます。実際には、AIはデータが継続的に作成、保存、再利用されるデータシステムです。
AIシステムのパフォーマンスを左右するのは、データを保持し、管理し、学習に生かす力である理由をご覧ください。
ハードディスクドライブがクラウドとAIのストレージの基盤であり続けるのには理由があります。
ハードディスクドライブがクラウドとAIのストレージの基盤であり続けるのには理由があります。
AIインフラストラクチャは、図書館によく似ています。最も頻繁にアクセスされる情報は、リアルタイムAI推論向けの高性能層の手前に配置されます。一方、データの大部分は、拡張性と長期保存を考慮した、コスト効率に優れた大容量層のより奥に保存されます。履歴のコンテキストからトレーニングデータ、出力まで、ほとんどのAIデータは作成後に消えることはなく、蓄積されていきます。現在のクラウドインフラストラクチャはすでにこのように構築されており、拡張性、効率性、経済性が重視されるため、クラウドデータの約80%はハードディスクドライブに保存されています。AIはインフラストラクチャのアーキテクチャを単純化するどころか、大規模かつインテリジェントなデータ階層化の必要性をさらに高めています。
インテリジェンスの生成に注目が集まりがちですが、AIの大きな課題は、そのインテリジェンスを可能にするデータの保存、管理、規模に応じた拡張です。
AIが実験段階から本番環境へと移行するにつれて、生成されるデータは消えることなく、蓄積されていきます。長期的な視点で構築を進める企業は、実証済みの信頼性、コスト効率に優れた拡張性、データの成長とともに拡張できるインフラストラクチャを選択しています。数字がそのことを明確に示しています。
AIインフラストラクチャは単一のストレージテクノロジーだけで成り立つものではありません。AIライフサイクルのあらゆる段階で、速度、拡張性、コストのバランスが取れるように設計された階層型アーキテクチャを基盤としています。データの取り込みと準備から、モデルのトレーニング、推論、長期保持まで、ワークロードごとに求められる性能特性は異なります。高速DRAMとSSDは、コンピューティング処理やリアルタイム推論を高速化する一方で、HDDは増え続けるトレーニングデータ、ログ、メタデータ、AI生成データを保存するために必要な、大規模かつコスト効率に優れた容量を提供します AIの規模が拡大する中、インテリジェントなデータ階層化は、インフラストラクチャのパフォーマンス、経済性、持続可能性を維持する上で不可欠になります。
HDDテクノロジーを進化させ、データの可能性を引き出します。
あらゆるワークロードに対応する、スケーラブルでオープンなインフラストラクチャ。
参考文献
