Прорыв в области искусственного интеллекта: Преодоление узких мест в системе хранения данных для повышения производительности краевых выводов

По мере того как искусственный интеллект преобразует корпоративные операции - от медицинской диагностики с помощью передовых технологий визуализации до сложных систем предотвращения мошенничества и мониторинга окружающей среды, - организации сталкиваются с растущей инфраструктурной проблемой: ограничениями в хранении данных.

На конференции VentureBeat Transform 2025 лидеры отрасли Грег Мэтсон (Solidigm), Роджер Каммингс (PEAK:AIO) и Майкл Стюарт (M12) рассказали о том, как решения для хранения данных нового поколения раскрывают потенциал искусственного интеллекта в сфере здравоохранения.

Принятие медицинским сообществом фреймворка MONAI служит примером такого технологического симбиоза. Эта платформа с открытым исходным кодом ускоряет разработку медицинских изображений за счет повышения безопасности и эффективности. Важнейшим условием ее успеха является развитая инфраструктура хранения данных, которая позволяет исследователям хранить и обрабатывать огромные массивы данных, такие как два миллиона снимков КТ всего тела, которые PEAK:AIO и Solidigm сделали возможными на одном узле хранения.

Оптимизация системы хранения данных для рабочих процессов ИИ

"Инфраструктура ИИ требует специализированных решений для хранения данных на всех этапах работы с ними", - объясняет Мэтсон. "Твердотельные накопители высокой емкости отлично подходят для пограничных вычислений и хранения обучающих данных, в то время как операции вывода требуют сверхвысокой производительности с исключительными возможностями ввода-вывода. Такая специализация меняет наши стратегии разработки продуктов и интеграции программного обеспечения, особенно для систем поколения Retrieval-Augmented Generation".

Требования к граничным вычислениям

Успешное внедрение ИИ на границах требует минимизации площади аппаратного обеспечения и устранения ограничений на память. Интегрируя хранилище непосредственно в вычислительную архитектуру, организации добиваются ускорения обработки за счет физического расположения данных ближе к вычислительным устройствам.

"В настоящее время крупные компании, занимающиеся внедрением ИИ, проектируют целые центры обработки данных на основе архитектур хранения данных, примыкающих к GPU", - отметил Мэтсон. "Теперь мы переносим тот же принцип - высокоскоростные твердотельные хранилища петабайтного масштаба - в граничные среды и корпоративные центры обработки данных меньшего масштаба".

Организациям, максимизирующим свои инвестиции в ИИ, все чаще требуются полностью твердотельные решения, сочетающие огромную емкость хранения с компактными форм-факторами, подходящими для распределенного развертывания.

Дорожная карта технологий хранения данных

"Наша миссия заключается в предоставлении решений с открытой архитектурой и скоростью работы памяти петабайтного масштаба", - говорит Каммингс. "В отрасли будут появляться инновации в области хранения данных, соответствующие как техническим требованиям, так и экономическим реалиям".

Будущее аппаратное обеспечение должно удовлетворять самые разные потребности на протяжении всего жизненного цикла ИИ - от сверхмощных энергоэффективных решений до модулей хранения, приближающихся к уровню производительности памяти.

"Мы движемся к твердотельным накопителям емкостью 1 ПБ, которые потребляют минимум энергии, заменяя при этом множество обычных дисков", - прогнозирует Мэтсон. "Архитектура систем хранения данных будет все больше дополнять память с высокой пропускной способностью GPU, создавая специализированные решения, а не устройства общего назначения - эта тенденция будет усиливаться в течение следующего десятилетия".