企业把AI从试点推向量产时,最难的部分往往不是GPU,而是数据。这是日立万塔拉(Hitachi Vantara)在SC26大会上给出的判断:真正拖住项目的,是散落各处、缺乏治理、难以取用的信息。
![]()
这种压力正在改变存储的角色。存储不再只是把数据存起来,而要主动完成分类、治理,并把数据送到模型面前。日立万塔拉混合云与AI基础设施副总裁阿伦·普拉萨德·拉曼(Arun Prasad Raman)说:“存储不再被视为仅仅存储数据。你需要原生地引入更多智能,而不是把数据搬到另一个副本,再搬回来做索引之类的事。如果能原生完成,价值就体现在那里。”
拉曼与该公司产品与解决方案经理杰夫·伦德伯格(Jeff Lundberg)在SC26期间接受了theCUBE研究团队的约翰·弗里尔和杰玛·艾伦的采访,话题包括AI的试点到量产鸿沟、Apache Iceberg,以及日立万塔拉如何给存储加上智能。
卡点不在架构,在数据
伦德伯格认为,AI工厂和数据平台的参考架构大体已经定型。多数项目停滞,是因为数据分散在本地系统、软件即服务应用和云端,而访问控制、治理和不断变化的监管又增加了摩擦。日立万塔拉的应对方式,是基于其Hitachi iQ技术栈,结合姊妹业务在铁路和能源领域的经验,推出面向具体行业的解决方案。
“关键在于结果,而不是我们试图落地的技术,”伦德伯格说,“技术只是帮你抵达想要的那个解决方案的使能因素。”
这些工作很大一部分现在发生在存储层。上周,日立万塔拉扩展了VSP One平台,加入新的对象存储和数据湖仓能力。其对象存储中的一项服务会标记含个人信息的文件,例如社会安全号码。数据科学家随后可以把这类数据排除在特定模型之外,或阻止其复制到另一个国家。拉曼说:“这就是我们加进存储本身的智能,存储的演进方向就是变得更智能。”
Iceberg让旧数据也能被查询
分析走的是同一套逻辑。CT扫描的元数据可以以Apache Iceberg格式存放在该公司的对象存储上,并被直接查询。拉曼举例说,一个应用可以列出过去一年所有的腹部扫描,而不需要单独的抽取、转换、加载(ETL)流程,也不需要数据库。
“不管是备份,还是十年前的旧数据,它仍然携带某种智能,”拉曼说,“只要它携带智能,它对AI就变得重要。”
按这套思路,存储的价值不在于容量大小,而在于能否在数据原地完成识别、治理和取用。企业AI项目从试点走向量产,缺的往往就是这一层。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.