让社会信任 AI 需要什么条件?每一个由 AI 算法产生的决策、预测和洞察都取决于数据的可用性和质量。为了充分发挥 AI 的潜力,数据必须被有效且高效地存储。换句话说,数据支撑着 AI,而存储则支撑着数据。这种赋能是相互的:AI 也在强化当今的存储创新以满足其需求。
要理解 AI 如何帮助创造更好的存储解决方案,我们首先要研究它与数据的关系。AI 数据存在于数据生成和消费的循环中,更多高质量、多样化的输入数据会带来更智能的模型和更好的结果。在这个循环中,AI 成为数据创造的倍增器,对大容量存储解决方案的需求也在显著增长。
然而,差距依然存在。基于 IDC 2024 全球数据圈研究的希捷分析显示,2024 年至 2028 年间,数据将以 25% 的速度增长,而存储设备的安装基数预计增长较慢,年复合增长率为 17%。
希捷描绘的数据生成和消费的无限数据循环。
这种差距对企业有商业影响:组织需要制定长期容量规划,确保其数据存储基础设施已准备好将未来的机遇转化为价值。
存储密度的进步使得在规模上满足 AI 数据存储不断增长的需求成为可能,同时最大限度地减少占地面积扩张和资源影响。例如,面密度的进步已经带来了每碟超过 3TB 存储容量的硬盘,提高了能源效率,并降低了每 TB 的碳排放。
AI 在这项创新中既是原因也是结果:AI 推动了数据存储设计的改进,这反过来又帮助组织在 AI 处理中最大化利用他们的数据价值。
例如,希捷正在使用 NVIDIA 技术来满足不断增长的 AI 存储需求,并开发下一代 Mozaic 硬盘。通过与 NVIDIA 合作,希捷优化工作流程,提高效率、性能和可扩展性。这种合作专注于模拟工作流程的各个方面,包括模型构建、解决方案算法、后处理和可视化任务。
通过解决传统 CPU 模拟和繁琐工作流程导致的存储硬盘设计流程中的重大挑战,团队能够加快硬盘设计速度。通过 GPU 加速计算加快电磁模拟,还实现了缩短数据存储设计生命周期、改善上市时间和符合可持续发展目标的目标。
通过更多前期产品建模和设计优化,公司可以处理更复杂的模型,减少原型制作和物理测试,降低设计过程中的能源消耗,并开发更节能的存储解决方案。
这种方法的好处也延伸到利益相关者,例如为所有人培养敏捷性和竞争力。客户可以更快地获得下一代硬盘创新,更早优化运营,并实现更快的投资回报。合作伙伴受益于动态协作、加速市场覆盖和提高资源效率。随着 AI 的兴起导致数据存储需求增长,技术合作伙伴关系有助于确保行业能以更快、更节能的解决方案引领发展,并满足 AI 的存储需求。
硬盘行业对这些创新并不陌生。几十年来,它一直走在将 AI、机器学习 (ML) 和其他先进技术整合到产品开发和制造过程的前沿。这种投入在当前部署在生产线上的众多 AI 解决方案中得到了证明。这些解决方案不仅提高了一线工作人员的效率,还实现了更快的问题解决。
随着数据存储的边界不断被推动,科技行业正准备采用下一代更快、容量更大和更节能的存储解决方案。这些创新将满足 AI 时代对数据存储不断增长的需求。通过这些新进展,技术领导者不仅跟上了当今的数据存储需求,还在塑造其行业的未来。
好文章,需要你的鼓励
在他看来,企业对AI的恐惧源自未知,而破解未知的钥匙,就藏在“AI平台+开源”这个看似简单的公式里。
斯坦福和魁北克研究团队首创"超新星事件数据集",通过让AI分析历史事件和科学发现来测试其"性格"。研究发现不同AI模型确实表现出独特而稳定的思维偏好:有些注重成就结果,有些关注情感关系,有些偏向综合分析。这项突破性研究为AI评估开辟了新方向,对改善人机协作和AI工具选择具有重要意义。
Pure Storage发布企业数据云(EDC),整合其现有产品组合,提供增强的数据存储可见性和基于策略的简化管理。EDC集成了Purity存储操作系统、Fusion资源管理、Pure1舰队管理和Evergreen消费模式等架构元素,提供类云存储管理环境。该方案支持声明式策略驱动管理,让客户专注业务成果而非基础设施管理。同时发布高性能闪存阵列和300TB直接闪存模块,并与Rubrik合作提供网络安全防护能力。
威斯康星大学研究团队提出"生成-筛选-排序"策略,通过结合快速筛选器和智能奖励模型,在AI代码验证中实现了11.65倍速度提升,准确率仅下降8.33%。该方法先用弱验证器移除明显错误代码,再用神经网络模型精确排序,有效解决了传统方法在速度与准确性之间的两难选择,为实用化AI编程助手铺平了道路。