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
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。