企业IT领导者面临前所未有的挑战,他们需要让团队快速部署AI基础设施,以满足业务需求并抓住新兴市场机会。与此同时,他们还必须避免长期困扰企业存储的运营复杂性。
传统存储协议正被更适合可扩展、高性能AI工作负载的新方法所取代。AI存储解决方案越来越多地选择对象存储,而非传统的块存储和文件存储方案。
这是一个颇具讽刺意味的转变,因为对象存储最初是作为一个可扩展、耐用且成本低廉的平台而开发,主要用于常规备份、归档、媒体和云规模数据湖。
然而,与在大规模并行处理需求下不堪重负的传统文件和块存储系统不同,对象存储能够提供AI应用所需的水平扩展性和性能特征。
MinIO成立十多年来,一直是对象存储市场的早期领导者。该公司将对象存储从其云优先的起源(现代对象存储基于亚马逊网络服务的S3协议)带入主流企业应用。MinIO拥有超过620万次安装,是行业内部署最广泛的对象存储平台。
该公司希望通过其新推出的基于Supermicro的AIStor Pods来扩大这一影响力。这种即装即用的AI就绪对象存储以专为企业AI工作负载快速部署而设计的方式,结合了规模、简便性和经济性。
MinIO的AIStor平台
AIStor在近一年前推出,是MinIO专门为解决企业大规模部署AI时出现的独特性能、可扩展性和运营挑战而设计的商业对象存储平台。该平台提供了几项突破性功能,使其区别于传统对象存储解决方案。
AIStor包含MinIO AIHub,这是一个用于存储AI模型和数据集的私有仓库,完全兼容HuggingFace API。这使企业能够创建安全的、物理隔离的数据和模型仓库,无需修改现有代码,解决了数据泄露的关键问题,同时支持vLLM等框架的高级部署场景。
该平台还引入了基于RDMA的S3支持,利用高速网络最大化400GbE和800GbE以太网投资的利用率,同时减少CPU开销。
MinIO的AIStor架构融合了企业级功能,包括原子元数据存储、高级纠删编码、全面加密、对象不可变性以及复杂的身份和访问管理。
AIStor无需修改即可支持领先的AI框架,包括Spark、Presto、PyTorch和TensorFlow。内置的企业安全、法规合规和高可用性功能确保从第一天起就具备生产就绪性。
该解决方案还包括MinIO的promptObject API,这是S3协议的扩展,使应用程序能够使用自然语言与非结构化数据对象交互,将存储从简单的PUT/GET模式转变为PUT/PROMPT模式。
AIStor Pods的预集成存储
虽然纯软件产品为IT组织提供了令人信服的灵活性水平,允许团队构建适合其环境的解决方案,但这种模式也可能显著减慢部署速度。花费时间处理独立的硬件和软件供应商、管理复杂的集成项目以及排除兼容性问题,都可能导致价值实现时间延长。
MinIO通过名为AIStor驱动设备的新预集成存储解决方案组合来解决传统IT采购周期与AI业务需求之间的根本不匹配,该产品仅通过Arrow Electronics独家提供。
第一款产品将MinIO的AIStor对象存储软件与Supermicro硬件结合在即装即用的配置中,该公司表示这消除了企业客户的传统采购摩擦:
这些设备将设备式采购简便性与云运营模式灵活性相结合,从而避免了传统存储设备通常相关的供应商锁定。
组织可以独立升级软件和硬件,使其能够适应性能改进和成本优化,无需强制刷新周期。
通过利用标准x86服务器,该解决方案避免了与传统存储设备相关的加价处罚,同时降低了总拥有成本。这种方法遵循"超大规模经济"原则,将优化软件与标准化硬件相结合。
分析师观点
MinIO的AIStor Pod发布与企业AI基础设施的更广泛市场成熟度保持一致。随着组织从AI实验转向生产部署,对消除集成复杂性的即装即用解决方案的需求将显著加速。
据IDC预测,到2028年,对象存储市场预计将达到560亿美元,主要由AI工作负载的增长需求推动。MinIO作为AI应用领域领先的纯对象存储供应商的定位,将公司置于这一扩张的中心,特别是当企业认识到传统存储架构的扩展限制时。
市场上很少有即装即用的纯对象存储解决方案。戴尔科技的ObjectScale和NetApp的StorageGRID是最接近的竞争对手。几乎所有其他主流存储供应商都将S3功能与更广泛的文件服务捆绑在一起。寻求作为易部署设备交付的专用、可扩展解决方案的客户选择有限。
MinIO通过其与Supermicro的AIStor Pod采取了令人信服的方法,展示了基础设施供应商如何通过消除运营摩擦来加速企业AI采用。该公司才刚刚起步。
虽然这第一款产品利用通过Arrow Electronics履行的Supermicro硬件,但MinIO计划在未来通过额外的硬件供应商合作伙伴关系扩展AIStor设备组合,为企业提供更多选择,同时保持简化的部署模式。
管理AI规模的数据需要的不仅仅是性能。企业需要采购简便性以及可预测的经济性。像MinIO宣布的预集成设备解决方案与将超大规模风格的效率和规模引入企业私有云的更广泛行业转变保持一致。AIStor Pods为企业提供了一条清晰的道路,使基础设施投资与AI驱动的业务优先级保持一致。这是一种令人信服的方法。
Q&A
Q1:MinIO的AIStor平台有什么特殊功能?
A:AIStor是MinIO专门为企业大规模AI部署设计的商业对象存储平台。它包含MinIO AIHub私有仓库,兼容HuggingFace API;支持S3 over RDMA,最大化高速网络利用率;还有promptObject API,让应用程序可以用自然语言与数据对象交互。
Q2:AIStor Pods相比传统存储解决方案有什么优势?
A:AIStor Pods结合了设备式采购简便性和云运营模式灵活性,避免供应商锁定。用户可以独立升级软件和硬件,利用标准x86服务器避免传统存储设备的加价处罚,降低总拥有成本,同时消除了复杂的集成工作。
Q3:为什么AI工作负载更适合选择对象存储而不是传统存储?
A:传统的文件和块存储系统在大规模并行处理需求下容易出现性能瓶颈,而对象存储能够提供AI应用所需的水平扩展性和性能特征。对象存储原本就是为可扩展、耐用且成本低廉的大规模数据处理而设计的。
好文章,需要你的鼓励
Luminary Cloud宣布完成7200万美元B轮融资,专注开发"物理AI"技术。该公司云原生平台可将仿真速度提升100倍,利用物理信息模型实时预测汽车、飞机等产品性能。公司推出针对特定行业的预训练模型,包括与本田合作的汽车设计模型和与Otto航空合作的飞机开发模型。融资由西门子风投领投,将用于扩大研发团队和市场销售。
清华大学研究团队通过MotionBench发现,当前最先进的AI视频理解模型在精细动作理解方面存在严重不足,准确率不足60%。他们提出的通过编码器融合技术TE Fusion有效改进了这一问题。这项研究揭示了视频AI理解的基础能力缺陷,为该领域发展指明了新方向。
伦敦量子动态科技公司宣布交付业界首台采用传统半导体制造工艺的量子计算机。该系统已安装在英国国家量子计算中心,使用标准化300毫米硅晶圆,是首台自旋量子比特计算机。系统采用CMOS技术,占地约三个19英寸服务器机架,具备数据中心友好特性。公司开发的可扩展瓦片架构支持大规模生产,未来可扩展至每个量子处理单元数百万量子比特,为商业化应用奠定基础。
上海人工智能实验室联合多家机构推出OVO-Bench评测体系,首次系统评估视频AI的在线理解能力。研究发现当前最先进的模型如GPT-4o在实时视频理解任务中表现远不如人类,缺乏时间感知、实时记忆和主动响应能力。该研究为智能家居、在线教育、医疗监护等实际应用场景的AI升级指明方向。