DDN 宣布推出专为 AI 训练和推理设计的 Infinia 2.0 对象存储系统,声称在 AI 数据加速方面可提升高达 100 倍的性能,并在数据中心和云计算成本效率方面实现 10 倍提升。
Infinia 是一个从底层设计的基于键值对的对象存储系统。我们最近在这里详细介绍过 Infinia 的技术。
DDN 首席执行官兼联合创始人 Alex Bouzari 表示:"财富 500 强企业中有 85 家在 DDN 的数据智能平台上运行其 AI 和高性能计算应用。通过 Infinia,我们能够将客户的数据分析和 AI 框架加速数个数量级,实现更快的模型训练和准确的实时洞察,同时确保 GPU 效率和能源使用的未来可持续性。"
他的 DDN 创始合伙人、总裁 Paul Bloch 说:"我们的平台已经部署在全球一些最大的 AI 工厂和云环境中,证明了其支持大规模关键任务 AI 运营的能力。"DDN 此前表示 Elon Musk 的 xAI 是其客户。
AI 数据存储是 DDN 对 Infinia 的核心定位。首席技术官 Sven Oehme 表示:"AI 工作负载需要实时数据智能来消除瓶颈、加速工作流程,并在复杂的模型列表、训练前后、RAG、智能 AI、多模态环境和推理中实现无缝扩展。Infinia 2.0 的设计旨在最大化这些领域的 AI 价值,同时提供实时数据服务、高效多租户、智能自动化和强大的 AI 原生架构。"
Infinia 包含事件驱动的数据移动、多租户、硬件无关设计、99.999% 以上的正常运行时间、高达 10 倍的永久数据压缩、容错网络纠删码和自动 QoS。它与其他快速的、最近加速的对象存储系统并驾齐驱,如 Cloudian 的 HyperStore、MinIO、Quantum Myriad、Scality 的 RING 和 VAST Data。
Infinia 软件与 Nvidia 的 Nemo 和 NIMS 微服务、GPU、Bluefield 3 DPU 和 Spectrum-X 网络协同工作,加速 AI 数据流水线。DDN 声称它"在核心、云和边缘环境中集成了 AI 推理、数据分析和模型准备"。Infinia 与 Trino、Apache Spark、TensorFlow、PyTorch "和其他 AI 框架集成,以加速 AI 应用"。
Nvidia DGX 平台副总裁 Charlie Boyle 评论道:"结合 Nvidia 的加速计算和企业软件,像 DDN Infinia 2.0 这样的平台为企业提供了充分利用数据所需的基础设施。"
Infinia 具有 TB 级带宽和亚毫秒级延迟,"性能超过 AWS S3 Express 10 倍,提供前所未有的 S3 性能"。DDN 的其他优势包括 AI 数据加速 100 倍,AI 工作负载速度提升 10 倍,效率比 Hadoop 高 100 倍(基于"独立基准测试"),元数据处理速度提升 100 倍,每秒对象列表处理速度比 AWS 快 100 倍,AI 模型训练和推理查询速度提升 25 倍。
Infinia 系统"可从 TB 级扩展到 EB 级,在单个部署中支持超过 100,000 个 GPU 和 100 万个同时连接的客户端,实现大规模 AI 创新"。DDN 表示,它"在实际数据中心和云部署中已经得到验证,可支持 10 到 100,000 多个 GPU,在任何规模下都能确保最大的 GPU 利用率,实现无与伦比的效率和成本节省"。
超微计算机首席执行官 Charles Liang 表示:"通过将 DDN 的数据智能平台 Infinia 2.0 与超微的前沿服务器工作负载优化解决方案相结合,两家公司合作打造了世界上最大的 AI 数据中心之一。"我们认为这指的是 xAI 的 Colossus 数据中心为 Grok 3 阶段 1 所做的扩展。DDN 在这里提供了更多关于 Infinia 的信息。
补充说明: 据了解,xAI 最新的 Grok 3 大语言模型在训练和运行时同时使用了 VAST Data 存储和 DDN 的 Exa 及 Infinia 存储。
好文章,需要你的鼓励
Xbox 部门推出了名为 Muse 的生成式 AI 模型,旨在为游戏创造视觉效果和玩法。这一举措反映了微软全面拥抱 AI 技术的战略,尽管游戏开发者对 AI 持谨慎态度。Muse 不仅可能提高游戏开发效率,还有望实现老游戏的现代化改造,但其实际效果和对行业的影响仍有待观察。
Sonar收购AutoCodeRover,旨在通过自主AI代理增强其代码质量工具。这项收购将使Sonar客户能够自动化调试和问题修复等任务,让开发者将更多时间用于改进应用程序而非修复bug。AutoCodeRover的AI代理能够自主修复有问题的代码,将与Sonar的工具集成,提高开发效率并降低成本。
人工智能正在推动数据中心的变革。为满足 AI workload 的需求,数据中心面临前所未有的电力消耗增长、散热压力和设备重量挑战。应对这些挑战需要创新的解决方案,包括 AI 专用硬件、可再生能源、液冷技术等。同时,数据中心还需平衡监管压力和社区关切。未来数据中心的发展将决定 AI 技术能否实现其变革性潜力。