Pure Storage 通过其新的 FlashBlade//EXA 平台解决了 AI 存储的独特挑战。这是一个专门为人工智能和高性能计算需求打造的高性能、分离式全闪存存储解决方案。这个新方案解决了传统系统在数据摄入、训练和推理过程中经常遇到的关键瓶颈问题。
Pure 的故事并不止于其新存储解决方案。通过与 Meta 达成为其超大规模存储基础设施提供支持的里程碑式协议,Pure 现在处于更广泛的行业转型中心,在这个转型中,闪存不仅仅是一个性能层,更是下一代数据中心的基础。
总的来说,Pure 在超大规模领域的发展势头和其新的分离式存储架构展示了公司的未来。Pure 的思考远超传统企业存储的范畴。
为 AI 构建存储架构
随着 AI 和高性能计算逐渐成为主流,传统的存储方法已被推至极限。现代 AI 工作负载需要对海量结构化和非结构化数据进行闪电般快速的高并发访问,这是传统存储系统从未设计过的功能。结果就是出现瓶颈,减慢数据摄入速度,阻塞训练管道,并削弱昂贵 GPU 的性能。
Pure Storage 的 FlashBlade//EXA 应运而生,这是一个专门设计的高性能存储平台,旨在满足大规模 AI 和 HPC 的需求。通过分离式架构、智能闪存管理和行业领先的吞吐量,Pure 的最新产品在实现实时 AI 基础设施方面迈出了重要一步。
通过将 Pure 独特的 DirectFlash 技术与其成熟的 Purity 操作系统相结合,FlashBlade//EXA 消除了传统基于 SSD 存储的低效问题,降低延迟并最大化吞吐量。
FlashBlade//EXA 通过其分离式存储架构解决了 AI 工作负载的独特挑战。它支持数据和元数据的独立扩展,确保随着 AI 模型复杂度增加时的最佳性能。
Pure 是首批推出专为 AI 设计的分离式架构的主要企业存储供应商之一。虽然 Dell Technologies 和 NetApp 等竞争对手已经规划了类似架构的未来产品,但 Pure 是第一个将此类产品推向市场的传统企业存储供应商。
这项技术的应用也超出了传统企业范畴。Pure 允许新的 FlashBlade//EXA 使用第三方存储阵列的决定让许多行业观察者感到惊讶。这一选择直接迎合了云优先 AI 世界的需求,并简化了新产品与现有基础设施的集成。
Pure 的超大规模布局
今年早些时候,Meta 选择 Pure Storage 作为其下一代存储基础设施的基础。这是超大规模计算公司首次在所有在线存储层级(从低成本归档到高性能 AI 和 ML 工作负载)标准化采用 Pure 的解决方案。
Meta 的理由很简单:闪存存储提供比传统硬盘更好的能效、更高的密度和显著提升的性能。虽然闪存的前期成本仍然较高,但 Pure 的 DirectFlash 架构通过卓越的效率和可扩展性帮助缩小了这一差距。
在最近的技术博客中,Meta 详细介绍了如何使用基于 QLC NAND 技术的闪存存储构建其架构。QLC 在超大规模环境中的读密集型大规模工作负载方面,相比性能导向型存储解决方案中常见的 TLC NAND,具有更好的性价比表现。
Meta 最近详细介绍了其对 QLC NAND 闪存的兴趣,这种闪存比性能导向的 TLC NAND 提供更大容量和更好的经济性,特别适合超大规模环境中常见的读密集型工作负载。虽然 HDD 仍然主导冷存储和温存储层,但 Meta 将 QLC 闪存视为未来,其与 Pure 的合作反映了明确的闪存优先路线图,以实现 EB 级部署的扩展。
真正的优势在于 Pure 的集成方法:将智能软件与定制工程的闪存硬件相结合。这种组合对于在超大规模环境下提供所需的性能、可靠性和效率至关重要。
分析师观点
FlashBlade//EXA 在关键时刻进入竞争市场。企业正在积极寻求替代难以应对高并行性和元数据密集型工作负载的传统系统的方案。Pure 的新产品以其 AI 原生架构、分离式设计和对第三方阵列的支持脱颖而出——这种罕见的组合在性能和部署灵活性之间取得了平衡。
Pure 的新 FlashBlade//EXA 架构与 WEKA 或 VAST Data 等公司的方法相似,这些公司在 AI 训练市场取得了早期成功。但关键区别在于,这些公司并不专注于闪存存储,也没有像 Pure 那样对底层平台有相同程度的控制。
然而,更广泛的影响超越了产品创新。FlashBlade//EXA 反映了 Pure 不断发展的战略,更紧密地与超大规模市场保持一致,在这个市场中软件定义的基础设施和模块化是关键。与 Meta 的合作凸显了这一转变,并将 Pure 定位为 AI 基础设施未来的重要竞争者。
FlashBlade//EXA 和 Meta 合作突显了 Pure 更广泛的战略方向:提供统一性能、效率和规模的软件定义、闪存原生平台。随着企业和超大规模计算机构为 AI 驱动的未来做准备,Pure Storage 正在将自己定位为存储供应商和下一代数字基础设施的关键推动者。这是一个充满挑战的旅程——而 Pure 已经做好了充分准备。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。