Las 10 principales historias de almacenamiento e inteligencia artificial de 2024
3 min read
La inteligencia artificial (IA) ha aparecido en los titulares y en el centro de datos, pero con ella viene una serie de consideraciones operativas y de rendimiento que afectan al almacenamiento tanto como a cualquier otra disciplina de TI.
En esta revisión, analizamos las demandas clave del procesamiento de IA en el almacenamiento de datos, los tipos de almacenamiento necesarios para la IA y la idoneidad del almacenamiento en la nube para las cargas de trabajo de IA.
Profundizamos en los requisitos de datos de la IA y el almacenamiento, como la necesidad de datos vectoriales de alta dimensión durante el entrenamiento y los puntos de control de la IA, y el cumplimiento que la IA utiliza de esto.
También vemos respuestas de los proveedores de almacenamiento al rápido crecimiento en el uso de IA en el centro de datos, en términos de enlaces con jugadores líderes como Nvidia, así como sus ofertas de almacenamiento dirigidas a cargas de trabajo de IA.
En esta guía, examinamos los requisitos de almacenamiento de datos de inteligencia artificial, las necesidades de almacenamiento de datos, la idoneidad del almacenamiento de objetos y en la nube para la IA y los productos clave de almacenamiento de IA.
Analizamos el uso de datos vectoriales en IA y cómo funcionan las bases de datos vectoriales, además de la incrustación de vectores, los desafíos de almacenar datos vectoriales y los proveedores clave de productos de bases de datos vectoriales.
Hablamos con Charlie Boyle de Nvidia sobre los desafíos de datos de la inteligencia artificial, consejos prácticos clave para proyectos de IA y las demandas de capacitación, inferencia, RAG y puntos de control.
Abordar los cuellos de botella de E/S de GPU y las alucinaciones de IA mediante la ejecución de microservicios Nvidia NeMo y NIM, anunció el proveedor de almacenamiento en el Centro de Conferencias de Nvidia sobre integración de infraestructura.
Hablamos con Charlie Giancarlo, director ejecutivo de Pure Storage, sobre por qué la velocidad de escritura es clave para las cargas de trabajo de inteligencia artificial, el almacenamiento accesible para datos de IA y su predicción de la muerte de los discos giratorios.
Hablamos con Grant Calley de NetApp sobre inteligencia artificial y almacenamiento de datos, escala, rendimiento y migración de datos, copia y clonación para resolver los requisitos de la nube híbrida y estimar las ejecuciones.
Vast Data apunta a las operaciones de puntos de control de IA, ya que promociona el almacenamiento basado en QLC para cargas de trabajo de IA.
Empiece a analizar el cumplimiento de la inteligencia artificial. Ese es el consejo de Matthew Goerge de VisiTrust, quien dice que la gobernanza de la IA aún es inmadura, pero las organizaciones deberían reconocer los límites y seguir trabajando.
La consultora de inteligencia artificial Crater Labs ha dedicado mucho tiempo a administrar unidades conectadas al servidor para garantizar que las GPU estén saturadas. El cambio al almacenamiento puro totalmente flash se reduce a casi cero.
Originalmente impulsado por la obsoleta memoria de clase de almacenamiento Optane de Intel, Parallelstore ofrece almacenamiento de archivos paralelo masivo dirigido a casos de uso de capacitación en inteligencia artificial en Google Cloud.
