在數(shù)據(jù)方面，人工智能就像吃豆人。硬盤驅(qū)動器，NAS，常規(guī)數(shù)據(jù)中心和基于云的存儲方案無法滿足AI對速度和容量(特別是實時性)的狂熱需求。如今玩游戲需要對存儲進行根本性的重新思考，以此作為機器學(xué)習(xí)，深度學(xué)習(xí)，圖像處理和神經(jīng)網(wǎng)絡(luò)成功的基礎(chǔ)。

“ AI和大數(shù)據(jù)正在主導(dǎo)決策和運營的各個方面，”全閃存存儲和服務(wù)提供商Vast Data的產(chǎn)品副總裁兼聯(lián)合創(chuàng)始人Jeff Denworth說。“對大量快速數(shù)據(jù)的需求使傳統(tǒng)的存儲金字塔已過時。將新思想應(yīng)用于許多最棘手的問題，有助于實時地簡化存儲和訪問大量數(shù)據(jù)儲備的工作，從而獲得前所未有的見解。”

人工智能推動存儲激增

各種新技術(shù)和體系結(jié)構(gòu)正在重塑存儲，這些新技術(shù)和體系結(jié)構(gòu)可以提供各種類型的AI所需的高帶寬，大容量，快速I / O，低延遲和靈活的可伸縮性。其中的關(guān)鍵是固態(tài)磁盤(SSD)，閃存驅(qū)動器和緩存軟件，NVMe，DAOS，存儲類內(nèi)存(SCM)，以及諸如Intel Optane介質(zhì)之類的混合設(shè)備，它們可以縮小存儲與內(nèi)存之間的差距。

像5G，物聯(lián)網(wǎng)，流分析以及AI時代其他速度和數(shù)據(jù)魔鬼一樣的進步推動了全球存儲需求的激增。

麥肯錫表示，到2025年，全球AI應(yīng)用程序所需的合并存儲將增長十倍，從每年80艾字節(jié)增加到845艾字節(jié)。(Exabyte = 1,048,576 TB)。這表示細分市場每年增長25-30%。醫(yī)療保健，有54%采用AI的預(yù)測到2023年，將是一個主要驅(qū)動力，因為在許多行業(yè)將AI和DL培訓(xùn)。

“優(yōu)化的AI和ML工作流程需要在計算，內(nèi)存和存儲之間達到適當(dāng)?shù)钠胶猓?rdquo;Moor Insights&Strategy創(chuàng)始人Patrick Moorhead說道。“關(guān)于優(yōu)化的ML計算的討論很多，但關(guān)于存儲的討論卻不多。”這種情況正在迅速改變。

“喂我-現(xiàn)在!”容量和帶寬是關(guān)鍵原因很簡單：人工智能應(yīng)用程序消耗并生成令人難以置信的數(shù)據(jù)量-每個項目最多數(shù)百PB或更多。

例如，英特爾研究表明：一家智能醫(yī)院將每天產(chǎn)生3,000 GB自動駕駛汽車每天將產(chǎn)生超過4,000 GB的流量聯(lián)網(wǎng)飛機每天將產(chǎn)生5,000 GB相連的工廠每天將產(chǎn)生100萬GB考慮：識別一個男人或女人的簡單面部識別大約需要1億張圖像。所需的8位文件的總存儲量最大為4.5 PB。

但這不只是數(shù)量龐大。這些海量數(shù)據(jù)通常依賴實時分析以使其有價值。不幸的是，提供GPU和其他需要大量數(shù)據(jù)的AI計算節(jié)點的能力和經(jīng)濟性遠遠超過了硬盤驅(qū)動器。

通過一個64KB的計算，大約需要5,000個HDD來提供使運行速度為20GB / s的GPU服務(wù)器達到飽和所需的隨機讀取IOP / S。(相比之下，NVMe閃存驅(qū)動器可提供高達此工作負載1000倍的性能。)

另一個難題：人工智能工作負載通常起源于邊緣或網(wǎng)絡(luò)分支，而不是集中式數(shù)據(jù)中心。這給組織帶來了額外的架構(gòu)挑戰(zhàn)，組織必須借助臨時的云爆發(fā)或永久的云基礎(chǔ)架構(gòu)來應(yīng)對內(nèi)部容量的建設(shè)。不管它們在哪里運行，“ AI工作負載都呈現(xiàn)出波動的訪問模式，可變的讀/寫混合以及不斷變化的塊大小，這些都需要高吞吐量和極低的延遲，”英特爾存儲市場經(jīng)理Roger Corell說。