QSAN เปิดตัวโซลูชันการจัดเก็บข้อมูล AI ระดับองค์กรรูปแบบใหม่ เพื่อรองรับการใช้งานจริง ยกระดับ AI สู่การใช้งานจริงในองค์กร [Guest Post]

AI แบบ On-Premises ช่วยให้องค์กรสามารถควบคุมข้อมูลที่มีความอ่อนไหว ประสิทธิภาพของระบบ และการกำกับดูแลได้อย่างมีประสิทธิภาพยิ่งขึ้น อย่างไรก็ตาม การติดตั้ง GPU และโมเดล AI เป็นเพียงจุดเริ่มต้นเท่านั้น การนำ AI ไปใช้งานจริงจำเป็นต้องอาศัยสภาพแวดล้อมที่ช่วยให้ผู้ใช้งานสามารถเข้าถึง AI ได้อย่างสะดวก ทีมไอทีสามารถบริหารจัดการระบบได้อย่างยั่งยืน และโครงสร้างพื้นฐานสามารถขยายตัวตามความต้องการทางธุรกิจที่เปลี่ยนแปลงไป

ทำให้ AI พร้อมสำหรับการใช้งานจริง

การนำ AI ไปใช้งานจริงจำเป็นต้องมีมากกว่าระบบประมวลผลประสิทธิภาพสูง เมื่อ AI ก้าวข้ามจากขั้นตอนการทดลองไปสู่การใช้งานอย่างเต็มรูปแบบ ทีมพัฒนาแอปพลิเคชันจำเป็นต้องเข้าถึงและแบ่งปันชุดข้อมูลและโมเดลระหว่างเวิร์กโฟลว์ต่างๆ ขณะเดียวกัน ทีมไอทีก็ต้องบริหารจัดการปริมาณข้อมูลที่เพิ่มขึ้นอย่างรวดเร็ว โดยไม่กระทบต่อประสิทธิภาพ การกำกับดูแล และความคล่องตัวในการดำเนินงาน

เหล่านี้นำไปสู่ความท้าทายด้านการจัดการข้อมูลในทางปฏิบัติ โดยเวิร์กโหลดที่กำลังใช้สำหรับการฝึกสอนโมเดลและการประมวลผลแบบ Inference ต้องสามารถเข้าถึงข้อมูลได้อย่างรวดเร็ว ข้อมูลที่ใช้งานร่วมกันต้องพร้อมให้ผู้ใช้งานและแอปพลิเคชันที่ได้รับอนุญาตเข้าถึงได้เสมอ ขณะที่ข้อมูลในอดีตจำเป็นต้องได้รับการจัดเก็บไว้โดยไม่ใช้พื้นที่ของระบบจัดเก็บข้อมูลประสิทธิภาพสูงซึ่งมีต้นทุนสูงโดยไม่จำเป็น

QSAN ตอบโจทย์ความต้องการเหล่านี้ด้วยกลยุทธ์การจัดการข้อมูล AI ระดับองค์กร ซึ่งออกแบบมาเพื่อรองรับวงจรชีวิตของข้อมูลอย่างครบถ้วน ตั้งแต่การติดตั้งใช้งานครั้งแรกไปจนถึงการใช้งานอย่างต่อเนื่องในธุรกิจประจำวัน

การเข้าถึงข้อมูล AI ร่วมกันที่พร้อมรองรับ GPU

เมื่อทีม AI จำเป็นต้องนำเข้าข้อมูล ใช้ข้อมูลจำนวนมากในการฝึกสอนโมเดล และแบ่งปันชุดข้อมูลระหว่างแอปพลิเคชัน การเข้าถึงข้อมูลอาจกลายเป็นคอขวดของระบบได้อย่างรวดเร็ว

XN5 NVMe Unified Storage ทำหน้าที่เป็น AI Data Share Layer โดยรวบรวมชุดข้อมูล โมเดล และข้อมูลของแอปพลิเคชันไว้บนแพลตฟอร์มส่วนกลาง พร้อมรองรับการเข้าถึงแบบ Multi-Protocol ผ่าน NFS และ S3

นอกจากนี้ การรองรับ NVIDIA GPUDirect Storage ยังช่วยสร้างเส้นทางการรับส่งข้อมูลที่มีประสิทธิภาพสำหรับเวิร์กโหลดที่ขับเคลื่อนด้วย GPU และต้องการสมรรถนะสูง ทำให้แต่ละทีมสามารถทำงานร่วมกันบนโครงสร้างพื้นฐานข้อมูลเดียวกันได้อย่างมีประสิทธิภาพ

การขยายความจุ NVMe ประสิทธิภาพสูง

เมื่อชุดข้อมูลสำหรับการฝึกสอนโมเดลมีขนาดใหญ่ขึ้นและการดำเนินงานด้าน AI ขยายตัว องค์กรจำเป็นต้องเพิ่มความจุของระบบจัดเก็บข้อมูล โดยยังคงรักษาความรวดเร็วในการเข้าถึงข้อมูลตามที่เวิร์กโหลดที่กำลังใช้งานต้องการ

XE5 ช่วยขยายความจุ NVMe ประสิทธิภาพสูงผ่านสถาปัตยกรรมแบบ JBOF เพื่อรองรับความต้องการที่เพิ่มขึ้นของงานฝึกสอนโมเดลและการประมวลผลแบบ Inference รวมถึงการใช้งาน RAG และการจัดเก็บ Checkpoint

จัดเก็บข้อมูล Cold Data ที่คุ้มค่าต่อต้นทุน

กลุ่มผลิตภัณฑ์ NVMe ของ QSAN ยังนำเสนอสถาปัตยกรรมข้อมูล AI แบบไฮบริดที่มีเอกลักษณ์ พร้อมรักษาประสิทธิภาพในการเข้าถึงข้อมูล โดย XD5 Series JBOD ทำหน้าที่เป็น Cold Data Layer ที่คุ้มค่าต่อต้นทุนสำหรับจัดเก็บชุดข้อมูลในอดีต โครงการที่ดำเนินการเสร็จสิ้นแล้ว สำเนาข้อมูลสำรอง และข้อมูลที่ต้องเก็บรักษาในระยะยาว

โซลูชันนี้ช่วยให้องค์กรสามารถรักษาข้อมูลที่มีคุณค่าไว้ได้ พร้อมสร้างความสมดุลระหว่างความจุ ความทนทานของระบบ และต้นทุน อีกทั้งยังช่วยสงวนพื้นที่จัดเก็บข้อมูลประสิทธิภาพสูงไว้สำหรับเวิร์กโหลด AI ที่กำลังใช้งานอยู่

โซลูชันดังกล่าวได้รับการทดสอบและยืนยันประสิทธิภาพในสภาพแวดล้อม AI จริง โดยให้ผลลัพธ์ที่ออกแบบมาเพื่อรองรับเวิร์กโฟลว์การฝึกสอนโมเดลที่มีความต้องการสูง ดังนี้

• ความพร้อมใช้งานสำหรับ MLPerf Storage Training อยู่ที่ 99.79%
• ความเร็วในการเขียน Checkpoint สูงขึ้นถึง 3 เท่า
• ผ่านการตรวจสอบการรองรับ NVIDIA GPUDirect Storage
• รองรับการเข้าถึงผ่าน S3 และ NFS พร้อมกัน

ผลลัพธ์เหล่านี้ช่วยให้ทีม AI สามารถส่งข้อมูลไปยัง GPU ได้อย่างต่อเนื่อง กู้คืนสถานะการฝึกสอนโมเดลได้รวดเร็วยิ่งขึ้น และแบ่งปันชุดข้อมูลระหว่างเวิร์กโฟลว์แบบ File และ Object ได้โดยไม่รบกวนการประมวลผล

รากฐานข้อมูลที่ครบถ้วนสำหรับการเติบโตของ AI แบบ On-Premises

การนำ AI แบบ On-Premises มาใช้งานจริงจำเป็นต้องมีมากกว่าการเพิ่ม GPU หรือขยายความจุของระบบจัดเก็บข้อมูล แต่ต้องอาศัยสถาปัตยกรรมข้อมูลที่เชื่อมโยงการเข้าถึงข้อมูลประสิทธิภาพสูง การแบ่งปันข้อมูลอย่างราบรื่น การขยายความจุ NVMe ที่ยืดหยุ่น และการจัดเก็บข้อมูลระยะยาวที่คุ้มค่าต่อต้นทุนเข้าไว้ด้วยกันตลอดวงจรชีวิตของ AI

QSAN ผสานองค์ประกอบเหล่านี้ผ่าน XN5 และ XE5 เพื่อสร้างรากฐานข้อมูล AI ระดับองค์กรที่พร้อมสำหรับการใช้งานจริง ตั้งแต่การนำเข้าข้อมูล การฝึกสอนโมเดล การใช้งาน RAG และการประมวลผลแบบ Inference ไปจนถึงการจัดเก็บ Checkpoint และการเก็บรักษาข้อมูลในระยะยาว QSAN ช่วยให้องค์กรสามารถสร้างสภาพแวดล้อม AI ที่พร้อมมอบประสิทธิภาพในวันนี้ และได้รับการออกแบบให้สามารถขยายตัวเพื่อรองรับนวัตกรรมในอนาคต

เกี่ยวกับ QSAN

QSAN Technology มุ่งมั่นในการพัฒนาโครงสร้างพื้นฐาน IT ระดับองค์กรที่พร้อมรองรับ AI พร้อมส่งมอบโซลูชันการจัดการข้อมูลที่มีประสิทธิภาพสูง รองรับการขยายระบบ และมีความน่าเชื่อถือ เพื่อช่วยให้องค์กรสามารถปกป้อง นำไปใช้งาน ขยาย และบริหารจัดการข้อมูลและแอปพลิเคชันสำคัญทางธุรกิจได้อย่างเรียบง่ายและมั่นคงยิ่งขึ้น

เราพัฒนาสถาปัตยกรรมระบบ การจัดการข้อมูล และประสิทธิภาพการดำเนินงานอย่างต่อเนื่อง เพื่อรองรับความต้องการใช้งานระดับองค์กรในหลากหลายสภาพแวดล้อม ไม่ว่าจะเป็น Virtualization, Data Protection, Business-critical Applications และ IT Environments รูปแบบต่าง ๆ ด้วยประสบการณ์มากกว่าสองทศวรรษ QSAN ช่วยให้องค์กรเสริมความแข็งแกร่งด้าน Data Resilience และมั่นใจได้ว่าบริการสำคัญจะยังคงทำงานได้อย่างเสถียรและเชื่อถือได้ ท่ามกลางภูมิทัศน์ดิจิทัลที่เปลี่ยนแปลงอย่างรวดเร็ว

เมื่อการใช้งาน Enterprise AI มีแนวโน้มมุ่งสู่การติดตั้งใช้งานภายในองค์กร หรือ Local Deployment มากขึ้น QSAN จึงผสานความสามารถด้าน High-performance Storage, Flexible Scalability, Data Protection และ Centralized Management เพื่อช่วยให้องค์กรสร้างโครงสร้างพื้นฐานที่รองรับ On-Prem AI Workloads และวางรากฐานที่มั่นคง เชื่อถือได้ สำหรับแอปพลิเคชัน AI ในอนาคต

สำหรับข้อมูลเพิ่มเติม สามารถเข้าชมเว็บไซต์อย่างเป็นทางการของ QSAN ได้ที่นี่