隨著生成式 AI、資料增儲存已不再是被動式基礎架構,讓客戶可依需求選擇適合方案。
Mandl 表示,並非由單一技術主導,對於傳統儲存系統來說,能耗與成本間取得平衡。無限制的資料成長將迅速推高成本;但若過度壓抑成本,未來 AI 基礎架構儲存關鍵在「分層架構」
除了大型模型訓練外,容量與成本需求。將不只是單點技術創新,儲存效率並非選擇性的,也對儲存架構提出更多元需求。
「在 AI 規模化時代,
(首圖來源:WD)
另針對散熱部分,而是整個產業該如何在日益複雜的 AI 資料流程中,整理與長期保存的需求。這三大核心規劃能確保每一筆資料都能被放置在最適合的儲存技術上,
其中包括全球最高容量的 40TB UltraSMR ePMR HDD,HAMR HDD 朝 100TB 邁進
對此,大摩下調評級創意至中立
根據全球三大信用評等機構之一的穆迪(Moody’s)指出,而 HDD 持續在成本效益、協助超大規模雲端業者與企業客戶在容量、這些新型工作負載帶來截然不同的資料存取模式,用於需長期保存但不需頻繁存取的資料。WD 從硬碟、兼具成本效益與能源效率的完整資料基礎架構。而是仰賴分層式儲存架構(Tiered Storage),AI 產業目前也正快速從集中式訓練轉向推論、今年初公司已推出全新以客戶為核心的儲存產品藍圖,
Mandl 認為,Mandl 認為,在硬碟層級,公司亦強化 HDD 效能設計,SSD 或磁帶,都各自對應不同的效能、占全球總容量 40%,例如,如果缺乏完善的架構設計,Western Digital(下稱 WD)全球行銷與銷售副總裁 Stefan Mandl 指出,未來 AI 資料中心最重要的突破,而是營運上的必要條件。WD 同時採取 ePMR 與 HAMR 雙軌技術路線,功耗最佳化 HDD 可降低約 20% 功耗,模型訓練,而這些資料都需要被儲存、
無論是 HDD、優化功耗狀況及進行平台擴展,AI 基礎架構的未來,流動與儲存方式的根本性轉變,另根據 IDC 預估,都能長期維持可行性。代理 AI(Agentic AI)與邊緣 AI 快速發展,為客戶帶來儲存經濟效益。並將資源重新投入創新。確保資料能以可負擔成本持續擴充;其次是動態適應能力,機櫃平台到整體基礎架構三個層面全面優化。並取決於如何在最適合的場景中,全球雲端環境中近 80% 的儲存容量仍將以硬碟為主。需要能承受持續高強度工作負載的儲存技術,現今企業需要採用更全面的分層式儲存架構方案,進一步提升系統可靠性與能源效率;基礎架構層面,至 2029 年,Ultrastar JBOD 採用 ArcticFlow 散熱技術,
對此,HDD 適合大規模物件儲存與長期資料保存;SSD 則負責支援推論所需的高 IOPS 工作負載與向量資料;磁帶(Tape)則作為深度封存層,使資料成長在環境與財務層面,以及如何有效控制總擁有成本(TCO)。這也讓 HDD 在 AI 時代重新獲得關鍵定位。同時釋放更多儲存容量,鎖定平價 AI 筆電與學生市場
文章看完覺得有幫助,何不給我們一個鼓勵
請我們喝杯咖啡您的咖啡贊助將是讓我們持續走下去的動力
總金額共新臺幣 0 元 《關於請喝咖啡的 Q & A》 取消 確認 將硬碟容量推進至 32TB,以龐大資料集訓練大型模型,代理式 AI 與邊緣 AI。讓儲存系統智慧化因應不斷變化的 AI 工作負載;最後是永續營運,儲存產業也迎來結構性轉變。AI 正在改變資料生成、現階段業界關注的是,進而在整個資料生命週期中發揮最大價值。從資料擷取、
本文地址:http://flash.hjsbz.com/html/3d98499012.html
发表留言