Everpure aligne sa plateforme FlashBlade//EXA sur les architectures AI Factory de NVIDIA, en constante évolution, et présente en avant-première une nouvelle couche d'automatisation : Everpure Data Stream. Cette annonce étend la compatibilité d'Evergreen//One à EXA et introduit un service conçu pour optimiser la circulation des données dans les pipelines d'IA, répondant ainsi à l'un des défis les plus courants en matière d'IA en entreprise : les projets qui fonctionnent en environnement pilote mais qui stagnent avant d'atteindre la production.
FlashBlade//EXA se positionne comme l'infrastructure de données haute performance pour ces déploiements, prenant en charge les entraînements de grande envergure et les charges de travail d'inférence à haute concurrence. Le futur service Data Stream vise à automatiser l'ingestion, la préparation et la distribution des données vers l'infrastructure GPU, réduisant ainsi la complexité opérationnelle qui ralentit souvent les programmes d'IA lors de leur passage de l'expérimentation à la production.
EG1 pour l'IA s'étend désormais de FlashBlade//EXA pour offrir les performances, l'évolutivité et le débit nécessaires aux entraînements de grande envergure et à l'inférence à haute concurrence. Everpure Data Stream, dont la version bêta sera disponible fin 2026, est conçu pour automatiser le transfert des données, de l'ingestion à l'exécution du modèle, réduisant ainsi les tâches manuelles et les délais opérationnels qui ralentissent souvent les projets d'IA.
Kaycee Lai, vice-présidente IA chez Everpure, décrit le problème comme une approche de l'IA considérée comme une simple charge de travail plutôt que comme un système continu centré sur les données. Elle souligne que la plateforme d'Everpure permet de décloisonner les données et de faire passer les programmes d'IA de la phase d'expérimentation à une production reproductible, grâce à des performances prévisibles et une grande flexibilité opérationnelle.
Stockage IA et chemin de données éprouvés par les analystes
Pour les déploiements d'IA, l'infrastructure de stockage et de données doit permettre aux GPU haut de gamme de fonctionner à un niveau d'utilisation proche de leur pleine capacité. Everpure s'y emploie. FlashBlade//EXA avec l'architecture de référence modulaire STX de NVIDIA pour prendre en charge les conceptions d'usines d'IA de nouvelle génération construites sur la plateforme Vera Rubin.
L'architecture combinée intègre les performances évolutives d'EXA en matière de fichiers et d'objets aux composants STX, tels que les contrôleurs de stockage compatibles BlueField et les architectures de mémoire contextuelle. L'objectif est d'optimiser l'ensemble du pipeline de données d'IA : préparation des données, création de caractéristiques et d'embeddings, et inférence à long contexte. Une attention particulière est portée à la mémoire contextuelle, car les systèmes de raisonnement multi-étapes, multi-agents et à grande échelle reposent sur un accès rapide à de vastes fenêtres de contexte et à l'historique. La conception EXA/STX répond à ces exigences d'inférence à l'échelle du gigabit en fournissant une bande passante soutenue et en minimisant la latence résiduelle.
Des tests de performance récents menés dans le secteur valident le comportement de la plateforme sous des charges de travail d'IA réalistes et à forte concurrence. Ces tests incluent :
- SPECstorage Solution 2020 AI_Image : FlashBlade//EXA a obtenu le meilleur score jamais enregistré au test de performance SPEC Storage AI_Image, en exécutant simultanément 6 300 tâches d'IA. Ce résultat illustre la capacité du système à gérer un grand nombre de tâches d'entraînement et de prétraitement simultanées à pleine performance, une configuration de plus en plus courante dans les environnements d'IA mutualisés et multi-équipes.
- Utilisation et débit du GPU alignés sur MLPerf : Des tests internes, basés sur des modèles et alignés sur MLPerf, démontrent que FlashBlade//EXA transfère les données près de deux fois plus vite que son principal concurrent, tout en occupant moins de la moitié de l'espace de stockage d'un rack. Lors de ces tests, la plateforme a maintenu un taux d'utilisation du GPU supérieur à 90 % sur de grands clusters H100. Cela suggère que le système de stockage ne constitue probablement pas un goulot d'étranglement, permettant ainsi aux accélérateurs coûteux de rester pleinement sollicités malgré la croissance des ensembles de données et des modèles. La conception d'EXA assure une évolutivité linéaire, maintenant ce taux d'utilisation malgré l'ajout de puissance de calcul et de stockage.
Everpure étend également la validation NVIDIA‑Certified Storage (NVCS) à FlashBlade//EXA. Cette initiative établit des bases plus claires en matière de compatibilité et de performances et constitue une étape intermédiaire vers la certification NVCS « NCP », alignée sur les architectures de référence des partenaires cloud NVIDIA. Pour les entreprises qui standardisent leurs solutions d'IA basées sur les technologies NVIDIA, ce type de certification de stockage contribue à réduire les risques d'intégration et facilite l'adoption des architectures de référence.
Automatisation de l'orchestration des données d'IA
Des performances de stockage élevées ne garantissent pas à elles seules le succès de l'IA si les flux de données alimentant la pile d'IA restent fragmentés et manuels. Everpure Data Stream est introduit comme une couche d'orchestration qui automatise les étapes clés, de l'ingestion des données à leur préparation et leur livraison à l'infrastructure GPU.
Ce service se concentre sur la curation et l'orchestration de données « prêtes pour l'IA » afin que les systèmes d'entraînement et d'inférence soient alimentés en continu avec des jeux de données à jour, sans nécessiter d'interventions opérationnelles majeures. L'objectif est de réduire le délai entre l'expérimentation initiale et la mise en production stable en limitant les scripts ad hoc, la préparation manuelle des données et les solutions de contournement techniques répétées pour la mise à jour des jeux de données.
La plateforme de données IA (AIDP) pour Everpure Data Stream, conçue en collaboration avec Supermicro, offre une architecture de référence compacte aux organisations souhaitant réduire leur empreinte initiale. Cette solution intègre le matériel serveur et accélérateur de Supermicro à la couche de stockage définie par logiciel d'Everpure, fournissant ainsi une solution clé en main pour le déploiement d'un plan de données prenant en charge les pipelines d'entraînement et d'inférence.
Dans le cadre de sa stratégie AIDP, Everpure prend également en charge les plateformes accélérées, notamment la NVIDIA RTX PRO 6000 Blackwell Server Edition, et prévoit d'étendre cette prise en charge à la RTX PRO 4500 Blackwell Server Edition. Ces configurations s'adressent aux clients qui ont besoin de puissantes capacités d'inférence et d'entraînement en périphérie ou au sein de leurs services, sans avoir à investir immédiatement dans de grands clusters GPU pour centres de données.
Optimisation continue des données
Everpure conçoit sa plateforme en partant du principe que l'infrastructure d'IA n'est pas un simple investissement ponctuel, mais un processus continu d'amélioration des données et de tests de performance. Dans cette optique, la préparation à l'IA ne se limite pas au déploiement de la technologie, mais implique un cycle permanent de collecte de nouvelles données, de réentraînement ou d'optimisation des modèles, et de vérification des performances en fonction de l'évolution des charges de travail.
En intégrant FlashBlade//EXA, le modèle de consommation d'Evergreen//One, l'automatisation du flux de données et l'alignement avec les certifications NVIDIA STX et NVCS, Everpure vise à aider les organisations à passer de projets pilotes d'IA isolés à des usines d'IA reproductibles et de qualité production, tout en maintenant l'accent sur l'utilisation du GPU et l'efficacité opérationnelle.
Des mesures internes effectuées par MLPerf corroborent certaines de ces affirmations, bien qu'elles n'aient pas été soumises comme résultats officiels. Sur le plan technique, les points clés sont la concurrence démontrée sous SPECstorage AI_Image, les taux d'utilisation du GPU rapportés dans les environnements H100 et l'adoption d'architectures de référence entièrement validées et alignées sur NVIDIA.
Amazon