Everpureは、NVIDIAの進化するAIファクトリーアーキテクチャに合わせてFlashBlade//EXAプラットフォームを統合するとともに、Everpure Data Streamと呼ばれる新しい自動化レイヤーのプレビュー版を発表しました。今回の発表では、Evergreen//OneのサポートをEXAに拡張し、AIパイプライン全体でのデータ移動を効率化するように設計されたサービスを導入します。これは、企業におけるAIの最も一般的な課題の一つである、パイロット環境では機能するものの、本番規模に到達する前に停滞してしまうプロジェクトに対応することを目的としています。
FlashBlade//EXAは、これらのデプロイメントにおける高性能データバックボーンとして位置づけられており、大規模なトレーニング実行と高並列推論ワークロードをサポートします。今後提供開始予定のデータストリームサービスは、データの取り込み、準備、およびGPUインフラストラクチャへの配信を自動化することに重点を置いており、AIプログラムが実験環境から本番環境へ移行する際にしばしば発生する運用上の複雑さを軽減します。
AI向けEG1は、FlashBlade//EXAを拡張し、大規模なトレーニング実行や高並列推論に必要なパフォーマンス、スケーラビリティ、スループットを提供します。2026年後半にベータ版としてリリース予定のEverpure Data Streamは、データ取り込みからモデル実行までのデータ移動を自動化するように設計されており、AIプロジェクトの進行を遅らせることが多い手動パイプライン作業や運用上の遅延を削減します。
EverpureのAI担当副社長であるケイシー・ライ氏は、AIをデータ中心の継続的なシステムとしてではなく、「単なる別のワークロード」として扱っていることが問題だと指摘する。彼女は、Everpureの技術スタックは、予測可能なパフォーマンスと運用上の柔軟性によって、データサイロを解消し、AIプログラムを実験段階から再現可能な本番環境の成果へと移行させるように設計されていると強調した。
ベンチマークで実証済みのAIストレージとデータパス
AI の展開においては、ストレージとデータインフラストラクチャは、高価値の GPU をほぼフル活用で稼働させ続ける必要があります。Everpure は、 フラッシュブレード//EXA NVIDIAのモジュール式STXリファレンスアーキテクチャを採用し、Vera Rubinプラットフォーム上に構築された次世代AIファクトリー設計をサポートします。
この統合アーキテクチャは、EXAのスケーラブルなファイルおよびオブジェクトのパフォーマンスと、BlueField対応ストレージコントローラやコンテキストメモリアーキテクチャなどのSTXコンポーネントを統合しています。目標は、データ準備、特徴量および埋め込みの作成、ロングコンテキスト推論といったAIデータパイプライン全体を最適化することです。大規模なエージェント型マルチステップ推論システムは、広範なコンテキストウィンドウと履歴への迅速なアクセスを必要とするため、コンテキストメモリに特に重点が置かれています。EXA/STX設計は、持続的な帯域幅を提供し、テールレイテンシを最小限に抑えることで、こうしたギガスケール推論の要求に対応します。
最近の業界ベンチマークにより、現実的な高並行性AIワークロードにおけるプラットフォームの動作が検証されました。ベンチマークには以下が含まれます。
- SPECstorageソリューション2020 AI_画像: FlashBlade//EXAは、SPEC Storage AI_Imageベンチマークにおいて、6,300件のAIジョブを同時に処理し、過去最高のスコアを記録しました。この結果は、マルチテナントおよびマルチチームのAI環境においてますます一般的になっている、多数の同時トレーニングおよび前処理タスクをフルパフォーマンスでサポートするシステムの能力を示しています。
- MLPerfに準拠したGPU使用率とスループット： MLPerfに準拠した内部モデル駆動型ワークロードでは、FlashBlade//EXAはラックの半分以下のストレージ容量で、競合製品のほぼ2倍の速度でデータを転送できることが示されています。テストでは、大規模なH100クラスタ全体でGPU使用率が90%以上を維持しました。これは、ストレージシステムがボトルネックになる可能性が低いことを示唆しており、データセットやモデルが増大しても高価なアクセラレータが常にフル稼働できることを意味します。EXAの設計は線形に拡張可能であり、コンピューティングとストレージを追加してもこの使用率を維持します。
Everpureは、NVIDIA認定ストレージ（NVCS）の検証対象をFlashBlade//EXAにも拡大します。この取り組みにより、互換性とパフォーマンスに関するより明確な基準が確立され、NVIDIAクラウドパートナーのリファレンスアーキテクチャに準拠したNVCS「NCP」認証レベルへの足がかりとなります。NVIDIAを中心としたAIソリューションを標準化する企業にとって、この種のストレージ認証は統合リスクの低減とリファレンスデザインの導入を容易にします。
AIデータオーケストレーションの自動化
ストレージ性能が高いだけでは、AIスタックへのデータパイプラインが断片的で手動のままでは、AIの成功は保証されません。Everpure Data Streamは、データの取り込みから準備、GPUインフラストラクチャへの配信までの主要なステップを自動化するオーケストレーションレイヤーとして導入されました。
このサービスは、「AI対応」データのキュレーションとオーケストレーションに重点を置き、運用上の大きな介入を必要とせずに、トレーニングシステムと推論システムに最新のデータセットを継続的に供給します。その目的は、場当たり的なスクリプト作成、手動によるデータ準備、データセット更新のためのエンジニアリング上の回避策の繰り返しを削減することで、最初の実験から安定した本番運用までの時間を短縮することです。
Supermicroと共同開発したEverpure Data Stream向けAIデータプラットフォーム（AIDP）は、初期導入コストを抑えたい組織向けに、コンパクトなリファレンスデザインを提供します。この組み合わせは、SupermicroのサーバーおよびアクセラレーターハードウェアとEverpureのソフトウェア定義ストレージレイヤーを統合し、トレーニングパイプラインと推論パイプラインの両方をサポートするデータプレーンをすぐに導入できるソリューションを提供します。
このAIDP戦略の一環として、EverpureはNVIDIA RTX PRO 6000 Blackwell Server Editionを含むアクセラレーテッドプラットフォームもサポートしており、RTX PRO 4500 Blackwell Server Editionへのサポート拡大も計画しています。これらの構成は、大規模なデータセンターGPUクラスターにすぐに投資することなく、強力な推論機能やエッジコンピューティング、部門別トレーニング機能を必要とする顧客を対象としています。
継続的なデータ最適化
Everpureは、AIインフラストラクチャは単なる一度きりの投資ではなく、データ改善とパフォーマンステストを継続的に行うプロセスであるという考えに基づいてプラットフォームを構築しています。この考え方では、AIへの対応とは単にテクノロジーを導入することではなく、ワークロードの変化に応じて新しいデータを収集し、モデルを再学習または調整し、パフォーマンスを検証するという継続的なサイクルを伴うものです。
Everpureは、FlashBlade//EXA、Evergreen//Oneの消費モデル、データストリームの自動化、そしてNVIDIA STXおよびNVCS認証との連携を統合することで、組織が個別のAIパイロットから、再現可能な本番環境レベルのAIファクトリーへと移行できるよう支援すると同時に、GPUの利用率と運用効率への注力を維持することを目指しています。
MLPerfの内部コンポーネント測定結果は、これらの主張の一部を裏付けていますが、公式のMLPerf結果として提出されたものではありません。技術的な観点から見ると、重要な点は、SPECstorage AI_Imageにおける並列処理の実証、H100環境におけるGPU使用率の報告、そしてNVIDIAに準拠した完全検証済みのリファレンスアーキテクチャへの移行です。
Amazon