Everpure သည် NVIDIA AI Data Platform ရည်ညွှန်းဒီဇိုင်း ကို အခြေခံထားသော ပလက်ဖောင်းအစိတ်အပိုင်းအသစ် Everpure Data Stream ကို ရရှိနိုင်ပြီဖြစ်ကြောင်း ကြေညာခဲ့သည် ။ ၎င်းသည် ဒေတာပြင်ဆင်မှု၊ အုပ်ချုပ်မှုနှင့် တိုးချဲ့နိုင်မှုတို့နှင့် ဆက်စပ်သော အဖြစ်များသောစိန်ခေါ်မှုများကို ဖြေရှင်းပေးနေစဉ်တွင် AI လုပ်ဆောင်မှုအား enterprise data နှင့် ပိုမိုနီးကပ်စေသည်။ ဤထုတ်ပြန်ချက်သည် enterprise environment များအတွက် AI-ready data infrastructure ပေးအပ်ရာတွင် ကုမ္ပဏီ၏ ပိုမိုကျယ်ပြန့်သော ဗျူဟာကို ချဲ့ထွင်ပေးသည်။
AI စမ်းသပ်ချက်မှ ထုတ်လုပ်မှု ဖြန့်ကျက်မှုများသို့ အဖွဲ့အစည်းများစွာ ရွေ့လျားလာသည်နှင့်အမျှ၊ လုပ်ငန်းဒေတာများကို စုပ်ယူခြင်းနှင့် ပြင်ဆင်ခြင်း၊ လုံခြုံရေးနှင့် အုပ်ချုပ်မှုမူဝါဒများကို ပြဋ္ဌာန်းခြင်းနှင့် ကြီးထွားလာသော AI အလုပ်ပမာဏများကို ပံ့ပိုးရန် အခြေခံအဆောက်အအုံများကို တိုးချဲ့ခြင်းတို့နှင့် ဆက်စပ်သော အတားအဆီးများစွာနှင့် ရင်ဆိုင်နေရသည်။ Everpure က Data Stream သည် ဒေတာပြင်ဆင်မှုအချိန်ဇယားကို လပေါင်းများစွာမှ မိနစ်အနည်းငယ်အထိ လျှော့ချပေးနေစဉ်တွင် ဒေတာကို လုပ်ငန်းနယ်နိမိတ်အတွင်း ထိန်းသိမ်းထားသည့် stream-level access control များကို ထိန်းသိမ်းထားသည်ဟု ပြောကြားခဲ့သည်။ ၎င်း၏ scale-out architecture သည် AI လိုအပ်ချက်များ တိုးတက်ပြောင်းလဲလာသည်နှင့်အမျှ သိုလှောင်မှုနှင့် တွက်ချက်မှုအရင်းအမြစ်များကို သီးခြားစီ တိုးချဲ့နိုင်စေပါသည်။
Everpure CTO Robert Lee ၏ အဆိုအရ AI ပလက်ဖောင်းများ တည်ဆောက်သည့် အဖွဲ့အစည်းများသည် လျင်မြန်စွာ ဖြန့်ကျက်ခြင်းနှင့် ရေရှည်တိုးချဲ့ခြင်း နှစ်မျိုးလုံးကို ပံ့ပိုးပေးနိုင်သည့် ပြောင်းလွယ်ပြင်လွယ်ရှိသော ဗိသုကာများ လိုအပ်ပါသည်။ စီးပွားရေးလုပ်ငန်းများသည် ဒေတာလုပ်ဆောင်မှုကို အရှိန်မြှင့်တင်ပေးပြီး ရလဒ်များရရှိရန် အချိန်ကို လျှော့ချပေးသည့် လုံခြုံပြီး မြင့်မားသော စွမ်းဆောင်ရည်ရှိသော ဒေတာပိုက်လိုင်းများ လိုအပ်ကြောင်း ၎င်းက ထောက်ပြခဲ့သည်။
ဒေတာ အသင့်ဖြစ်မှုကို ထုတ်လုပ်မှု AI နှင့် ချိတ်ဆက်ခြင်း
Everpure သည် Data Stream ကို AI အသုံးပြုရန် enterprise အချက်အလက်များကို ပြင်ဆင်ခြင်းအပေါ် အာရုံစိုက်သည့် ပိုမိုကျယ်ပြန့်သော end-to-end AI data platform ၏ တစ်စိတ်တစ်ပိုင်းအဖြစ် သတ်မှတ်သည်။ ကုမ္ပဏီက AI-ready data သည် လေ့ကျင့်ရေး၊ ကောက်ချက်ချခြင်း သို့မဟုတ် agent AI application များအတွက် ထိရောက်စွာအသုံးမပြုမီ အမျိုးအစားခွဲခြားခြင်း၊ နောက်ခံအခြေအနေအလိုက်ပြုလုပ်ခြင်း၊ အုပ်ချုပ်မှု၊ လုံခြုံရေးနှင့် တိုးချဲ့အသုံးပြုနိုင်မှုတို့ လိုအပ်ကြောင်း ငြင်းခုံသည်။
ဤဗျူဟာ၏ အဓိကအစိတ်အပိုင်းတစ်ခုမှာ 1touch အဖြစ်ယခင်ကလူသိများသော Everpure Data Intelligence ဖြစ်သည်။ ဤပလက်ဖောင်းသည် SaaS အပလီကေးရှင်းများ၊ cloud ဝန်ဆောင်မှုများ၊ on-premises အခြေခံအဆောက်အအုံနှင့် mainframe ပတ်ဝန်းကျင်များတစ်လျှောက်ရှိ enterprise data များကို ရှာဖွေတွေ့ရှိ၊ အမျိုးအစားခွဲခြားပြီး အခြေအနေအလိုက် ပြင်ဆင်ပေးသည်။ ၎င်းသည် dataset များအကြား ဆက်နွယ်မှုများကို data relationship graph တစ်ခုအဖြစ် မြေပုံဆွဲပြီး API များနှင့် Model Context Protocol (MCP) မှတစ်ဆင့် ဝင်ရောက်ကြည့်ရှုနိုင်သော metadata layer တစ်ခုကို ဖန်တီးပေးသည်။
ဤပလက်ဖောင်းသည် attribute-based access controls နှင့် governance policies များကိုလည်း အသုံးချပြီး AI မော်ဒယ်များနှင့် agent များသည် စီးပွားရေးဒေတာနှင့် တိုက်ရိုက်ဆက်ဆံသည့်အခါ လုံခြုံရေးနှင့် လိုက်နာမှုဆိုင်ရာ လိုအပ်ချက်များကို ထိန်းသိမ်းနိုင်စေပါသည်။
GPU-အရှိန်မြှင့်ထားသော ဒေတာ စီမံဆောင်ရွက်မှု
Data Stream ကို NVIDIA AI Data Platform reference architecture ပေါ်တွင် တည်ဆောက်ထားပြီး unstructured enterprise data ကို AI-ready information အဖြစ် ပြောင်းလဲခြင်းကို ရိုးရှင်းစေရန် ဒီဇိုင်းထုတ်ထားသည်။ manual ingestion နှင့် data preparation processes များကို အားကိုးမည့်အစား၊ platform သည် GPU-accelerated pipeline ကို အသုံးပြု၍ inference မှတစ်ဆင့် data ingestion ကို ကျယ်ပြန့်စေသည်။
ရည်မှန်းချက်မှာ အဖွဲ့အစည်းများအနေဖြင့် AI ဝန်ဆောင်မှုများကို ဖြန့်ကျက်ပြီး လက်တွေ့လုပ်ဆောင်နိုင်သော ရလဒ်များ ထုတ်လုပ်နိုင်သည့် အမြန်နှုန်းကို မြှင့်တင်နေစဉ်တွင် လုပ်ငန်းလည်ပတ်မှုဆိုင်ရာ ရှုပ်ထွေးမှုများကို လျှော့ချရန်ဖြစ်သည်။
NVIDIA ၏ သိုလှောင်မှုနည်းပညာဆိုင်ရာ ဒုတိယဥက္ကဋ္ဌ Jason Hardy က ခေတ်မီ AI အခြေခံအဆောက်အအုံများသည် လုံခြုံပြီး အုပ်ချုပ်ထားသော လုပ်ငန်းဒေတာကို အရှိန်မြှင့်ထားသော ကွန်ပျူတာအရင်းအမြစ်များနှင့် ချိတ်ဆက်ပေးသည့် ဗိသုကာများ လိုအပ်ကြောင်း ပြောကြားခဲ့သည်။ Everpure ၏ NVIDIA AI Data Platform နှင့် ပေါင်းစပ်မှုသည် အဖွဲ့အစည်းများအား AI လုပ်ဆောင်မှုများကို proof-of-concept အဆင့်မှ ထုတ်လုပ်မှု ဖြန့်ကျက်မှုများသို့ ရွှေ့ပြောင်းရာတွင် အထောက်အကူဖြစ်စေရန် ရည်ရွယ်ကြောင်း ၎င်းက ထောက်ပြခဲ့သည်။
Everpure သည် NVIDIA Vera နှင့် NVIDIA BlueField-4 STX သိုလှောင်မှုပရိုဆက်ဆာကို အခြေခံသည့် နောက်မျိုးဆက် AI-native storage နည်းပညာများအပေါ် လက်ရှိလုပ်ဆောင်နေသည့် လုပ်ငန်းများကိုလည်း ထုတ်ဖော်ပြသခဲ့သည် ။ အေးဂျင့် AI ဖြန့်ကျက်မှုများ ဆက်လက်တိုးချဲ့လာသည်နှင့်အမျှ အရှိန်မြှင့်တင်မှု၊ လုံခြုံရေးနှင့် ဉာဏ်ရည်ထက်မြက်သောဒေတာဝန်ဆောင်မှုများကို enterprise datasets များနှင့် ပိုမိုနီးကပ်စွာ ယူဆောင်လာရန် အာရုံစိုက်ထားသည်။
AI အခြေခံအဆောက်အအုံကို တိုးချဲ့ခြင်း
AI လေ့ကျင့်မှုနှင့် inference စွမ်းဆောင်ရည်ကို ကန့်သတ်နိုင်သည့် storage ပိတ်ဆို့မှုများကို ဖြေရှင်းရန်အတွက် Everpure သည် FlashBlade ကို Data Stream ဖြန့်ကျက်မှုအတွက် storage အခြေခံအဖြစ် မီးမောင်းထိုးပြခဲ့သည်။ ဤပလက်ဖောင်းသည် low-latency data access ကို ပေးစွမ်းပြီး inference workloads များအတွင်း memory efficiency ကို မြှင့်တင်ရန် KV Cache Accelerator နည်းပညာကို ပေါင်းစပ်ထည့်သွင်းထားသည်။
Everpure ရဲ့ Evergreen ဗိသုကာလက်ရာက အဖွဲ့အစည်းတွေကို FlashBlade//S စနစ်တွေကနေ FlashBlade//EXA ဖြန့်ကျက်မှုတွေ အထိ အနှော င့်အယှက်ဖြစ်စေတဲ့ ရွှေ့ပြောင်းမှုတွေမရှိဘဲ တိုးချဲ့နိုင်စေပြီး သေးငယ်တဲ့ AI ပရောဂျက်တွေကနေ ကြီးမားတဲ့ AI စက်ရုံပတ်ဝန်းကျင်တွေအထိ တိုးတက်မှုကို ပံ့ပိုးပေးပါတယ်။ Portworx က edge၊ core နဲ့ data center ပတ်ဝန်းကျင်တွေမှာ AI pipeline တွေကို ဖြန့်ကျက်ပြီး စီမံခန့်ခွဲဖို့အတွက် container platform layer ကို ပံ့ပိုးပေးပါတယ်။
ပေါင်းစည်းထားသော ဗိသုကာလက်ရာတစ်ခုအတွင်း ဒေတာထောက်လှမ်းရေး၊ ဒေတာ streaming၊ သိုလှောင်မှုနှင့် container orchestration တို့ကို ပေါင်းစပ်ခြင်းဖြင့် Everpure သည် အခြေခံအဆောက်အအုံ ကွဲအက်မှုကို လျှော့ချရန်နှင့် သီးခြား AI ဒေတာ silo များ လိုအပ်မှုကို ဖယ်ရှားရန် ရည်ရွယ်ပါသည်။
ဤကြေငြာချက်သည် Everpure မှ တာဝန်ပေးအပ်ထားသော မကြာသေးမီက IDC Global AI Readiness Survey မှ တွေ့ရှိချက်များနှင့် ကိုက်ညီပြီး IT ခေါင်းဆောင် ၉၄% သည် ဒေတာအရည်အသွေးကို AI အောင်မြင်မှုအပေါ် လွှမ်းမိုးသော အဓိကအချက်အဖြစ် ရှုမြင်ကြသည်။ Everpure သည် ၎င်း၏ ပေါင်းစပ်ချဉ်းကပ်မှုကို လုပ်ငန်းများအတွက် အလျင်အမြန်ပြောင်းလဲနေသော AI လိုအပ်ချက်များကို လိုက်လျောညီထွေဖြစ်အောင် လုပ်ဆောင်နေစဉ် ပြောင်းလွယ်ပြင်လွယ်ရှိစေရန် နည်းလမ်းတစ်ခုအဖြစ် သတ်မှတ်သည်။
အမေဇုံ