VDURA i Wasabi Technologies nawiązały współpracę technologiczną mającą na celu połączenie infrastruktury danych AI sąsiadującej z procesorami GPU z przewidywalnie wycenioną pamięcią masową w chmurze zgodną z S3.
Partnerstwo jest skierowane do fabryk AI, neocloudów i korporacyjnych środowisk obliczeniowych o wysokiej wydajności, które muszą utrzymywać aktywne zestawy danych i punkty kontrolne modeli blisko procesorów graficznych, jednocześnie przenosząc nieaktywne dane do tańszej pojemności chmury. Podejście to ma na celu wspieranie długoterminowego przechowywania, ochrony danych, zarządzania nimi i ponownego wykorzystywania bez zużywania pojemności wydajnej pamięci masowej.
Podstawowy model operacyjny polega na utrzymywaniu danych w pobliżu zasobów obliczeniowych, gdy są aktywne, i przenoszeniu ich, gdy stają się bezczynne. Zespoły infrastruktury AI często przechowują nieaktywne zestawy danych, punkty kontrolne i artefakty modeli w systemach o wysokiej wydajności, ponieważ migracja danych może wprowadzać złożoność operacyjną, ograniczenia dostępu i niepewne koszty chmury. Może to spowodować, że kosztowne zasoby obliczeniowe zostaną zajęte przez dane, które nie wymagają już dostępu o niskim opóźnieniu. Może to również utrudnić zabezpieczanie, zarządzanie i ponowne wykorzystanie przechowywanych danych.
VDURA zapewnia poziom wydajności dla aktywnych obciążeń AI. Platforma obsługuje staging zbiorów danych, ładowanie modeli, trenowanie, tworzenie punktów kontrolnych i wnioskowanie poprzez wydajność równoległego systemu plików sąsiadującego z GPU, ścieżki danych RDMA oraz zgodność z POSIX. Platforma łączy pamięć flash NVMe i dyski twarde z natywnym interfejsem S3 w ramach ujednoliconej globalnej przestrzeni nazw.
Wasabi oferuje warstwę pamięci masowej w chmurze, umożliwiającą aktywną archiwizację i długoterminowe przechowywanie. Dane, które nie są już bezpośrednio wykorzystywane przez procesory GPU, w tym zestawy danych, punkty kontrolne, wersje modeli i artefakty pochodne, mogą być przechowywane w Wasabi w celu zapewnienia ochrony, zgodności, odzyskiwania po awarii i udostępniania między lokalizacjami lub środowiskami obliczeniowymi. Dane pozostają dostępne do przyszłego ponownego trenowania, porównywania modeli i działań zarządczych.
W ramach standardowego planu Wasabi usługa nie pobiera opłat za każdy GB transferu ani za żądania API. Firma pozycjonuje ten model cenowy jako sposób na prognozowanie kosztów przechowywania i ponownego wykorzystywania danych AI bez zmiennych opłat za pobieranie.
Warstwowe rozmieszczanie danych jest już powszechne w infrastrukturze chmurowej na dużą skalę, gdzie wydajne systemy są łączone z ekonomicznymi platformami o dużej pojemności. VDURA i Wasabi stosują ten sam model do infrastruktury AI, wykorzystując dwa wyspecjalizowane systemy połączone otwartymi interfejsami, a nie jedną zamkniętą platformę.
Ken Claffey, prezes VDURA, powiedział, że infrastruktura wydajnościowa wykorzystywana do przetwarzania GPU jest zoptymalizowana pod kątem szybkości i aktywnych obciążeń. Jednocześnie punkty kontrolne, wersje zestawów danych i artefakty modeli wymagają bezpiecznego i przewidywalnego, długoterminowego przechowywania. Opisał partnerstwo jako sposób na integrację przepływu danych z cyklem życia sztucznej inteligencji, łącząc jednocześnie wysokowydajną pamięć masową VDURA z chmurową pamięcią masową obiektów Wasabi.
Laurie Mitchell, starsza wiceprezes ds. marketingu globalnego w Wasabi Technologies, powiedziała, że dane AI zachowują wartość po zakończeniu treningu. Mogą one wspierać przyszłe modele, zapewniać ścieżkę audytu do zarządzania i służyć jako punkt odniesienia do porównań. Dodała, że sojusz ma na celu uproszczenie połączeń między infrastrukturą przyległą do GPU a niezależną, kompatybilną z S3 pamięcią masową w chmurze, umożliwiając organizacjom zachowanie kontroli nad danymi i kosztami bez konieczności korzystania z hiperskalera.
Sojusz będzie można zobaczyć na targach Ai4 2026, które odbędą się w dniach 4-6 sierpnia w The Venetian w Las Vegas, gdzie Wasabi będzie wystawiać się na stoisku nr 935.
Amazon