Cloudian har meddelat att Cloudian HyperScale AI Data Platform, en färdig lösning som ligger nära kundernas behov av att distribuera AI för företag, nu är allmänt tillgänglig. Lösningen, som är baserad på NVIDIA AI Data Platforms referensdesign, omvandlar årtionden av institutionell kunskap lagrad i dokument, PDF-filer, bilder och kalkylblad till direkt tillgängliga insikter via ett välbekant chatbot-liknande gränssnitt. Syftet är att göra det möjligt för organisationer att skapa produktionsklassade, kompatibla AI-miljöer på bara några dagar snarare än månader, samtidigt som de behåller fullständig kontroll över sina data.
Lösning av dilemmaet med AI-implementering på företag
De flesta AI-program för företag stöter på ett välkänt problem. För att kunna agera snabbt förlitar de sig ofta på delade eller publika molnmiljöer som kanske inte överensstämmer med intern säkerhet, datasuveränitet eller myndighetskrav. För att behålla kontrollen vänder de sig till anpassade, lokala byggen som involverar flera leverantörer, månader av integration och oklara vägar till mätbart affärsvärde.
Samtidigt är huvuddelen av företagskunskapen fortfarande i praktiken osynlig för AI-system. Cloudian citerar den allmänt referenserade siffran att ungefär 80 procent av institutionell kunskap finns i ostrukturerat innehåll såsom dokument, rapporter, e-postmeddelanden, bilder och operativa loggar. Detta innehåll sträcker sig ofta över årtionden och innehåller kritisk processkunskap, kundkontext och regelhistorik. Utan ett praktiskt sätt att ta in och fråga efter den, kämpar AI-implementeringar för att leverera meningsfulla resultat.
HyperScale AI-dataplattformen är positionerad för att eliminera denna avvägning. Den kombinerar beräkning, lagring, nätverk och programvara i en integrerad infrastruktur som är i drift på några dagar och är specifikt utformad för AI-användningsfall för företagsdokument. Istället för att kräva betydande datamigrering eller komplext integrationsarbete distribueras systemet lokalt eller i kontrollerade miljöer, vilket gör det möjligt för organisationer att behålla sina data där de är samtidigt som de görs tillgängliga för AI-arbetsbelastningar.
Plattformen innehåller beprövade NVIDIA AI-ritningar för AI i företagsdokument, vilka tillhandahåller referensarbetsflöden och förvaliderade komponenter för dokumentbehandling, retrieval-augmented generation (RAG) och relaterade uppgifter. Detta minskar risken jämfört med skräddarsydda projekt och förankrar implementeringar i repeterbara arkitekturer.
NVIDIAs Justin Boitano, vice vd för Enterprise AI Products, beskriver tydligt behovet. Han betonade att omvandling av företagsdata till AI-insikter kräver mer än skalbar lagring, och tillade att det kräver en tätt integrerad, högpresterande infrastrukturstack som är anpassningsbar till företagets krav. Han pekar på Cloudian HyperScale AI Data Platform, byggd på NVIDIAs AI-infrastruktur, nätverk och programvara, som ett sätt för organisationer att säkert låsa upp kritisk kunskap, förenkla implementeringen och utöka AI-kapaciteten i takt med att datavolymerna växer.
Omedelbar affärspåverkan med förutsägbar ekonomi
Plattformen är utformad för att leverera AI-funktioner för företag utan de traditionella prestanda- och kostnadsavvägningar som har kännetecknat tidiga AI-implementeringar. På lagringslagret kombinerar Cloudian sin S3-nativa objektlagring med RDMA-acceleration för S3-drift. Denna kombination är avsedd att eliminera de prestandaförsämringar som vanligtvis är förknippade med objektlagring i latenskänsliga AI- och vektordatabasscenarier.
Cloudian rapporterar att denna RDMA-accelererade S3 levererar upp till 8 gånger snabbare vektordatabasprestanda än CPU-baserade lösningar som förlitar sig på traditionell fillagring. För kunderna innebär detta att inbäddningar, likhetssökning och hämtningsoperationer kan stödja realtidssvar för tusentals samtidiga användare utan att behöva byta till skräddarsydda, icke-standardiserade lagringsstackar.
Den ekonomiska historien är lika avgörande för tekniska säljteam och arkitekter. Genom att erbjuda HyperScale AI-dataplattformen som en lokal, integrerad apparat, anpassar Cloudian utgifter för AI-infrastruktur till förutsägbara CapEx snarare än variabla, ofta oförutsägbara molndriftskostnader. Lösningen är utformad för att eliminera vanliga AI-molnkostnader, såsom inferensavgifter per token och höga kostnader för molnlagring, vilka kan vara storleksordningar högre än de vid täta lokala implementeringar.
Eftersom plattformen är S3-nativ och byggd på Cloudian HyperStore kan den bearbeta och analysera data i lokala miljöer, hybridarkitekturer och distribuerade platser. Denna flexibilitet gör det möjligt för organisationer att behålla data där de finns samtidigt som de överförs till AI-arbetsflöden, snarare än att tvinga fram en storskalig migrering till ett enda moln eller en proprietär plattform. För många reglerade företag är den funktionen central för att upprätthålla datasuveränitet och uppfylla interna styrningskrav.
AI för företagsdokument
HyperScale AI-dataplattformens initiala fokus är AI för företagsdokument. Den inbyggda AI-applikationsritningen för dokument är utformad för att exponera årtionden av institutionell kunskap genom konversationsfrågor i naturligt språk. Användarupplevelsen är avsiktligt lik den i konsumentchattgränssnitt, men baserad på organisationens egna dokument och policyer.
Inom sjukvården kan plattformen till exempel användas för att söka i patientjournaler, kliniska protokoll och interna riktlinjer, samtidigt som den är i linje med HIPAA och andra integritetskrav. Eftersom informationen aldrig lämnar organisationens kontrollerade miljö behåller efterlevnads- och revisionsteam insyn i var informationen lagras och hur den nås.
Inom finansiella tjänster kan institutioner söka i regulatoriska anmälningar, interna policyer, riskbedömningar och avtalsregister utan att skicka känslig information till externa AI-leverantörer. Denna möjlighet att hålla regulatoriskt innehåll och kunddata inom en reglerad gräns samtidigt som man drar nytta av modern hämtningsutökad generering är en viktig försäljningsargument för riskmedvetna köpare.
Ur ett tekniskt perspektiv abstraherar ritningen mycket av den komplexitet som är förknippad med att bygga dokumentinmatningspipelines, indexering, vektorisering och arbetsflöden för hämtning. Istället för att designa denna stack från grunden förlitar sig kunderna på referensdesignen som ingår i plattformen och fokuserar på finjustering, åtkomstkontroll och styrning.
Mer än dokument till video och analys
Cloudian positionerar HyperScale AI-dataplattformen som en grund som kommer att stödja flera AI-applikationsritningar över tid, inte bara dokumentcentrerade användningsfall. Färdplanen inkluderar stöd för videoanalys, särskilt i miljöer som tillverkningsgolv, lager, logistikhubbar och byggarbetsplatser, där videointelligens i realtid eller nära realtid kan driva säkerhet, kvalitet och driftseffektivitet.
Kommande ritningar kommer att fokusera på att analysera videoströmmar för aktivitets- och avvikelsedetektering, samt för driftsövervakning, med hjälp av samma integrerade infrastruktur. Framtida applikationer kommer också att inkludera bredare dataanalys och ytterligare AI-funktioner för företag, levererade genom samma hårdvaru- och mjukvarustack. Denna plattformsbaserade metod förenklar upphandling och livscykelhantering eftersom kunderna inte behöver driftsätta separata punktlösningar för varje ny AI-arbetsbelastning.
Plattformsarkitektur och hårdvarugrund
Instegskonfigurationen av HyperScale AI-dataplattformen är byggd på NVIDIA RTX PRO Server-referensdesignen. Systemet är konstruerat för AI-arbetsbelastningar och kan konfigureras med upp till åtta NVIDIA RTX PRO 6000 Blackwell Server Edition-grafikprocessorer, vilket ger betydande acceleration för träning, finjustering och inferens över stora ostrukturerade datamängder.
Beräkningskapaciteten tillhandahålls av dubbla Intel Xeon 6900-serieprocessorer, vilket säkerställer tillräcklig generell bearbetning för orkestrering, dataförbehandling och kontrollplanstjänster. Plattformen innehåller även NVIDIA BlueField-3 DPU:er, som kan avlasta nätverks-, säkerhets- och lagringsuppgifter från värdprocessorer, och NVIDIA Spectrum-X Ethernet SuperNIC, som ger hög bandbredd och låg latens-anslutning, vilket är avgörande för AI- och dataintensiva arbetsbelastningar.
På lagringssidan använder plattformen Cloudian HyperStore med NVMe-baserade medier för att leverera S3-kompatibel objektlagring med hög genomströmning och låg latens. Den integrerade RDMA för S3-anslutning minskar protokolloverhead och gör det möjligt för AI- och vektorarbetsbelastningar att komma åt objektdata med latens närmare den för lokala block- eller filsystem, samtidigt som skalbarhetsfördelarna med objektlagring bibehålls.
Arkitekturen är utformad för störningsfri skalning från terabyte till exabyte i takt med att databehovet växer. Denna skalningskapacitet är avgörande för kunder som vill börja med AI-projekt med begränsad omfattning men ha en tydlig väg till global distribution utan att behöva omdesigna sin infrastruktur.
Cloudians VD Michael Tso betonar att organisationer behöver AI-plattformar som passar in i deras befintliga säkerhets- och efterlevnadsramverk snarare än att tvinga dessa ramverk att anpassa sig. Han noterar att HyperScale AI ger säker åtkomst till institutionell kunskap genom ett välbekant chatbot-gränssnitt, samtidigt som data hålls under organisationens kontroll och distributionstiden minskas från månader till dagar.
Tillgänglighet
Cloudian HyperScale AI-dataplattform är tillgänglig omedelbart över hela världen via Cloudians certifierade kanalpartnerekosystem.
Varje system inkluderar Cloudian HyperCare-support, som tillhandahåller fjärrhanteringstjänster och teknisk support dygnet runt.
Amazon