VAST Data har inlett ett samarbete med Microsoft för att erbjuda VAST AI-operativsystemet (AI OS) direkt på Microsoft Azure. Denna integration syftar till att skapa en högpresterande, skalbar AI-infrastruktur i molnet, med fokus på agentbaserad AI och arbetsflöden för produktionsmodeller.
VAST AI OS kommer att köras direkt på Azures infrastruktur, vilket gör det möjligt för företag att använda välbekanta Azure-verktyg, styrning, säkerhet och fakturering. Målet är att uppnå enhetlig hantering, konsekvent prestanda och tillförlitlighet på Azure-nivå samtidigt som VASTs lokala funktioner utökas till Azures GPU-accelererade miljö.
VAST-tjänster som ett nativt Azure-erbjudande
Azure-kunder kommer att ha tillgång till VASTs omfattande datatjänststack, som inkluderar enhetlig lagring, datakatalogisering och databasfunktioner. Plattformen är utformad för att stödja komplexa AI-processer i lokala, hybrid- och multimolnmiljöer utan att applikationen behöver designas om.
Genom att positionera VAST som en molnbaserad Azure-tjänst kan företag konsolidera AI-datatjänster till en enda logisk plattform. Denna metod syftar till att minimera operativa utmaningar och leverera konsekvent prestanda, datahantering och säkerhet, oavsett var informationen finns.
Jeff Denworth, medgrundare av VAST Data, beskrev partnerskapet som ett sätt att skapa AI-infrastruktur som kombinerar prestanda, skalbarhet och användarvänlighet för agentbaserad AI. Han betonade att Azure-samarbetet gör det möjligt för kunder att förena data- och AI-processer med VASTs välbekanta verktyg, nu förstärkta av Azures globala närvaro och flexibilitet.
Agent AI med InsightEngine och AgentEngine
Integrationen är optimerad för agent-AI, där autonoma agenter kontinuerligt arbetar med livedata. VAST AI OS på Azure kommer att erbjuda två nyckeltjänster:
- VAST InsightEngine: Detta tillhandahåller effektiva, högpresterande databehandlings- och databastjänster skräddarsydda för AI-datauppgifter, inklusive vektorsökning, retrieval-augmented generation (RAG) och dataförberedelse. Genom att köra beräkningar nära data med förbättrad I/O och indexering minskar det latensen och ökar dataflödet.
- VAST AgentEngine: Detta hanterar autonoma agenter på realtidsdataströmmar över hybrid- och multimolnmiljöer. Detta möjliggör kontinuerlig AI-bearbetning över globalt distribuerade datamängder utan behov av manuell datastaging eller pipeline-omskrivning.
Tillsammans etablerar dessa tjänster VAST AI OS på Azure som ett kontroll- och exekveringslager för agentbaserade AI-arbetsflöden i lokala och multimolnmiljöer.
Prestanda i stor skala för modellbyggare
VAST AI OS är utformat för att underhålla GPU- och CPU-kluster som är aktiva under träning och inferens. På Azure kommer det att använda Laos VM-serien och Azure Boost Accelerated Networking.
Viktiga prestandafunktioner inkluderar:
- Högkapacitetsdatatjänster för att fullt ut utnyttja GPU- och CPU-kapacitet
- Intelligent cachning för ofta åtkomna dataset för att minska fördröjningstid
- Metadataoptimerade in-/utdatavägar för att hantera AI-uppgifter med små filer och metadatatunga uppgifter
Målet är att leverera tillförlitlig prestanda från tidiga tester genom produktionslanseringar i flera regioner, vilket ger modellbyggare ett konsekvent datalager allt eftersom de växer.
Hybrid AI med exabyte-skaligt datautrymme
För klienter med hybrid- eller lokala VAST-system erbjuder exabyte-skalan VAST DataSpace ett enhetligt globalt namnutrymme över webbplatser och moln. Denna enda logiska vy tar bort datasilos och eliminerar behovet av manuell datakopiering.
Företag kan utöka GPU-accelererade uppgifter från lokala processer till Azure utan typisk datamigrering eller omkonfiguration. AI-processer kan utökas genom att rikta in sig på samma namnrymd, med VAST som hanterar dataplacering och -förflyttning i bakgrunden.
Enhetlig dataåtkomst och AI-nativ databas
Den Azure-integrerade plattformen inkluderar:
- VAST-datalager: Detta stöder fil- (NFS, SMB), objekt- (S3) och blockprotokoll från en plattform. Denna installation gör det möjligt för äldre, analys- och AI-uppgifter att dela samma data utan att behöva separata lagringsstackar.
- VAST-databas: Detta kombinerar snabb transaktionsprestanda, frågehastighet i lagerklass och datasjöekonomi, vilket gör det möjligt att köra blandade arbetsbelastningar på en enda plattform snarare än separata OLTP-, OLAP- och sjösystem.
Elastisk, kostnadseffektiv arkitektur
VASTs Disaggregated, Shared-Everything (DASE)-arkitektur möjliggör oberoende skalning av beräknings- och lagringsresurser inom Azure. Kunder kan justera resurser allt eftersom modeller, datamängder och efterfrågan förändras, snarare än att överallokera bundna system.
Inbyggd likhetsreducering minskar också lagringsbehovet genom att ta bort dubbletter av datamönster, särskilt för stora modeller, inbäddningar och datamängder. Detta resulterar i en mer kostnadseffektiv grund för omfattande AI-infrastruktur.
Anpassning till Microsofts AI-färdplan
Aung Oo, vice vd för Azure Storage på Microsoft, uppgav att VAST AI OS på Azure tillhandahåller en högpresterande, skalbar plattform byggd på Laos VM-serie med Azure Boost, som utökar lokala AI-pipelines till Azures GPU-stödda infrastruktur. Han noterade att VAST för närvarande används av modellbyggare för skalbarhet, prestanda och AI-baserade funktioner. Han nämnde att partnerskapet borde förenkla driften, sänka kostnaderna och snabba upp tiden till insikt.
I takt med att Microsoft utvecklar sin AI-infrastruktur och sina anpassade kiselprojekt kommer VAST att samarbeta med Azure-teamet för att möta framtida plattformsbehov. Detta partnerskap positionerar VAST som en viktig data- och AI-plattform, med målet att stödja framtida AI-system med ett operativsystem fokuserat på skalbarhet, prestanda och användarvänlighet.
Amazon