어디서나 AI 워크로드를 지원하세요
AI는 스토리지에 엄청난 요구를 가하는데, 이는 AI를 방해하는 요소입니다. 실제로 거의 모든 데이터가 비정형이지만 AI에 사용되는 대부분의 데이터는 지원, 이는 업계를 방해하고 있습니다.
~ 90의 %
모든 데이터 중 구조화되지 않은.
28%
AI 모델을 강화하는 데이터 중 구조화되지 않은
31%
의 기업은 프로덕션 준비가 완료된 파이프라인이 부족하여 AI 계획이 지연되고 있다고 말합니다.
더 많은 데이터, 더 많은 사용자, 더 많은 위험
침해로 인해 조직은 수백만 달러의 몸값 지불, 수익 손실 및 복구 비용을 입을 수 있으며 장기적인 평판 손상은 말할 것도 없습니다.
AI 데이터 스토리지와 관련된 세 가지 일반적인 스토리지 문제가 있습니다.
데이터와 AI 생태계의 연결이 끊어졌습니다.
AI에 사용되는 데이터는 엣지나 데이터센터에서 생성됩니다. 공장 현장이나 자율주행차에서 나오는 IoT 데이터를 생각해 보세요. 하지만 AI 생태계는 클라우드(AI 서비스, 전문가 상담 등)에 존재합니다.
기업은 귀중한 데이터를 클라우드의 AI 생태계에 근접하게 배치할 수 있는 방법을 찾아야 합니다.
오늘날 모든 AI 비정형 데이터를 배치하는 것은 어렵습니다.
첫째, 엄청나게 비쌉니다. 둘째, 해당 데이터에 의존하는 모든 앱은 개체 데이터와 함께 작동하도록 플랫폼을 다시 구성해야 합니다. 이는 오늘날 클라우드에서 유일한 실제 옵션이기 때문입니다. AI가 도약하려면 이러한 변화가 필요합니다.
레거시 솔루션은 AI 엔진을 제한합니다.
최신 GPU 기반 대규모 병렬 스레드 AI 워크플로는 수만 개의 동시 읽기를 쉽게 생성할 수 있지만 많은 레거시 솔루션은 동시 읽기를 그 중 일부로 제한합니다. 이로 인해 모델 구축이 제한됩니다.
AI가 매우 민첩해지기 위해서는 이 문제를 해결해야 합니다.
Qumulo가 AI를 활성화하는 방법
우리는 이러한 장애물을 없애기 위해 Qumulo를 만들었습니다. 방법은 다음과 같습니다. . .
Qumulo로 Scale Anywhere™
어디서나 Qumulo의 규모™ 플랫폼은 엣지, 코어, 클라우드에서 실행됩니다. 또한 Qumulo는 100% 소프트웨어 전용 솔루션이므로 원하는 하드웨어를 선택하거나 원하는 클라우드에서 실행할 수 있습니다. 이를 통해 귀중한 비정형 데이터를 클라우드 기반 AI 생태계에 아주 쉽게 배치할 수 있습니다.
최대 속도, 변명 없음, 동시 읽기
Qumulo는 수행할 수 있는 동시 읽기 수에 제한을 두지 않았습니다. 따라서 파일 데이터 플랫폼의 제한 없이 가장 인기 있는 새로운 Nvidia GPU 도구와 모델을 마음껏 활용해 보세요.
데이터를 매우 안전하게 유지하세요
AI는 때로는 민감한 정보가 포함될 수 있는 대규모 데이터 세트에 의존하는 경우가 많습니다. 데이터 위반은 심각한 법적, 재정적, 평판적 결과를 초래할 수 있습니다. Qumulo는 모든 교육 관련 데이터를 보호하고 유지합니다. AES 256비트 소프트웨어 기반 암호화 및 변경 불가능한 스냅샷.
고객 사례
우리는 이러한 장애물을 없애기 위해 Qumulo를 만들었습니다. 방법은 다음과 같습니다. . .
현대 제조업
곳곳에 배치된 공장 현장 카메라는 실시간 자동화 제조 작업에서 모든 형태의 정보를 캡처합니다. 이 모든 것은 로컬 스토리지에 지속적으로 집계됩니다. 고급 목표(예: 자동화된 오류 감지)를 위해 운영에서는 모든 제조 라인의 데이터를 결합하여 교육 모델의 소스가 됩니다. 모델이 성숙해짐에 따라 운영을 최적화하기 위해 각 공장으로 다시 보내집니다.
자치 차량
자율주행차는 현실 세계의 고화질 다중 스펙트럼 비디오를 지속적으로 캡처합니다. 이는 수백 대의 테스트 차량으로 시작하여 수천 대의 실험 차량, 마지막으로 수백만 대의 일반 차량으로 시작됩니다. 자동차는 이러한 비디오를 중앙 위치에 업로드하여 모델을 훈련시켜 운전자를 지원하고 자동 조종 장치를 활성화하며 자율 주행 자동차를 현실로 만듭니다. 위에서 파생된 추론 모델은 다시 생산 차량으로 푸시됩니다. 그런 다음 모델은 실시간 데이터를 처리하여 자율 주행을 최적화합니다.
AI 지원 사이버 보안
Network SecOps 전문가는 수십만 개의 네트워크 장치(클라우드, 온프레미스 또는 둘 다)의 활동 로그를 통합합니다. 이는 무단 네트워크 침입을 탐지하기 위한 모델의 훈련 데이터 세트를 형성합니다. 결과 추론 모델은 실시간으로 관찰된 이벤트를 분석하여 무단 침입을 찾아내는 최신 네트워크 장치로 푸시됩니다.
추가 자료
