在最近的 NetApp Insight 客户活动中，NetApp 分享了其发展解决方案的愿景，以应对部署 AI 的企业面临的数据挑战。NetApp 的方法将其现有的基于 ONTAP 的产品与新的分解式架构和新的数据操作和管理功能相结合，有望提供企业 AI 所需的效率。

　　NetApp 的“数据优先”AI 愿景

　　AI 工作负载在很大程度上依赖于数据的高效移动。传统的传统方法通常可以提供 AI 所需的原始性能，但往往难以实现可扩展性，这就是分解式架构可以提供帮助的地方。

　　除了原始性能之外，AI 生命周期还需要在各种外部工具(例如矢量数据库)之间移动数据。将数据从存储移动到外部工具并再次移回本质上是低效的。该过程会引入延迟和复杂性，这可能会使 AI 工作流的速度慢于预期速度。

　　NetApp 的 AI 数据管理新愿景解决了这两个挑战。NetApp 表示，它计划提供一个围绕统一的 AI 数据管理引擎构建的智能数据基础设施，该引擎不仅为 AI 存储数据，而且更进一步：其新的 AI 引擎将包含在企业中有效利用 AI 所需的数据操作功能。

　　虽然数据始终需要在存储和外部工具之间移动，但 NetApp 相信，通过将一些最常见的 AI 数据操作直接移动到平台中，它可以显著提高 AI 工作流的效率。这改变了其数据平台提供的性质，并提高了企业 AI 工作流的效率。NetApp 的新 AI 引擎可以实现这一目标。

　　NetApp 方法的关键要素包括：

　　分解式存储架构：为了优化存储资源，NetApp 正在开发一种存储架构，将计算和存储分开，从而允许资源独立扩展。NetApp 选择这种架构来提高总吞吐量、降低成本并提供 AI 工作负载所需的灵活性。

　　无缝数据集成：NetApp 的 AI 数据管理引擎将提供所有数据资产的全面视图，从而实现跨内部和云环境的无缝数据集成。这种统一的方法应该可以简化 AI 工作流程，并降低跨混合环境管理数据的复杂性。

　　矢量嵌入和数据库：NetApp AI 数据管理引擎将生成矢量嵌入并将其存储在集成的矢量数据库中，从而促进高效的数据搜索并支持 RAG 工作负载。

　　AI 生态系统集成：NetApp 承诺将其即将推出的 AI 数据服务与更广泛的 AI 工具生态系统集成，以实现从数据标记和模型训练到部署和监控的简化 AI 工作流。

　　负责任的 AI：NetApp 通过整合模型数据可追溯性和监管功能来强调合乎道德地使用 AI，确保组织能够实施有效且透明的 AI 解决方案。

　　随着 AI 进入企业，管理和利用大量数据的能力将成为这些企业的关键差异化因素。同样，与不适应的存储提供商相比，能够将数据无缝交付到 AI 工作流中的存储和数据解决方案提供商将获得更多的差异化和成功。

关键词：NetApp

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。