วิเคราะห์: อัตราการเติบโตของข้อมูล AI แซงหน้าแผนการประมวลผล การจัดเก็บข้อมูลกำลังกลายเป็นคอขวดใหม่ของโครงสร้างพื้นฐาน AI

BlockBeats รายงานว่า วันที่ 15 สิงหาคม การวิเคราะห์ล่าสุดจาก Western Digital ชี้ให้เห็นว่า เมื่อขนาดการใช้งานแอปพลิเคชันปัญญาประดิษฐ์ขยายตัวอย่างรวดเร็ว การก่อสร้างศูนย์ข้อมูล AI กำลังเปลี่ยนจากการแข่งขันด้านพลังประมวลผล GPU เพียงอย่างเดียวไปสู่การแข่งขันด้านความสามารถในการจัดเก็บข้อมูล การวางแผนการจัดเก็บข้อมูลได้กลายเป็นแกนหลักของโครงสร้างพื้นฐาน AI

บทความอ้างอิงการคาดการณ์ของ IDC ว่า ภายในปี 2030 ปริมาณข้อมูลใหม่ที่เกิดขึ้นทั่วโลกต่อปีจะสูงถึง 718ZB ข้อมูลที่ระบบ AI สร้างขึ้นจะไม่หายไปเมื่องานคำนวณสิ้นสุดลง ข้อมูลฝึกอบรม จุดตรวจสอบโมเดล เวกเตอร์ฝังตัว บันทึกการอนุมาน พรอมต์ ผลลัพธ์ และข้อมูลการประเมินจะสะสมอย่างต่อเนื่อง

Western Digital ระบุว่า ปัจจุบันการวางแผนโครงสร้างพื้นฐาน AI จำนวนมากให้ความสำคัญกับการใช้อัตรา GPU มากเกินไป แต่กลับมองข้ามการสะสมข้อมูลตลอดวงจรชีวิตของ AI ข้อมูลที่เกิดจากกระบวนการฝึกอบรมและการอนุมานจะกลายเป็นสินทรัพย์สำคัญสำหรับการปรับปรุงโมเดล การประเมินคุณภาพ และการตรวจสอบการปฏิบัติตามข้อกำหนด ต้นทุนการจัดเก็บข้อมูลจะส่งผลโดยตรงต่อประสิทธิภาพการดำเนินงานระยะยาวของระบบ AI

เมื่อขนาดข้อมูลเข้าสู่ระดับ PB หรือแม้แต่ EB สถาปัตยกรรมการจัดเก็บข้อมูลแบบเดี่ยวไม่สามารถตอบสนองความต้องการได้อีกต่อไป องค์กรจำเป็นต้องใช้กลยุทธ์การจัดเก็บข้อมูลแบบหลายชั้น โดยใช้แฟลชประสิทธิภาพสูงสำหรับการฝึกอบรมและการอนุมานแบบเรียลไทม์ และใช้ HDD ความจุสูงและที่เก็บข้อมูลออบเจกต์สำหรับการเก็บรักษาข้อมูลระยะยาว บันทึกประวัติศาสตร์ และสถานการณ์การเข้าถึงความถี่ต่ำ

การวิเคราะห์ชี้ให้เห็นว่า ในอนาคตตัวชี้วัดสำคัญของการแข่งขันโครงสร้างพื้นฐาน AI จะไม่ใช่เพียงจำนวน GPU แต่จะเป็นต้นทุนการจัดเก็บข้อมูลต่อ PB การใช้พลังงาน ประสิทธิภาพการกู้คืน และความสามารถในการจัดการวงจรชีวิตข้อมูล หากองค์กรยังคงมองว่าการจัดเก็บข้อมูลเป็นเพียงส่วนประกอบรองหลังการคำนวณ อาจเผชิญกับปัญหาต้นทุนข้อมูลที่失控และประสิทธิภาพการปรับปรุงโมเดลที่ลดลง