AI 存储不同于 AI 驱动的存储
在当今痴迷于 AI 的世界中，技术提供商往往会寻找任何借口在其技术上贴上“AI”标签。虽然提供商肯定会这样做，但组织应确保他们了解人工智能 （AI） 标签贴在技术上的含义。
毫不奇怪，这种贴上 AI 标签的趋势已经出现在仓库中。具体来说，一些提供商将其存储系统称为“AI 存储”，而另一些提供商则将其存储系统称为“AI 驱动的存储”。
这两个短语听起来像是描述同一个概念。但是，它们描述的存储系统可能具有非常不同的属性。
AI 驱动的存储
“AI 驱动的存储”一词可能意味着这样的存储系统代表了托管 AI 工作负载的最佳选择。虽然它可能适合此用例，但组织不应自动进行此关联。
AI 驱动的存储 AI 芯片调整大小
相反，AI 驱动的存储一词传达了存储系统提供 AI 功能。这通常意味着以 ML 的形式执行分析。它可能会以多种方式使用这些分析，包括：
识别系统上有故障或故障的硬件组件并发出警报。
识别性能热点或瓶颈，并可能重新配置系统以解决它们。
推荐特定的硬件和/或软件配置，以针对特定工作负载优化存储系统。
如果存储系统托管 AI 工作负载，组织可能会发现这些功能很有用。然后，这种 AI 驱动的存储可以帮助他们更好地监控、管理甚至优化存储系统。但是，AI 存储需要的属性超出了 AI 驱动的存储系统所能提供的属性。
AI 存储
它特指为托管 AI 工作负载而优化的存储系统。AI 的存储通常具有五个特征。
这些包括：
AI Brain Resized 的存储
- 高写入吞吐量。Nimbus 发现，大多数典型的企业工作负载往往存在读取偏差。就 AI 而言，它发现 AI 工作负载严重偏向于写入。这需要 AI 的存储来适应高写入吞吐量和低延迟。
- 可 伸缩。AI 需要大量数据才能运行，因此需要将 AI 的存储扩展到高存储容量水平。这可能相当于存储系统需要扩展到 PB 级容量来处理 AI 工作负载。
- 节能。存储系统扩展的容量越大，它可能消耗的功率就越大。因此，组织应在选择解决方案之前考虑存储系统的电源效率。否则，消耗大量电力的存储系统也会导致运营成本上升。
- 支持块和/或 NFS 存储协议。为了实现最高吞吐量，AI 存储必须支持块和/或 NFS 存储网络协议。在块存储方面，由于 IB 可以实现的“疯狂”吞吐量数字，他看到对 IB 的需求增加。
- 几乎不需要传统的存储系统数据管理服务。Isakovich 发现，使用其存储系统进行 AI 的客户很少使用 Nimbus 的数据管理服务。他们发现克隆、压缩、重复数据删除、复制和快照等功能在 AI 环境中“基本上无关紧要”。他自己将 AI 存储描述为几乎是回到了 AFA 的早期，当时只有性能才重要。
AI 存储与 AI 驱动的存储不同
越来越多的组织计划将 AI 引入其环境。但是，正如存储系统所说明的那样，它们可能以 2 种不同的方式执行此操作。
一方面，他们可以将 AI 引入部署到当前 IT 环境中的存储系统中。这种方法应该会产生更具弹性的存储系统，这些存储系统在很大程度上可以自我管理和自我支持。
另一方面，如果组织打算在自己的应用程序中部署和利用 AI，他们将需要 AI 存储。Storage for AI 支持高效提供高水平性能和存储容量的功能。其中包括 IB 和块存储网络协议等功能，减少了对传统数据管理服务的重视。