Az Everpure szerint az adatok feletti kontroll kell a jobb AI-hoz

Az alkalmazások helyett az adat kerülne a középpontba

A szeptember 30-án közzétett bejegyzés szerint az elmúlt két évtizedben az alkalmazások számítottak az adatkezelés központjának. Az alkalmazások határozták meg, hol tárolják az adatokat, és ki férhet hozzájuk. Az Everpure úgy látja, hogy az erre épülő töredezettséget az ETL, az MDM és a BI eszközei próbálták kezelni.

A vállalat szerint a mesterséges intelligencia láthatóvá tette ennek a modellnek a költségeit. Az adatokból hiányzó kontextus miatt a modellek hiányos vagy hibás válaszokat adhatnak. Az Everpure ezt a szemléletváltást data primacy néven írja le, amelyben az adat válik a központi szervezőelemmé, az ügynökök és az infrastruktúra pedig ezt követi.

Az Enterprise Data Cloud az Everpure architekturális és működési modellje ehhez az átmenethez. A vállalat univerzális adatinformációs rétege az Everpure és más gyártók környezetében is felderíti, osztályozza és feltérképezi az adatokat. A cél az adatok egységesítése, szabályozása és megértése a teljes infrastruktúrában.

Hatékonyabb tárolás és több AI-következtetés

A Unified Data Plane fejlesztései között szerepel a Purity DeepReduce, amely a klasszikus deduplikációval ellentétben a blokkokon belüli hasonlóságokat is keresi. Az Everpure szerint a technológia előre tömörített tartalmakon is működik, folyamatosan fut a FlashBlade//E és FlashBlade//S rendszereken, és nem okoz írási késleltetést. A vállalat mediánértékként 2:1 arányú globális adatredukciót említ.

Az Evergreen//One késleltetésérzékeny szolgáltatási szintjein megduplázták a minimális teljesítményt. Az UBF Performance értéke 1 GB/s-ról 2 GB/s-ra, a Premiumé 2 GB/s-ról 4 GB/s-ra, az Ultra szinté pedig 3 GB/s-ról 6 GB/s-ra nő. A közlemény szerint a meglévő ügyfelek az új minimumot azonnal megkapják, megújítás nélkül.

A Pure Key-Value Accelerator háromszintű memóriakezelést, konténerizált végrehajtást, NVIDIA Dynamo-támogatást és vállalati több-bérlős működést kapott. Az Everpure állítása szerint a technológia akár 20-szor gyorsabb első tokendig tartó időt biztosíthat a RAG- és társalgási AI-feladatoknál, miközben több aktív következtetést kezelhet az ugyanazon GPU-kon.

AI, virtualizáció és fájladatok egy infrastruktúrában

Az Intelligent token optimization nevű referenciaarchitektúra a hibrid következtetés költséghatékony megvalósítását célozza nyílt forráskódú modellekkel. Az Everpure elképzelése szerint a vállalatok a következtetési feladatokat szándékosan helyezhetik el helyi és felhős erőforrások között, így az érzékeny adatok közelebb maradhatnak a megbízható infrastruktúrához, miközben a felhős AI-szolgáltatások is használhatók ott, ahol értéket adnak.

A Red Hat OpenShift Virtualization és az Everpure Cloud közös megoldása virtuális gépek és konténerizált munkaterhelések futtatását teszi lehetővé ugyanazon a fürtön. A vállalat szerint a vékony kiosztás, a deduplikáció és a tömörítés akár 40 százalékkal is csökkentheti a felhős tárolás költségét.

Az Everpure AI Factory with Red Hat AI három ellenőrzött referenciaarchitektúrát kínál: tanítást, hibrid következtetést, valamint a Pure KVA-val párosított következtetést. A tanítási architektúra már elérhető, a másik kettő októberben érkezik. A FlashBlade realms és a File QoS pedig a fájl- és objektumadatok elkülönítését, teljesítménykezelését és helyreállítását célozza nagy léptékben.