Analiz: AI veri büyüme hızı, hesaplama gücü planlamasını geride bırakıyor; depolama, AI altyapısının yeni darboğazı haline geliyor.

BlockBeats haberine göre, 15 Ağustos'ta Western Digital'in en son analizi, yapay zeka uygulamalarının ölçeğinin hızla büyümesiyle birlikte, yapay zeka veri merkezi inşasının saf GPU hesaplama gücü rekabetinden veri depolama kapasitesi rekabetine doğru kaydığını ve depolama planlamasının yapay zeka altyapısının çekirdek halkası haline geldiğini ortaya koydu.

Makale, IDC tahminlerine atıfta bulunarak, 2030 yılına kadar küresel yıllık yeni veri miktarının 718ZB'ye ulaşacağını belirtiyor. Yapay zeka sistemlerinin ürettiği veriler, hesaplama görevlerinin sona ermesiyle kaybolmaz; eğitim verileri, model kontrol noktaları, gömme vektörleri, çıkarım günlükleri, istemler, çıktı sonuçları ve değerlendirme verileri sürekli olarak birikir.

Western Digital, mevcut birçok yapay zeka altyapı planlamasının GPU kullanım oranına aşırı odaklandığını, ancak yapay zeka yaşam döngüsündeki veri birikimini göz ardı ettiğini belirtti. Eğitim ve çıkarım süreçlerinde üretilen veriler, model yinelemesi, kalite değerlendirmesi ve uyumluluk denetimi için önemli varlıklar haline gelecek ve depolama maliyetleri, yapay zeka sistemlerinin uzun vadeli operasyonel verimliliğini doğrudan etkileyecektir.

Veri ölçeği PB hatta EB seviyelerine ulaştıkça, tek bir depolama mimarisi ihtiyaçları karşılayamaz. İşletmelerin katmanlı depolama stratejisi benimsemesi, yüksek performanslı flash belleği eğitim ve gerçek zamanlı çıkarım için, yüksek kapasiteli HDD ve nesne depolamayı ise uzun vadeli veri saklama, geçmiş kayıtlar ve düşük frekanslı erişim senaryoları için kullanması gerekir.

Analiz, gelecekteki yapay zeka altyapı rekabetinin temel göstergelerinin yalnızca GPU sayısı değil, aynı zamanda PB başına veri depolama maliyeti, enerji tüketimi, kurtarma verimliliği ve veri yaşam döngüsü yönetim yeteneği olacağını öne sürüyor. İşletmeler depolamayı hâlâ hesaplamanın ardından gelen ikincil bir unsur olarak görürse, veri maliyetlerinin kontrolsüz artması ve model yineleme verimliliğinin düşmesi gibi sorunlarla karşılaşabilir.