在不断发展壮大的AI领域，Hammerspace正在发起一场关于数据存储的新革命，直面传统观点：对象存储是不是真的是AI训练与推理的最佳解决方案？

  随着Meta等顶尖AI模型训练客户的支持，Hammerspace相信通用的、协议无关的数据访问才是关键所在。它的设计理念为并行NFS并支持Nvidia的GPUDirect快速文件访问协议，让数据访问变得更高效流畅。但这并非Hammerspace的全部，S3数据访问与文件访问也同样受到支持，甚至与Cloudian的HyperStore对象存储库进行了深度合作，旨在实现全球数据的无缝编排。

  在一次与Blocks & Files的对话中，Hammerspace市场营销高级副总裁Molly Presley深入探讨了文件和对象存储的AI相关话题。她指出，当前很多组织在AI基础设施的采购过程中，探索的远不止于训练，而是需要涵盖推理、实时分析等多个层面。每个环节都需要特定的优化，单靠传统的数据存储方式难以满足日渐增长的需求。

  Molly强调，全球访问与数据编排才是企业在面对AI时代数据挑战的根本。只关注存储接口的选择，忽视了数据本身的组织和流动性，简化了现实的复杂性。对于要不要向量化组织的全部数据资产，她指出，这主要根据用例和行业，全面向量化并非必要；关键任务和近实时数据才是重点，而归档数据可选择性采样以提取相关性。

  在谈及AI代理要不要全局数据访问时，Molly明确说，正常的情况下，AI聊天机器人并不是特别需要访问组织的所有数据资产，只需特定的有关数据。这样既能保证安全也避免了不必要的资源浪费。即便一个组织将所有数据向量化，但由于性能更新的限制，依然不能保证实时响应。

  面对未来，Molly认为，存储类型在性能、成本和规模上依旧重要。而在向量数据空间中，文件存储和对象存储的界限将变得更模糊，未来可能出现类似SQL的向量查询语言。

  总之，Hammerspace倡导的一种混合数据平台将改变我们存储和访问数据的方式。数据必须流动、编排，以满足现代组织日益复杂的需求。通过智能的编排、无缝的数据访问与有效的存储决策，未来的AI应用将展翅高飞，不再受限于孤立的存储环境。返回搜狐，查看更加多