在人工智能（AI）技能快速地开展的当下，数据存储办法的挑选成为企业正视的一大应战。Hammerspace，这家数据编列公司，正活跃应战传统观念，特别是关于目标存储作为AI练习和推理最佳解决方案的说法。Hammerspace以为，通用的、协议无关的数据拜访才是未来的要害因素。

  该公司依托其根据并行NFS的技能，成功支撑Nvidia的GPUDirect快速文件拜访协议，一起也兼容S3数据拜访与文件拜访。Hammerspace与Cloudian的协作使其HyperStore目标存储库可以在其全球数据渠道上运用，逐步提高了目标拜访的速度，这为AI运用供给了强有力的支撑。

  Hammerspace市场营销高档副总裁Molly Presley在与Blocks and Files的对话中，强调了为何他们专心于一种混合数据渠道而不单单是文件或目标存储。Glenn Lockwood的研讨已指出并行文件体系的专有性质及其需依靠的专业技能，这是咱们重视根据规范数据渠道原因的部分，这反映了Linux内核逾越2400次的奉献。在当今杂乱的AI需求下，单一的文件体系或目标存储接口难以满意多样化的数据存储与处理需求。

  在AI基础设施的出资评价中，安排往往不单重视练习作业负载，也需求顾及推理、实时剖析等多方面的内容。每种作业负载的功能需求各异，这使得企业在挑选存储解决方案时需逾越传统的“一刀切”办法，构建灵敏应对不同运用场景的数据渠道。

  Hammerspace提出了全球数据拜访和编列的重要性，尤其在AI练习及迭代作业中，安排的数据明晰和高效安排已成为燃眉之急。Molly表明，向量化并不是首要应战，可以在不搬迁的数据环境中运用一切存储类型数据才是要害。在这样的一个过程中，安全与合规性相同不行忽视，尤其在AI署理和谈天机器人的运用中，它们往往只需拜访功用相关的数据，而不是整个数据财物。

  跟着大言语模型的鼓起，这些模型将成为企业中数据拜访的新重要接口。尽管大言语模型经过自然言语处理提高了对数据的可及性和智能剖析，但它们不会代替现有的BI（商业智能）东西，反而会与这些东西构成协同，推进事务决议计划。

  未来，文件存储和目标存储的传统概念面对应战，将向更智能的存储类型改变。在向量数据空间中，存储拜访将根据语义联系，而非单纯依靠文件途径或目标键，这将提高数据在功能、本钱及规划方面的有效性。

  需求留意的是，尽管向量查询言语（VQL）的概念可能会逐步呈现，但它需求与规范化的SQL结合，以便在东西和渠道之间完成互操作性。此外，存储锄强扶弱需完成块、文件和目标数据的一致笼统，打破数据孤岛，提高全体数据处理功率。

  总归，Hammerspace的理念不只推进了AI存储的革新，也为职业供给了在多变的技能环境中构建高效数据处理架构的思路。企业在未来应愈加重视数据自身的流动性和智能编列才能，以更好应对日益杂乱的AI运用需求。在以数据为中心的数字化的经济时代，灵敏、高效的数据拜访和办理将是要害，而Hammerspace无疑是在这一范畴迈出了重要一步。

  解放周末！用AI写周报又被老板夸了！点击这儿，一键生成周报总结，无脑直接抄 → →