借助整合式AI方案 企业营运大幅提升训练与建模效率

为加速数码转型，许多企业纷纷投入AI环境建置工作，但过程中往往遭遇几个难题，包括如何引入数据专学家；如何采集丰富数据，再透过训练与建模将数据转化为信息、知识；如何善用科技，建构最佳化的AI平台、报表与工具；以及如何打造最佳的底层架构，随时因应突然爆增的效能与容量需求，更有弹性地进行横向扩充。

NetApp台湾技术长张展智表示，上述挑战涵盖数据科学家、数据、科技、底层基础架构等四个环节，针对后两者，最佳解决途径即为混合云。主要是因为，执行Training与Modeling需要动用GPU资源，假使面临大量突发需求、逾越企业机房现有的GPU所能提供的运算，即可适时引用公有云资源，也就是将数据经过加密上传公有云平台，完成GPU运算后再将结果落地回企业，利用混合云架构来降低科技与底层架构的风险。

数年前NetApp与NVIDIA合力孕育ONTAP AI整合式方案，除满足边缘端的数据采集，核心端的数据准备、模型训练与部署等外，也支持公有云订阅服务，甚至可针对大量数据提供保护、分层等功能，堪称市场上最能促进AI与混合云相辅相成、共同协作的解决方案，为企业带来最佳的ROI、最快的GTM(Go-to-Market)效率。

蕴含最佳实务配置 简化采购与部署流程

张展智指出，ONTAP AI整合式方案蕴含四大优势，首先它具有经过NetApp和NVIDIA双方验证的完整AI Stack，可透过最佳实务(Best Practice)的配置来简化企业采购流程。其次将不同效能与容量组装为多元技术配置，满足从小到大的部署需求。

再者为协助企业顺利执行安装与布建，ONTAP AI提供由双方专家认可的Deployment Guide、并放置于官网上，以利用户或建置夥伴下载使用。最后则采用NetApp和NVIDIA共同设计的集中式支持模型，用户无论遇到何等疑难杂症，皆可向NetApp或NVIDIA任一窗口反应，然后由两边专家共同解决问题，展现最高的障碍排除效率。

前述提及的Deployment Guide，基本上是一套Step by Step的Workbook，引导用户最快实践最佳配置。假使企业欲以x86服务器搭配NVIDIA GPU自建AI环境，亦可参考Deployment Guide来实作，只是布建时间较长一些，且后续若有支持需求，也只能分别寻求服务器、GPU不同供应商的协助。

优化作业体验 创造最佳ROI与GTM效率

谈到ONTAP AI对于企业的实质助益，除了一开始简化采购流程和布建程序外，更大的利基，在于能够迎合数据科学家、基础架构工程师与企业主共同在意的ROI与GTM目标，让数据加速产生价值，且确保数据管理的体验更为简洁流畅。

举例来说，数据科学家在执行模型训练的过程，通常面临众多版本切换与控制需求，假设原始数据为1TB大小，初步产出第一版训练结果后，会再稍加修改成为下一版训练数据，接着产出另一版训练成果；按理说1TB数据历经三个版本切换，将衍生三倍储存空间需求，且徒增三倍作业时间。如今ONTAP AI用户可援引NetApp ONTAP所有软件技术，利用其中FlexClone功能，在数秒内Clone出数TB、数十TB或最大数百TB的复本，完全不需牺牲效能，也仅微幅增加少许的空间占用，减轻企业的采购预算负担，且创造更佳使用者体验，使数据科学家得以保留宽裕时间来处理AI学习。

另值得一提，NetApp贴心提供DataOps Toolkit，透过自动化流程，将前端数据处理、后端数据配置的整套历程串在一起，让数据科学家或工程师可藉由Helpdesk系统，自助提出他想要的申请条件，包括期望获得的容量、效能与SLA(例如需不需要做备份或DR)，进而以最快速度完成环境建置，连带省却后端IT操作者针对个案准备资源的冗长时间，使企业更简单地启用与管理AI运算资源。