AI高楼数据起！HPE多元AI储存方案 助力加速智能创新

图说：HPE数据服务暨储存方案事业群总经理萧舜华（中）、数据服务暨储存方案事业群资深技术经理吴铭哲（右）和数据服务暨储存方案事业群产品经理郭宥均（左）。HPE

在堪称科技界年度盛会之一的「HPE Discover 2024」大会上，HPE偕同NVIDIA发表双方联手孕育的HPE Private Cloud AI。两家公司合作缘由，在于意识到AI技术流于碎片化、复杂化，衍生诸多风险与障碍，导致企业AI进程延宕，甚至危及数据资产；双方一致认为企业需要藉助像是HPE Private Cloud AI的一站式方案，借此化繁为简，真正专注发展AI应用，而非深陷AI底层架构的整合泥沼。

HPE 数据服务暨储存方案事业群总经理萧舜华表示，HPE Private Cloud AI为兼具算力、模型、数据三大主轴的一站式解决方案。关于算力，主要内容在于HPE对NVIDIA最新GPU、CPU与Superchip的支持。模型部分以Ezmeral Unified Analytics平台为主力，一来提供模型管理与维运功能，为数据科学家和数据工程师带来MLOps综效；二来提供Orchestration机制，实现GPU虚拟化目标。HPE另提供Ezmeral Data Fabric软件，能以单一命名空间（Namespace）支持云地不同位置的多元类型数据，形成统一数据平台。

至于数据，堪称HPE Private Cloud AI中至关重要的一环，因为企业必须善用大数据，才能训练最佳模型。为此HPE发展多样性AI储存方案，协助企业在空间、效能、成本取得平衡，得以因应不同AI生命周期（依序为数据收集、数据准备、模型训练、模型推论阶段）、不同AI工作负载展开最佳投资布局。

多元AI储存方案，与各类AI 工作负载完美匹配

HPE 数据服务暨储存方案事业群资深技术经理吴铭哲指出，有关前两个AI工作阶段，数据收集需有大空间收纳海量原始数据（Raw Data），数据准备涉及清洗、标注作业，执行较多读写，对存取效能有较高要求。惟综观两阶段的演算需求，都不必然需要启用GPU，故多数用户倾向搭建效能适中、经济实惠的储存池。

至于后段的模型训练和推论阶段，对效能的要求明显增高，皆需仰赖GPU算力，用户有必要配置支持NVIDIA GPU Direct Storage（GDS）协定的储存系统，使GPU直接读取数据，藉以降低延迟、实现高速平行运算。

吴铭哲说，另由于不同模型，适用图档、影像、音讯、文字不同数据型态，数据量差异甚大，所需数据空间大小当然不同。基本上除文字型态的模型外，其余大型训练工作皆需数百TB以上空间，单靠本机磁碟（Local Disk）并不足以承载，须部署外部分享式储存设备。此外，仅靠本机磁碟对专案的管理及资源调配共享也非常困难。

为满足各类情境对储存效能、空间、成本的不同需求，HPE悉心设计3套AI储存方案。首先是HPE GreenLake for File Storage（GL4F），HPE透过VAST的技术移转而催生GL4F操作系统，再将它搭载于新一代HPE Alletra Storage MP。GL4F采用独特DASE（Disaggregated Shared-Everything）架构，便于用户依实际需要分别扩充控制器节点、储存节点，享有最大扩展弹性。

值得一提GL4F支持Similarity演算法，针对HPC数据或已压缩过的数据（如MPEG-4、JPEG），仍发挥2:1到3:1压缩比的减量效果，使All Flash成本趋近HDD-based阵列，加上广泛支持GDS、NFS、SMB、S3多元协定，得以达到效能与成本完美平衡，全面承载AI四大工作阶段。

其二是兼具大数据量、中低速性能、节省总拥有成本（TCO）诉求的Qumulo方案；HPE将Qumulo软件整合于验证过的自家储存设备，让用户能以SSD快取搭配HDD储存的配比结构，结合标准NFS存取协定，既可维持一定效能、又能降低建置成本，最适合承担数据收集与准备任务。

第三则是为支持GDS协定、主打高速运算诉求的Weka方案，HPE将Weka软件整合在经过认证的全快闪阵列，组成Turnkey搭售组合，内含已配置完成的网络节点与软件，帮助用户快速搭建高速平行存取架构，满足模型训练与推论作业需求。萧舜华强调，不论Qumulo或Weka方案，后续均由HPE扮演单一支持窗口。

藉由统一数据平台，消弭数据搬移负担

某金控业者建立模型开发区，由模型服务器利用NFS、S3或CSI协定存取后端Teradata、Hadoop／Object的大数据，再经过数据集整理与整合后，展开训练工作。

该业者考量数据拖拉耗时，往往一等就是数小时，故委请HPE协助建立一个能整合训练环境的统一数据平台。为此HPE规划以Ezmeral Unified Analytics为核心搭建数据平台计算层，同时部署Shared Storage，让不同GPU服务器、不同Project共同存取至单一数据平台。针对数据收集与准备，HPE拟以Qumulo或Ezmeral Data Fabric打造高性价比的大数据共享区；另以HPE GL4F构筑高速存取环境，支持AI/ML模型训练与推论，或GenAI的RAG、LLM训练等重度任务。

总之在数据为王时代，大数据是AI的关键燃料。因此HPE透过多元AI储存方案，协助企业轻易实现效能、扩充性与成本的均衡，顺势强化AI 生命周期管理效能，孕育伟大的智能创新应用。