QSAN推出全新企業級AI資料解決方案 助力AI落地實際應用

地端部署（On-Premises）AI能讓企業更有效掌控敏感資料、系統效能與治理機制。然而，部署GPU與 AI模型只是第一步。要讓AI真正落地並融入日常業務，企業需要建構一套能讓使用者輕鬆存取AI資源、協助IT團隊永續管理，並可因應業務需求持續擴充的資料環境。

讓AI真正融入企業日常應用

AI要實現大規模落地，關鍵不僅在於強大的運算能力。當AI應用從概念驗證（PoC）進入實際部署階段，應用團隊需要在不同工作流程中存取與共享資料集及模型；同時，IT團隊也必須管理快速成長的資料量，並兼顧效能、治理與營運簡易性。

這也帶來實際的資料管理挑戰。進行中的模型訓練與推論工作負載需要高速資料存取；共享資料必須確保適當的使用者與應用程式能夠即時存取；而歷史資料則需要長期保存，同時避免佔用高成本的高效能儲存資源。

針對上述需求，QSAN建構企業級AI資料策略，支援從初始部署到長期日常運作的完整資料生命週期。

共享且GPU就緒的AI資料存取

當AI團隊需要擷取大量資料、進行模型訓練，並在不同應用程式之間共享資料集時，資料存取效能很容易成為整體運算效率的瓶頸。

QSAN XN5 NVMe統一儲存系列可作為AI資料共享層（AI Data Share Layer），透過多協定NFS與S3 存取能力，集中管理資料集、模型與應用程式資料。此外，支援NVIDIA GPUDirect Storage，可為高負載GPU工作負載建立更有效率的資料傳輸路徑，讓AI團隊以共用資料基礎架構支援不同工作流程。

高效能NVMe容量擴充

隨著模型訓練資料集持續擴大，以及AI工作負載規模不斷提升，企業需要在擴充儲存容量的同時，維持使用中AI工作負載所需的即時資料存取效能。

XE5採用JBOF架構，提供高效能NVMe容量擴充能力，協助企業因應日益增加的模型訓練與推論需求，並支援包括RAG（Retrieval-Augmented Generation）部署與Checkpoint儲存等AI工作負載。

兼具成本效益的冷資料層

QSAN NVMe產品陣容亦提供獨特的混合式AI資料架構，在維持資料存取效率的同時，進一步兼顧長期資料保存的成本效益。

XD5系列JBOD可作為具成本效益的冷資料層（Cold Data Layer），用於儲存歷史資料集、已完成的專案、備份副本及需要長期保存的資料。透過分層資料架構，企業能在容量、資料韌性與成本之間取得平衡，同時將高效能儲存資源保留給使用中的AI工作負載。

實際AI環境驗證，滿足高負載訓練需求

上述成果有助於AI團隊持續為GPU提供所需資料、更快速地恢復模型訓練狀態，並讓資料集能夠在檔案與物件儲存工作流程之間共享，同時降低對運算工作的干擾。

建構支援企業AI成長的完整資料基礎架構

要讓在地部署AI真正落地企業應用，關鍵不只是增加GPU或擴充儲存容量，而是建立一套完整的資料架構，將高效能資料存取、無縫資料共享、可擴充的NVMe儲存，以及具成本效益的長期資料保存能力整合至完整的AI資料生命週期。

透過XN5與XE5，QSAN將上述架構整合為實用的企業級AI資料基礎架構。從資料擷取、模型訓練，到 RAG部署、推論、Checkpoint儲存及長期資料保存，QSAN協助企業打造能滿足現今AI應用效能需求，並具備面向未來擴充能力的AI環境。

了解更多。