معرفی Everpure Data Stream؛ شتابدهنده جدید برای خطوط داده هوش مصنوعی سازمانی
- کاهش زمان آمادهسازی: تبدیل فرآیند طولانی چند ماهه آمادهسازی دادهها به چند دقیقه.
- مبتنی بر معماری انویدیا: بهرهگیری از طراحی مرجع AI Data Platform انویدیا و شتابدهندههای گرافیکی.
- امنیت و دسترسی: ایجاد سطح دسترسی دقیق برای حفظ امنیت دادهها در استفادههای هوش مصنوعی.
- یکپارچگی بالا: ادغام فناوریهایی مانند FlashBlade و Portworx برای مقیاسپذیری بهتر و جلوگیری از پراکندگی دادهها.
شرکت Everpure از عرضه پلتفرم جدید خود با نام Everpure Data Stream خبر داد. این محصول که بر پایه طراحی مرجع پلتفرم داده هوش مصنوعی انویدیا (NVIDIA AI Data Platform) ساخته شده، با هدف نزدیکتر کردن پردازشهای هوش مصنوعی به دادههای سازمانی روانه بازار شده است. این راهکار به مشکلات رایج سازمانها مانند آمادهسازی دادهها، امنیت و توسعهپذیری زیرساختها میپردازد و بخشی از استراتژی گسترده Everpure برای ارائه دادههای آمادهِ هوش مصنوعی است.
از فاز آزمایش تا عملیات؛ چالشهای پیش روی سازمانها
وقتی سازمانها از مرحله آزمایش هوش مصنوعی عبور کرده و میخواهند آن را به صورت واقعی و عملیاتی پیاده کنند، با موانع بزرگی روبرو میشوند. جمعآوری و آمادهسازی دادههای شرکت، اعمال قوانین امنیتی و بزرگتر کردن زیرساختها برای پاسخگویی به نیازهای روزافزون هوش مصنوعی، کار سادهای نیست.
طبق گفته Everpure، پلتفرم Data Stream میتواند فرآیند آمادهسازی دادهها را که پیش از این ماهها زمان میبرد، به چند دقیقه کاهش دهد. همزمان، کنترلهای دقیقی روی دسترسی به دادهها اعمال میشود تا اطلاعات محرمانه از چارچوب شرکت خارج نشوند. علاوه بر این، معماری منعطف این سیستم اجازه میدهد تا با رشد نیازهای هوش مصنوعی، بخش ذخیرهسازی (Storage) و پردازش (Compute) را به صورت کاملاً مستقل از هم بزرگتر کرد.
رابرت لی (Robert Lee)، مدیر ارشد فناوری Everpure میگوید: «سازمانهایی که در حال ساخت پلتفرمهای هوش مصنوعی هستند، به معماریهای انعطافپذیری نیاز دارند که هم راهاندازی سریعی داشته باشند و هم در درازمدت قابل توسعه باشند. آنها به خطوط دادهای پرسرعت و امن نیاز دارند تا زمان رسیدن به نتیجه را کاهش دهند.»
هوشمندی دادهها؛ پلی میان اطلاعات خام و هوش مصنوعی
شرکت Everpure، پلتفرم Data Stream را به عنوان بخشی از یک راهحل جامع میبیند که وظیفهاش آماده کردن اطلاعات خام سازمان برای استفاده در هوش مصنوعی است. آنها معتقدند دادهها قبل از اینکه به درد آموزش مدلها، استنتاج (Inference) یا دستیارهای هوشمند (Agentic AI) بخورند، باید دستهبندی، ایمنسازی و قانونگذاری شوند.
یک بخش کلیدی از این فرآیند، سرویس Everpure Data Intelligence (که قبلاً 1touch نام داشت) است. این پلتفرم دادههای سازمان را در برنامههای ابری (SaaS)، سرورهای محلی و سیستمهای قدیمی پیدا کرده و دستهبندی میکند. سپس ارتباط بین این دادهها را به شکل یک گراف استخراج میکند که از طریق رابطهای برنامهنویسی (API) در دسترس است.
این پلتفرم همچنین سیاستهای امنیتی و دسترسیهای خاصی را اعمال میکند تا وقتی مدلهای هوش مصنوعی در حال خواندن اطلاعات تجاری هستند، خیال سازمان از بابت امنیت و حفظ حریم خصوصی راحت باشد.
تسریع پردازش دادهها با قدرت کارتهای گرافیک (GPU)
پلتفرم Data Stream روی معماری پیشنهادی انویدیا (NVIDIA AI Data Platform) بنا شده است تا فرآیند تبدیل دادههای نامنظم سازمان به اطلاعاتِ قابلفهم برای هوش مصنوعی را ساده کند. این سیستم به جای اتکا به روشهای دستی و کندِ جمعآوری داده، از یک خط لوله که با کارتهای گرافیک (GPU) شتاب گرفته، استفاده میکند.
جیسون هاردی (Jason Hardy)، معاون بخش فناوری ذخیرهسازی انویدیا، در این باره میگوید: «زیرساختهای مدرن هوش مصنوعی نیازمند معماریهایی هستند که دادههای امن سازمانی را مستقیماً به منابع پردازشی قدرتمند متصل کنند. همکاری Everpure با پلتفرم انویدیا دقیقاً به همین منظور شکل گرفته تا پروژههای هوش مصنوعی را از روی کاغذ به مرحله اجرای واقعی برساند.»
علاوه بر این، Everpure اعلام کرد که در حال کار روی نسل بعدی حافظههای بومیِ هوش مصنوعی است که بر اساس فناوریهای NVIDIA Vera و پردازنده ذخیرهسازی NVIDIA BlueField-4 STX ساخته میشوند. هدف این است که با افزایش استفاده از دستیارهای هوشمند، سرعت و امنیت بیشتری مستقیماً در محل نگهداری دادهها فراهم شود.
مقیاسپذیری بدون دغدغه؛ از FlashBlade تا Portworx
برای رفع مشکل کندی استوریجها که میتواند باعث افت سرعت در فرآیند آموزش هوش مصنوعی شود، Everpure سختافزار FlashBlade را به عنوان پایه و اساس Data Stream معرفی کرده است. این سختافزار، دسترسی به دادهها را با کمترین تاخیر ممکن میسازد و از فناوری شتابدهنده کش (KV Cache Accelerator) برای استفاده بهتر از حافظه سیستم در زمان پاسخگویی هوش مصنوعی استفاده میکند.
به لطف معماری Evergreen این شرکت، سازمانها میتوانند بدون نیاز به جابجایی دردسرساز اطلاعات، سیستمهای خود را از مدلهای پایه (مثل FlashBlade//S) به مدلهای فوقسریع (FlashBlade//EXA) ارتقا دهند. در کنار آن، پلتفرم Portworx وظیفه مدیریت کانتینرها را در محیطهای مختلف (از دیتاسنتر گرفته تا لبه شبکه) بر عهده دارد.
طبق یک نظرسنجی جدید از مؤسسه IDC، حدود ۹۴ درصد از مدیران فناوری معتقدند که «کیفیت دادهها» مهمترین عامل موفقیت در پروژههای هوش مصنوعی است. Everpure با این راهحل یکپارچه تلاش میکند تا مشکل پراکندگی دادهها را حل کرده و به سازمانها انعطافپذیری لازم برای پیشرفت را بدهد.
تحلیل اختصاصی آلفاتک: چرا کیفیت دادهها از خود هوش مصنوعی مهمتر است؟
بسیاری از سازمانها فکر میکنند خرید کارتهای گرافیک گرانقیمت یا استفاده از بهترین مدلهای زبانی، کلید موفقیت در هوش مصنوعی است. اما واقعیت این است که هوش مصنوعی دقیقاً بازتابی از دادههایی است که به آن میدهید (همان قانون معروف “داده بیکیفیت وارد شود، نتیجه بیکیفیت خارج میشود”). حرکت استراتژیک شرکتی مثل Everpure در توسعه پلتفرمی مانند Data Stream نشان میدهد که گلوگاه اصلیِ فعلی در دیتاسنترها، قدرت پردازش نیست؛ بلکه توانایی طبقهبندی، پاکسازی و انتقال امن دادهها به سمت پردازندههاست. ترکیب نرمافزارهای مدیریت داده با سختافزارهای شتابدهنده شبکه (مانند BlueField-4 انویدیا)، قدم بزرگی برای حذف همین گلوگاهها در پروژههای سازمانی محسوب میشود.


