為什麼 AI 策略需要共享、非共享儲存架構並存

當企業將 AI 部署從核心機房延伸到邊緣端，破碎的系統和不成熟的資料治理，正阻礙著多數組織的進展。面對異質的工作負載，一體適用的傳統架構已無法解決問題。若 AI 藍圖超出儲存空間能力的負荷，真正關鍵不在於擴充容量，而是如何將最適切的架構，精準配置於 AI 生命週期的正確階段。

雖然這對某些人來說，可能代表必須在共用和非共用架構之間二選一；但真正理想的產品組合，是能同時善用這兩者優勢的彈性配置。

並非所有的 AI 工作負載都一模一樣

AI 流程並非單一的單體式程序。這是一趟從海量資料擷取、模型訓練，一路延伸至即時推論和在地化執行的旅程。每階段對組織的基礎架構，都有著截然不同的要求：

• 模型訓練（核心）：這需要大規模的平行處理和單一真實來源。在此，全共用儲存空間仍是經驗證的架構首選，能確保數千個 GPU 同時存取相同資料集。這不僅省去資料分片的額外負擔，更能有效防止 I/O 飢餓，維持運算資源的高利用率。
• 即時推論（邊緣端）：模型訓練完成後，必須部署在資料產生的前端。這正是「無共用架構」的優勢所在。藉由讓每個節點配置專屬的 CPU、記憶體和儲存空間，能將網路協調開銷降至最低，實現次毫秒級的極速回應，全面支援即時詐欺偵測、自主系統，或個人化客戶互動。

一體適用架構的代價

如果組織試圖在整個生命週期中強制推行單一架構，將會帶來什麼後果？這些成本往往隱而未現，直到直接衝擊公司的損益時，才會被察覺：

• 浪費的 GPU 支出： 若在核心階段完全依賴無共用架構，表示 GPU 耗費在等待資料分片和同步的時間將高於實際處理時間。在 GPU 資源極其珍貴的當下，這種 I/O 等待本質上就是一種燒錢的行為。
• 「愚鈍」的邊緣節點（或「失智」的邊緣）：相反地，若在邊緣推論時過度依賴集中式的共用儲存空間，將會造成單一故障點。一旦通往核心端的網路連線發生閃斷，即時 AI 系統就會隨之癱瘓。這將導致邊緣節點，因無法獨立運作而失去智慧功能，造成錯失商機、營運中斷。
• 架構債：在錯誤的基礎上擴展 AI，會導致日後必須付出高昂代價進行全面升級。當團隊意識到既有架構無法處理高並行性時，應用程式往往早已圍繞著該架構建構完畢。

雙架構的力量

依賴能同時提供無共用和全共用架構的單一供應商，可帶來超越單純硬體規格的策略優勢。

1. 特定工作負載的最佳化

藉由在核心階段採用全共用儲存空間進行訓練，可於在地化微服務或 NoSQL 資料庫中運用無共用儲存空間，您將能在每個層級，將效能發揮至極致。這種混合架構能讓您建構出高效能的資料湖倉，將儲存空間的簡便性、橫向擴充的運算能力完美結合。

2. 可預測的擴充性和韌性

無共用設計能讓容量和效能隨著邊緣端進行線性擴充。一旦在無共用環境中發生節點故障，該故障將被自動隔離，透過自動化復原機制，確保整體環境不受影響。

3. 營運靈活性

雙架構方法能有效避免全面升級的陷阱。您可以在專案初期，先在通用硬體上獨立部署無共用架構；隨著後設資料管理變得愈加複雜，再逐步過渡到共用陣列。正如 CDW 在混合雲儲存空間優勢概述中指出，這種彈性正符合更廣泛的混合雲儲存空間優勢，能全面兼顧可存取性、安全性和成本效益。

全共用、無共用架構的實務應用層面

想像一間全球零售商正利用 AI 來徹底顛覆購物體驗。在他們的轉型旅程中，需要兩種截然不同的架構優勢來共同支撐：

1. 在核心端（全共用儲存空間）： 該零售商在中央資料湖中，彙總數十億筆歷史交易和客戶行為的資料點。他們採用 VSP One 區塊和檔案儲存空間，為訓練複雜推薦引擎的大型 GPU 叢集提供強大支援。由於資料集已完全統一，GPU 能將時間專注於處理資料，無需耗費時間等待資料移動或同步。

2. 在邊緣端（無共用儲存空間）： 模型訓練完成後，會被推送至數千家獨立的分店。每家分店皆在 VSP One SDS 軟體定義儲存空間，執行在地端的執行個體。當客戶走進店內時，系統會直接在本地端處理即時視訊串流、感測器資料，提供即時庫存警示和個人化行動優惠。即使和總部的網路連線中斷，分店依然能維持智慧運作，因為無共用架構能提供完整的在地自主性。

VSP One 如何協助 AI 旅程

Hitachi Virtual Storage Platform One (VSP One) 產品組合專為串聯這兩種截然不同的架構而設計，讓您能針對特定工作負載部署最合適的工具：

• VSP One SDS 軟體定義儲存： 此產品將無共用原則完美應用於通用和混合雲環境中。這對於即時推論、邊緣運算和關鍵任務型的故障隔離而言，是極為理想的選擇；在這樣的環境下，節點層級的自主性能確保本地端故障絕不影響全域的資料可用性。
• VSP One Object：AI 資料湖的基礎。提供擷取和儲存空間推動模型開發大量非結構化資料所需的龐大、具成本效益的擴充性。
• VSP One 檔案和區塊：這些產品提供強大、低延遲的共用層，能完美支援模型訓練的繁重工作負載。特別是 VSP One 檔案儲存空間，在提供現代 AI 架構要求的高吞吐量存取方面，表現尤其卓越。
• VSP 360：作為營運的核心大腦，VSP 360 能在全共用、無共用部署環境中，提供統一管理和 AIOps 驅動的深入洞察力，為整個混合雲資產，打造單一整合管理介面。

架構決定 AI 成果

限制規模化 AI 的儲存空間挑戰是架構問題，而非漸進式問題。成功需要具備彈性，能在需要一致性時部署共用儲存空間，並在需要速度與自主性時部署無共用儲存空間。

準備好評估適用於您環境的正確架構了嗎？深入了解 VSP One 產品組合，其為 AI 和資料庫提供真正的無共用區塊架構。