現在、多くの組織は、人工知能(AI)、機械学習(ML)、および高度な分析によってもたらされる事業機会を捉えながら、データ・ストレージ・インフラストラクチャーをモダナイズしています。一方、世界中に散在するデータやワークロード、AIのトレーニングや推論ワークロードにより多くの時間がかかる中、リソース、特にグラフィック・プロセッシング・ユニット(GPU)が高価かつ希少という課題があります。
これらの課題に対処するには、分散ファイルおよびオブジェクト・ストレージ・システムに保存されている大量の非構造化データへの高速アクセスが必要です。IBM Storageには、組織の要件を満たすように設計された3つのソリューションがあります。
ダウンタイムを制限またはゼロにすることで、高いパフォーマンス、低遅延、管理されたデータ・アクセスを維持しながら、大規模にデータを提供します。
より多くのデータとワークロードを、エッジ、オンプレミス、クラウド環境で実行できる1つのプラットフォームに統合します。
データとワークロードを適切な人と適切なタイミングで共有することで、労働力の生産性を高め、コピーを減らし、リソース利用を改善します。
既存のIT投資と統合される単一のスケーラブルなプラットフォームでデータとアプリケーション・サービスを管理することで、これらを一元化します。
パフォーマンスを損なうことなく拡大縮小およびスケールイン・スケールアウトが可能な統一された柔軟なストレージ・プラットフォームを用いて、アプリケーションとデータの拡散を削減します。
セキュリティ機能とランサムウェア保護機能の統合により、アプリケーションとデータを保護し、侵害や攻撃からの迅速な回復を可能にします。
AI、機械学習、ハイパフォーマンス・コンピューティングのワークロードに特化して設計された、スケールアウト可能なファイルおよびオブジェクト指向のソフトウェア定義ストレージ・プラットフォームを活用します。
オールフラッシュ、ハイブリッドかつ柔軟性のあるコンピューティングおよびストレージの構成要素を活用し、持続可能なITアーキテクチャー内でIBM Storage Scale向けの高性能クラスターを構築します。
ブロック、ファイル、オブジェクト・ストレージのニーズに応えるために設計されたオープンソースのソフトウェア定義ストレージ・ソリューションを活用し、現代の企業が直面する汎用ワークロードに対応します。
Continental Automotive AGは、自動運転ソリューションのAIトレーニング時間を数週間から数日へと大幅に短縮しつつ、毎月のディープラーニングの実験回数を14倍に増やしています。
バーミンガム大学は、コスト削減とコンプライアンス要件の支援を行いつつ、数千人の研究者が重大な課題に対する解決策をより速く見つける手助けをしています。
クイーンズランド大学は、医療画像解析のランタイムを74%高速化するなど、画像集約型ワークロードおよびAIワークロードを加速し、最先端の研究を支援しています。
Baiduは、コールド・データ用の旧来のディスク・ストレージをIBM® TS4500 Tape LibraryおよびIBM Storage Scaleソフトウェアに置き換えることで、データ・コンプライアンス要件を満たしつつコストを削減し効率を向上させています。