人工知能時代のデータストレージの未来

人工知能時代のデータストレージの未来

2024 年は、テクノロジーとデータの状況に大きな変化が起こる年になると予想されています。生成 AI がより利用しやすくなるにつれて、データ ストレージ ソリューションが中心的な役割を担うようになり、AI アプリケーションの成功が促進され、データ センター インフラストラクチャに革命が起こります。ハード ドライブ技術が進歩するにつれ、企業は容量の増加によるメリットを享受できるだけでなく、持続可能性においても大きな進歩を遂げ、デジタル世界のより環境に優しい未来を確実に実現できるようになります。

2023 年初頭の 5% 未満から、2026 年までに 80% を超える企業が生成 AI を活用すると予測されています。組織の 55% が AI を試験的に導入しているか、本番環境で使用しており、今後 2 年以内に、生成 AI が全データに占める割合が現在の 1% 未満から 10% に増加すると予想されます。

データの増加により、データセンターや企業は高密度ハードドライブストレージを導入してデータの価値を将来にわたって保証し、生のデータセットだけでなく、AI や LLM (大規模言語モデル) 処理によって生成された洞察も保存する必要に迫られるでしょう。

企業の将来には、人工知能、機械学習、ディープラーニング モデルを教育するための運用データの蓄積も必要になります。ますます多くの企業が、独自の情報を活用して競争上の優位性を獲得するために、内部および外部のデータソースを使用したモデルのトレーニングに重点を置くようになると予想されます。

AI主導の取り組みはIT支出の増加にもつながり、企業が生産性と効率性を高めるためにAI主導の改善を通じて競争上の優位性を求める中、ハイパースケールテクノロジー大手はAIプログラムの成熟をサポートするためにクラウド容量への投資を加速し、エンタープライズ部門でのデータストレージの需要を増やすことが予想されます。

一方、データセンター インフラストラクチャ部門では、ハード ディスク ドライブの面密度の大幅な向上により、2024 年に大きな変化が見られると思われます。クラウド データ センターのデータの約 90% はハード ドライブに保存されているため、データ センター インフラストラクチャが自然な更新サイクルに近づくにつれて、古くて容量の少ないハード ドライブが、容量の大きいものに置き換えられることが予想されます。

HAMR(熱補助磁気記録)テクノロジーの出現により、2024 年までにデータ センター ストレージに革命が起こるでしょう。現在、従来の PMR テクノロジーに基づくハード ドライブの平均容量は 16 TB です。対照的に、HAMR テクノロジーにより、データ センター管理者は 30 TB の高密度ドライブを導入できるようになり、CPU、RAM 使用量、さらには床面積の削減を含め、電力とスペースを大幅に節約し、総所有コスト (TCO) を大幅に効率化できます。 HAMR テクノロジーは、より耐久性とエネルギー効率に優れたストレージを通じて、データセンター運営者が二酸化炭素排出量をさらに削減するのにも役立ちます。

それでも、データセンターでは、データの急激な増加により、2024 年まで大容量ハードドライブの需要が高まり、フラッシュとの相乗効果により、最新のワークロードが引き続きサポートされます。ハードディスク ストレージは、同等のオールフラッシュ ソリューションの 5 分の 1 未満のビットあたりのコストで大量のデータ ストレージを提供します。この価値のギャップにより、今後 10 年間は 2 つのテクノロジが共存することになります。

<<:  PyTorch を使用した Mixture of Experts (MoE) モデルの実装

>>:  PyTorch と NumPy の徹底比較! ! !

ブログ    

推薦する

人工知能は本当に人間の仕事を置き換えるのでしょうか?

今年に入ってから、新型コロナウイルス感染症の継続的な感染拡大により世界的に景気が低迷し、多くの国や地...

ロボットが任務中、「無人配達」の裏にある苦闘と暗闘

[[230225]]本レポートでは、無人配送業界の変化、その台頭理由、中国と米国の違いについて詳細に...

スマートリテール特別セッションの登録が開始されました。Baidu Brainが上海でAI+リテールの新たな活用法について議論します。

小売業と聞いて何を思い浮かべますか?独身の日のお買い物ラッシュ?クリスマス カーニバル?それとも階下...

数行のコードでUNetが安定!中山大学などが提案したScaleLong拡散モデル:スケーリングへの疑問からスケーリングへ

標準の UNet 構造では、ロング スキップ接続のスケーリング係数は通常 1 です。ただし、Imag...

家庭用ロボットを作り、独自の研究開発の道を歩む

ロボットを作ることは私の子供の頃からの夢でした。 2011年に私はハルビン工業大学に入学し、そこが私...

ドローンによる空中撮影は野生の人々に迷惑をかけている、問題解決の鍵はここにある

[[416193]]近年、民間ドローンの急速な発展に伴い、航空写真撮影市場におけるドローンの応用はま...

.Netガベージコレクションメカニズムはアルゴリズムと世代の年齢を理解します

ガベージ コレクターは基本的に、すべてのオブジェクトが参照されている場所を追跡し、オブジェクトが参照...

...

...

...

...

...

Ray で効率的なディープラーニング データ パイプラインを作成する

ディープラーニング モデルのトレーニングに使用される GPU は強力ですが、高価です。 GPU を効...

Angel: 新しい分散型機械学習システム

Angel は、パラメータ サーバーの概念に基づいた分散型機械学習フレームワークであり、機械学習アル...