对象存储是 AI 和机器学习系统的首选存储介质，它可以存储大量非结构化和结构化数据，无论数据是什么格式。

对象存储有几个优点。例如，从数量上来看，它几乎是无限的，这对于通常涉及大量数据的 AI 和 ML 系统至关重要。尽管如此，它仍存在一些挑战，例如云管理的复杂性。

面向 AI 的对象存储的主要优势

对于 AI/ML 应用程序，找到正确的数据非常重要。元数据包含对象内容属性，元数据可帮助 AI/ML 系统查找所需的数据。标识符有助于查找正确的对象。

传统的文件和块存储格式通常用于事务性更强的应用程序。对象存储可处理大量数据，这些数据不一定需要快速和重复访问。这对 AI/ML 很重要，因为应用程序需要时间来学习其任务。随后，在提供答案之前，它需要检查大量数据。

对象存储的容量是最大的优势之一。对象内容可以包含几乎任何类型的数据文件，例如文本或视频。对于对象包含大量非结构化数据的情况，用户可能需要数据整理的过程，以将数据重建为 AI/ML 应用程序可以使用的格式。

对象存储可随着需求的变化而轻松扩展，特别是在AL/M系统中，用户管理大量不断变化的数据。企业还可以将对象存储在几乎任何地方，这就是为什么它们是云环境中的重要存储选项。用户可以轻松地在不同位置创建和存储多个副本，无论是在现场还是在云中。

潜在挑战

将大量数据存储为对象需要大量容量，这就是为什么云是一种重要的对象存储介质。但是，企业在将对象存储用于 AI 时必须考虑云成本。考虑到对象的大小，如果企业将多个对象存储在一个介质中，则位置可能需要一些时间。此过程可能会对网络带宽产生影响。

处理同一对象的多个用户可能会创建该对象的不同版本。每当更改对象时，都会自动创建一个新对象。然后，决定使用哪个版本的对象就变成了一个挑战。

当企业将对象存储在云中时，他们必须考虑有关云管理的问题，包括成本、安全性和服务级别。相比之下，现场存储可能不会出现这些问题，但所需的存储量（即使对对象进行数据压缩）也可能需要更昂贵的存储。

企业还必须考虑对象的安全性，例如谁获得访问权限。

其他注意事项

考虑企业将如何将对象存储用于 AI。在AI/ML应用程序中，主要考虑因素是数据，而不是 AI/ML 模型。

在此类决策中考虑对象存储与块和文件格式的业务考虑因素。管理员有责任充分了解对象存储的业务需求。