人工智能的时代即将到来，基础设施提供商也开始采取行动，他们正在更新其系统来支持生成式AI工作负载。

在TechTarget企业战略小组于2023年8月进行的一项研究中，54%的受访者表示，他们预计在未来12个月内将实施生成式AI计划。

对于AI，就像很多新工作负载或新兴工作负载一样，这需要一定程度的基础设施现代化，所以，最初的预测是很多企业将转向公共云服务。

然而，人工智能提供的价值与它所利用的数据质量有关。对于现代企业来说，数据无处不在：在云端、本地和边缘。随着围绕AI业务潜能的热情逐渐平息，企业正在将重点转移到数据安全、隐私和地点考虑上。

换句话说，企业希望确保人工智能的安全性，然后才会专注于发挥其价值。随着对数据使用风险的担忧增加，企业越来越多地将本地基础设施纳入人工智能对话中。因此，在未来，支持AI工作负载的基础设施将是跨越内部和外部环境的混合环境。

最近，TechTarget企业战略小组的分析师Simon Robinson发表了关于在人工智能时代重新思考企业存储的重要性的专栏《It’s time to rethink enterprise storage for the AI era》。该专栏是基于最近Pure Storage举办的Pure Accelerate大会上的几项公告，该大会涵盖了该公司的平台方法及其最近对Pure Fusion的增强功能。

混合云AI成功的关键功能是一致性。人工智能时代将要求企业更有效地识别、管理和利用数据，无论其位置如何。在基础设施方面，这意味着IT管理员和构建AI工作负载的开发人员团队的管理一致性、性能的一致性和经验的一致性。

这里的底线是，在AI方面没有足够的专业技能，一致性是减少跨多个系统和位置的运行应用程序环境的运营负担的最佳方法之一。Pure Fusion和Pure Storage的平台方法有助于实现这种一致性。

Pure的AI基础设施更新

除了Pure Fusion公告外，Pure Storage还分享了在2024年底前获得Nvidia DGX SuperPod认证的计划。认证已迅速成为人工智能培训环境的必备要求，因为认证有助于验证存储可以提供高效数据访问和处理所需的高吞吐量和低延迟。

Pure还推出了一种新的存储即服务产品，Evergreen One，专为人工智能设计。作为该产品的一部分，Pure Storage保证了GPU的存储性能水平，以支持人工智能培训和推理工作负载。在实现基础设施现代化以优化人工智能时，最大限度地提高GPU利用率，对于控制成本至关重要。这项新服务旨在为人工智能工作负载的存储延迟提供更大的一致性和可预测性，以帮助控制人工智能基础设施部署的成本。

该公司还分享了在存储层集成安全多租户的计划。此功能使Kubernetes容器管理与安全的多租户和策略治理相结合，以更好地控制和实现人工智能环境中的数据集成。Pure Storage的意图是帮助使存储基础设施对应用程序所有者保持一致和透明。

准备基础设施以支持AI

随着AI和生成式AI即将改变业务的方方面面，几乎每个IT基础设施和存储提供商都在寻求更好地为企业提供AI工作负载服务。除Pure Storage外，多家存储提供商还宣布了Nvidia DGX SuperPod认证计划，包括DDN、Dell、NetApp、IBM、Weka和Vast Data。

然而，随着企业在使用AI工作负载方面逐渐成熟，仅仅提供足够的性能是不够的。企业将更加关注如何减少管理和维护基础设施、数据、模型和应用程序的运营负担。

一致性（或者理想情况下，体验的透明度）将变得越来越有价值。为此，Pure Storage的Fusion增强功能、其Evergreen//One for AI及其安全多租户的集成都是本地基础设施需要提供的一致性和透明度水平的例子，以便能够提供与公共云替代品相当的现代基础设施堆栈。换句话说，基础设施不仅必须简化IT的工作，还必须简化应用程序开发人员和所有者的工作。

AI要求、模型和数据集在不断发展，这里还会需要可以根据特定用例需求轻松定制的系统。在拥挤的人工智能存储提供商领域，Pure Storage强调了企业存储和本地基础设施需要共同发展才能在人工智能时代竞争。