光纤通道提供了满足AI发展的技术能力，64G FC是数据密集型AI应用的支柱。
人工智能 (AI) 和机器学习 (ML) 训练工作负载的兴起正在改变数据中心基础设施。人工智能对带宽、低延迟和一致性能的持续需求给传统存储和网络技术带来了压力。这正是 64G 光纤通道 (FC) 发挥作用的地方，它提供了满足人工智能日益增长的需求所需的技术能力。64G FC 是数据密集型人工智能应用的骨干，可确保无缝运行并具有卓越的性能、可靠性和可扩展性。
企业需要人工智能，就像人工智能需要光纤通道 (FC) 数据一样。企业市场对人工智能的依赖程度与对云服务的依赖程度非常相似；两者对于解决关键业务功能（例如加速软件开发、设计 ASIC、创建文档、提供客户支持等）都至关重要。企业可以像云服务一样训练和部署模型。他们可以使用开源平台和社区来托管机器学习模型，作为基础，在安全的企业沙箱中，在企业数据的光纤通道副本上训练他们的模型。这些模型可以进行微调并部署到现有的生产数据上，充当推理引擎来增强业务功能。
如何利用FC数据实现企业AI解决方案
企业 AI 应用人工智能技术来应对业务挑战、改善运营并促进大型组织内的创新。与实验性或以消费者为中心的 AI 不同，企业 AI 旨在无缝集成到企业级工作流程中，利用现有数据和系统来提供可衡量的成果。
企业 AI 用例
- 用户体验：人工智能聊天机器人、定制营销和情绪分析
- 预测性维护： 识别并解决制造或基础设施问题
- 欺诈识别： 发现金融交易异常的先进模型
- 劳动力优化： 人工智能调度、资源分配和分析
- 供应链优化：预测需求、优化库存、简化物流
- 产品推荐：基于客户浏览分析、人口统计等。
- 风险评估： 使用预测分析
- 决策支持系统： 分析数据集以提供管理见解
企业 AI 与大规模 AI 的区别在于，企业 AI 可以根据特定业务需求定制预训练模型。这种方法强调高效的数据处理、安全集成和快速推理，而不是漫长的训练周期。
企业 AI 正在改变行业，从制造业的预测性维护到个性化的客户体验。用例通常涉及实时处理大型数据集，需要强大的存储网络。通过利用光纤通道，企业可以确保其 AI 环境以最小的中断和最高的效率提供可操作的见解，支持整个 AI 活动范围。
光纤通道的技术优势
光纤通道的技术特性（例如无损数据传输、五个九 (99.999%) 可靠性、专用带宽和可扩展性）使其特别适合企业环境。光纤通道可保证可预测的性能，这是任务关键型应用程序的基本要求。64G FC 和 FC-NVMe 的推出进一步增强了这些优势，通过加倍吞吐量并提供跨 FC SAN 的闪存存储超快速访问，同时保持 FC 所著称的完整性和可靠性。高效协议和可靠错误管理的结合使 FC 成为需要高性能、可靠数据操作的企业环境的基石技术。
光纤通道技术的主要优势包括：
- 确定性性能： FC 确保无损环境中的一致延迟，以有效支持大规模推理工作负载
- 对于视频分析和医疗诊断等实时人工智能应用至关重要
- 64G FC：企业实现每端口高达 12,800 MB/s 的吞吐量
- 高级协议： FC-NVMe 消除了传统瓶颈
- 提供高效的 I/O 操作
- 充分利用 NVMe 存储的潜力
- 错误处理： FC 采用先进的基于硬件的动态纠错技术
- 确保数据完整性并最大程度减少关键操作期间的中断
AI 工作负载需要一个能够管理训练和推理需求，同时确保正常运行时间和可靠性的存储网络。光纤通道的技术优势与这些需求无缝契合，提供企业 AI 部署所必需的性能、可预测性和可扩展性。通过采用光纤通道，企业可以放心地扩展其 AI 计划，而无需担心存储网络瓶颈。这些优势共同最大限度地减少了将企业数据传输到替代 AI 数据池和结构的需要。
光纤通道与企业 AI：完美搭配
FC 在 AI 生命周期中的作用
光纤通道可在整个生命周期内增强企业 AI 工作负载。它可确保在准备期间数据集的高吞吐量、在训练期间的高吞吐量 IOPS 以及在推理期间的低延迟。其强大的架构可确保高可用性并减少中断，从而促进 AI 生命周期各个阶段之间的无缝过渡。
AI Lifecycle 中的光纤通道功能包括：
- 数据收集和准备：将 PB 级的训练数据整理成合适的格式
- FC 已经成为当前企业基础设施的一部分
- FC 可确保大规模数据集提取的高吞吐量，并具有可靠性，保证不会丢失数据
- 培训：使用大量数据集和公司数据通过迭代算法优化模型
- FC-NVMe 提升 NVMe SSD 性能，实现超快速存储访问
- FC 确保更快的模型训练周转
- 部署和推理：轻松部署到企业基础设施中
- 采用定制模型解决实际企业问题并进行快速预测
- FC 的低延迟数据访问可实现实时推理，这对于欺诈检测至关重要
通过以无损和可扩展的方式将企业 FC 存储设备互连到企业 AI 计算节点，光纤通道可确保 AI 生命周期的每个阶段都无缝运行。
光纤通道为 RAG 集群提供规模和性能
集群对于 AI 基础设施至关重要，能够以可扩展且高效的方式处理大量数据集。集群由互连节点组成，支持并行处理，从而实现更快的计算。光纤通道 (FC) 通过提供可扩展的高性能存储来实现无缝扩展，从而增强 AI 训练集群。
检索增强生成 (RAG) 将 AI 与外部数据检索相结合，以提高准确性和相关性。通过动态整合特定领域或实时数据，RAG 弥补了静态模型知识与最新信息之间的差距，非常适合客户支持和文档摘要等应用。
将 FC 与 RAG 框架集成可提高性能，以低延迟、高吞吐量访问大型数据集，同时扩展对其他存储的访问。FC 的可靠性可确保一致的数据检索，而与 NVMe 存储的兼容性可提高响应能力。这种集成可提供可扩展的尖端 AI 解决方案，这些解决方案针对苛刻的环境进行了优化。
结语
光纤通道是一种存储网络解决方案，也是生成式企业 AI 和 ML 训练操作的战略推动者。随着工作负载变得越来越复杂，FC-NVMe 和 64G FC 等创新使组织能够优化所有阶段的 AI 管道：数据准备、模型训练和实时推理。光纤通道使企业能够确保其基础设施面向未来，同时利用现有投资来部署企业 AI，以发掘新的业务见解和机会。
光纤通道的无损特性可保证数据完整性，而其低延迟、高可靠性和无与伦比的可扩展性使存储网络能够跟上 AI 工作负载不断增长的需求。无论是支持检索增强生成 (RAG) 等动态框架还是支持大型训练集群，光纤通道都能提供可扩展的高性能主干，从而促进创新和运营效率。
随着企业利用人工智能，光纤通道将继续处于领先地位，提供具有精确度和性能的变革性解决方案。
本报告由 Marvell 赞助。 本报告中表达的所有观点和意见均基于我们对所考虑产品的公正看法。
参与 StorageReview
电子报 | YouTube | 播客 iTunes/Spotify | Instagram | Twitter | TikTok | RSS订阅
