

人工智慧 (AI) 的發展與深度學習計畫中,非結構化資料扮演著最關鍵的角色 。然而,企業正面臨影片、音檔、圖片等資料暴增的嚴峻挑戰 。本文將帶您深入了解 Quantum ActiveScale 物件儲存 (Object Storage) 解決方案,看它如何協助企業建構低成本的私有雲與海量資料湖 (Data Lake),在妥善保存數據的同時,順暢推動 AI 模型的訓練,創造獨特的商業優勢 。
在引進人工智慧 (AI) 與大數據分析的過程中,企業與資訊科技 (IT) 部門往往會遇到以下瓶頸:
預算跟不上資料暴增的速度:
商業環境中產生了大量高解析度影片、數位影像與感測器資料 。這些非結構化資料的體積比傳統資料庫龐大許多,傳統儲存方案的擴充成本極高,讓預算難以負荷 。
AI 資料管線 (Pipeline) 管理極度複雜:
從前端的資料收集、攝取,到後端的模型訓練與部署,每個階段對儲存效能的要求都不同,要完美銜接並管理整個生命週期非常困難 。
公有雲的高昂「下傳」代價:
許多企業為了節省空間,將大量冷資料搬上雲端。但當 AI 團隊需要頻繁調用這些資料來訓練模型時,往往會被公有雲收取高昂的資料輸出 (Egress) 費用與還原費用,導致數據被「綁架」 。
為了解決上述痛點,Quantum 推出的 ActiveScale 平台具備了以下強大優勢:
大幅壓低總擁有成本 (TCO):
ActiveScale 提供了 Active(活躍)與 Cold(冷)兩種儲存層級,透過將不常存取的資料放入冷儲存,最高可為企業節省 80% 的儲存成本 。更棒的是,當您需要將冷資料調回活躍層進行 AI 分析時,不需要支付任何額外的存取或還原費用 。
擴充容量時「無須重新平衡 (Rebalance)」:
傳統儲存設備在增加硬碟時,往往需要耗費大量運算資源來重新搬移、平衡資料。ActiveScale 擁有專利的動態資料配置 (Dynamic Data Placement, DDP) 演算法,增加新節點時資源會立即上線分擔負載,完全不需要執行拖垮效能的重新平衡作業 。
堅若磐石的資料耐用性與資安防護:
提供高達 19 個 9 (99.99999999999999999%) 的資料耐用度 。系統不僅具備端對端加密 ,還支援物件鎖定 (Object Lock) 功能,能防止資料被刪除或竄改,有效抵禦勒索病毒的威脅,並符合「一寫多讀 (WORM)」的法規要求 。
無縫接軌現代應用與工作流:
支援標準的簡易儲存服務 (S3) 相容應用程式介面 (API),無論是既有的備份軟體,或是最新的 AI 分析應用,都能輕鬆整合寫入資料 。
落實「分層儲存」,把好鋼用在刀刃上:
我們強烈建議客戶不要把所有的資料都堆在昂貴的全快閃固態硬碟 (All-Flash NVMe/SSD) 上。面對 AI 工作負載,您應該建立金字塔型的儲存架構 :將需要極高每秒輸出入作業 (IOPS) 與頻寬的「熱資料」,放在 Quantum Myriad 或 StorNext 系統上處理 ;而海量的訓練素材與「冷資料」,則透過自動化策略搬移到成本最低的 ActiveScale 物件儲存中 。
善用獨家數據,打造「專屬資料湖」:
企業要建立無法被輕易複製的 AI 競爭力,關鍵在於使用「自己的獨特資料」來訓練模型 。ActiveScale 支援無限制的橫向擴充(最高可達艾位元組 EB 等級) ,非常適合作為企業內部私有雲的核心,讓您以最低成本安全地保存龐大資料湖 。
擺脫雲端綁架,實現資料自由:
我們建議客戶在混合雲策略中,將核心的數據庫建置在本地端 (On-premise) 的 ActiveScale。這樣一來,資料科學團隊就能隨時隨地探勘、分析數據,不用時刻擔心超支的雲端下傳費用 。
Q1:ActiveScale 主要適用於哪些產業的客戶?
A1: 只要有大量非結構化資料儲存需求的產業都非常適合。特別是生命科學與地球科學(研究模擬、醫療影像)、製造業(產線高解析度品管影像分析),以及媒體娛樂業(影音內容庫)等 。
Q2:如果硬碟壞了,ActiveScale 的修復過程會不會影響公司運作?
A2: 不會的。ActiveScale 內建了動態資料修復 (Dynamic Data Repair, DDR) 機制,它會在背景持續監控並自我修復受損資料。這個修復過程甚至不需要等待人員立即更換實體硬碟,讓硬體維護變成例行公事,不再是緊急狀況 。
Q3:我們的客戶已經習慣使用公有雲的 S3 服務,轉換到 ActiveScale 會很困難嗎?
A3: 非常簡單。ActiveScale 完全支援 S3 標準與 S3 Glacier 相容的應用程式介面 (API) 。因此,原本寫入公有雲的應用程式,通常只需要修改指向的端點 (Endpoint) 網址,就能無縫切換到公司內部的 ActiveScale。