एआई मॉडल और प्लेटफ़ॉर्म
Hitachi Vantara ने VSP One Object में इन-प्लेस लेकहाउस क्वेरी की सुविधा जोड़ी
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
Hitachi Vantara ने 11 नवंबर, 2026 को घोषणा की कि VSP One Object स्टोरेज प्लेटफ़ॉर्म पर ही समर्थित ओपन-फ़ॉर्मैट डेटा को सीधे क्वेरी कर सकता है। इसकी चार-नोड वाली शुरुआती कॉन्फ़िगरेशन का उद्देश्य तैनाती को आसान बनाना है। इस अपडेट में एंटरप्राइज़ AI एप्लिकेशन और एजेंट के लिए Hitachi iQ Studio में गवर्नेंस सुविधाएँ भी जोड़ी गई हैं।
इस घोषणा में ऑब्जेक्ट स्टोरेज, लेकहाउस एनालिटिक्स और AI एप्लिकेशन व एजेंट बनाने तथा उनका शासन करने वाले सॉफ़्टवेयर को एक साथ जोड़ा गया है। VSP One, Hitachi iQ के लिए डेटा का आधार उपलब्ध कराता है। Hitachi iQ सत्यापित AI इन्फ़्रास्ट्रक्चर और सॉफ़्टवेयर को मिलाकर एप्लिकेशन और एजेंट को एंटरप्राइज़ डेटा, मॉडल, टूल और वर्कफ़्लो से जोड़ता है।
AI स्टोरेज के लिए छोटा शुरुआती विकल्प
चार-नोड वाली कॉन्फ़िगरेशन संगठनों को AI के लिए तैयार ऑब्जेक्ट स्टोरेज शुरू करने का छोटा विकल्प देती है। सरल तैनाती से शुरुआती सेटअप आसान होने और मांग के अनुसार क्षमता बढ़ाने में मदद मिलने की अपेक्षा है। Hitachi Vantara के अनुसार, छोटे ऑब्जेक्ट के प्रदर्शन में लगातार किए गए सुधार AI, एनालिटिक्स और S3 वर्कलोड के लिए डेटा तक 5.5 गुना तेज़ पहुँच देते हैं।
कई साइटों पर विस्तारित प्रतिकृति और क्षेत्रीय क्षमताओं को इस तरह बनाया गया है कि व्यवधानों के दौरान डेटा उपलब्ध, सुरक्षित और सुलभ बना रहे। कई साइटों पर फैले AI और एनालिटिक्स वर्कलोड के लिए ये सुविधाएँ क्वेरी की गति से अलग, एक अन्य परिचालन ज़रूरत पूरी करती हैं: किसी गड़बड़ी की स्थिति में भी अंतर्निहित डेटा तक पहुँच बनाए रखना।
डेटा जहाँ मौजूद है, वहीं लेकहाउस क्वेरी
VSP One Object, Iceberg, Parquet, JSON और CSV डेटा पर सीधे क्वेरी करने की सुविधा देता है। Hitachi Vantara के अनुसार, इन नई क्षमताओं से विश्लेषणात्मक क्वेरी का प्रदर्शन 5 गुना तक तेज़ होता है और इसके लिए 80% कम CPU की ज़रूरत पड़ती है। ऑब्जेक्ट-स्टोरेज प्लेटफ़ॉर्म पर ही क्वेरी चलाने से समर्थित डेटा को अलग एनालिटिक्स सिस्टम में कॉपी करने की आवश्यकता घटती है। इससे एक ही डेटा की कई प्रतियाँ, डेटा पाइपलाइन और उन्हें बनाए रखने के लिए ज़रूरी इन्फ़्रास्ट्रक्चर कम हो सकते हैं।
इन-प्लेस एनालिटिक्स पर Hitachi Vantara की साथ में दी गई व्याख्या एक्सपोर्ट किए गए डेटा से जुड़ी गवर्नेंस की दो समस्याएँ बताती है। डेटा की प्रतियाँ समय के साथ मूल डेटा से अलग हो सकती हैं। इसलिए, पुराने या अलग तरह से फ़िल्टर किए गए डेटा-निष्कर्ष से तैयार की गई व्याख्या, किसी अनुमान के पीछे मौजूद डेटा से मेल नहीं खा सकती। उसी डेटा का वहीं विश्लेषण करने से व्याख्या और अनुमान में तालमेल बना रहता है। इससे उन तालिकाओं, कॉलम और रूपांतरणों का अधिक स्पष्ट वंशावली-क्रम भी सुरक्षित रहता है, जिनका उपयोग मॉडल को तैयार करने में हुआ था।
कंपनी इस तरीके को ऊर्जा और चिकित्सा क्षेत्र के वर्कलोड के लिए उपयोगी बताती है। इसके उदाहरणों में, बिजली ग्रिड के विश्लेषण के लिए सेंसर की समय-श्रृंखला को परिसंपत्ति, बिजली कटौती और बिलिंग डेटा के साथ जोड़ना; और संवेदनशील रिकॉर्ड की अलग एनालिटिक्स परिवेशों में प्रतियाँ बनाए बिना, इमेजिंग मेटाडेटा और संरचित रिपोर्टों को क्वेरी करना शामिल है।
Hitachi iQ Studio में मॉडल और एजेंट का गवर्नेंस
Hitachi iQ Studio, AI एप्लिकेशन और एजेंट बनाने, तैनात करने, प्रबंधित करने और उनका शासन करने के लिए एंटरप्राइज़ सॉफ़्टवेयर है। इसमें जोड़े गए फ़ाइल सिस्टम और NFS ज्ञान-स्रोत, पुनर्प्राप्ति-संवर्धित सृजन (RAG) के लिए संरचित और असंरचित एंटरप्राइज़ डेटा तक पहुँच बढ़ाते हैं। RAG, AI के जवाबों और एजेंट को एंटरप्राइज़ संदर्भ उपलब्ध कराता है। इससे पहले संगठन को यह सारा डेटा स्थानांतरित करने या उसकी संरचना बदलने की ज़रूरत नहीं पड़ती।
नया Model Gateway स्थानीय और बाहरी मॉडल तक पहुँच का शासन करता है। इस रिलीज़ में एजेंट को टूल से जोड़ने के लिए नियंत्रित Model Context Protocol कनेक्टिविटी, ServiceNow सपोर्ट, और एंटरप्राइज़ AI एप्लिकेशन व एजेंट के लिए भूमिका-आधारित पहुँच, निगरानी-क्षमता तथा जीवनचक्र प्रबंधन भी शामिल हैं। इससे गवर्नेंस का दायरा स्टोरेज स्तर से आगे बढ़कर मॉडल तक पहुँच, टूल और एजेंट के संचालन तक पहुँचता है।
मुख्य उत्पाद अधिकारी Octavian Tanase ने इस दायरे को कंपनी के प्रोडक्शन AI संबंधी संदेश से जोड़ा: “AI रणनीति अब डेटा रणनीति से अलग नहीं की जा सकती।”
AI को प्रोडक्शन में ले जा रहे उद्यमों के लिए इसका नतीजा यह है कि इन्फ़्रास्ट्रक्चर और गवर्नेंस से जुड़े फ़ैसले एक-दूसरे से अधिक निकटता से जुड़ जाते हैं। डेटा का स्थानांतरण घटाने से एनालिटिक्स सरल हो सकता है और डेटा की वंशावली सुरक्षित रह सकती है। लेकिन इस तरीके की उपयोगिता इस बात पर निर्भर करती है कि तैनाती शुरुआती कॉन्फ़िगरेशन से आगे बढ़ने पर भी पहुँच नियंत्रण, निगरानी-क्षमता और प्रतिकृति में तालमेल बना रहे।
