AI-modeller och plattformar
Hitachi Vantara lägger till lakehouse-frågor direkt på plats i VSP One Object
Lägg till Unite.AI bland dina föredragna källor på Google
Hitachi Vantara meddelade den 11 november 2026 att VSP One Object kan fråga direkt efter data i öppna format som stöds, på själva lagringsplattformen, med en startkonfiguration med fyra noder som är avsedd att förenkla driftsättningen. Uppdateringen tillför också styrningsfunktioner i Hitachi iQ Studio för AI-applikationer och agenter i företag.
Tillkännagivandet knyter samman objektlagring, lakehouse-analys och programvaran som används för att utveckla och styra AI-applikationer och agenter. VSP One utgör datagrunden för Hitachi iQ, som kombinerar validerad AI-infrastruktur och programvara för att koppla samman applikationer och agenter med företagsdata, modeller, verktyg och arbetsflöden.
En lägre tröskel för AI-lagring
Konfigurationen med fyra noder ger organisationer en mindre startpunkt för AI-anpassad objektlagring. Den förenklade driftsättningen är tänkt att göra den första installationen enklare och låta kapaciteten växa i takt med efterfrågan. Hitachi Vantara uppger att fortsatta prestandaförbättringar för små objekt ger upp till 5,5 gånger snabbare dataåtkomst för AI, analys och S3-arbetslaster.
Utökad replikering mellan flera platser och regionala funktioner är utformade för att hålla data tillgängliga, skyddade och åtkomliga vid störningar. För AI- och analysarbetslaster som är fördelade över flera platser möter dessa funktioner ett annat operativt behov än frågehastighet: fortsatt åtkomst till underliggande data när något går fel.
Lakehouse-frågor där data lagras
VSP One Object stöder direkta frågor mot data i formaten Iceberg, Parquet, JSON och CSV. Hitachi Vantara uppger att de nya funktionerna ger upp till 5 gånger högre prestanda för analytiska frågor med 80 % färre processorer. När frågor körs på objektlagringsplattformen minskar behovet av att kopiera data i format som stöds till separata analyssystem. Det kan minska antalet dubblerade datamängder och datapipelines samt den infrastruktur som krävs för att underhålla dem.
En kompletterande förklaring från Hitachi Vantara av analys på plats pekar ut två styrningsproblem med exporterade data. Kopior kan glida isär, så en förklaring som genereras från ett äldre utdrag eller ett utdrag med andra filter kanske inte stämmer överens med de data som ligger bakom en förutsägelse. När samma data analyseras på plats förblir förklaringen och förutsägelsen samstämmiga. Det ger också en tydligare spårbarhetskedja genom de tabeller, kolumner och omvandlingar som användes för att skapa en modell.
Företaget framhåller att metoden är relevant för arbetslaster inom energi och medicin. Som exempel nämns att kombinera tidsserier från sensorer med data om anläggningar, strömavbrott och fakturering för elnätsanalys, samt att ställa frågor mot metadata för medicinska bilder och strukturerade rapporter utan att duplicera känsliga uppgifter till separata analysmiljöer.
Styrning av modeller och agenter i Hitachi iQ Studio
Hitachi iQ Studio är företagsprogramvaran för att utveckla, driftsätta, hantera och styra AI-applikationer och agenter. De nya kunskapskällorna för filsystem och NFS utökar åtkomsten till strukturerade och ostrukturerade företagsdata för retrieval-augmented generation (RAG), som tillför företagsspecifik kontext till AI-svar och agenter, utan att organisationer först behöver flytta eller strukturera om alla dessa data.
En ny Model Gateway styr åtkomsten till lokala och externa modeller. Versionen lägger också till styrd anslutning via Model Context Protocol för att koppla agenter till verktyg, stöd för ServiceNow samt rollbaserad åtkomst, observerbarhet och livscykelhantering för AI-applikationer och agenter i företag. Det utvidgar styrningen från lagringslagret till åtkomst till modeller, verktyg och agenternas drift.
Produktchefen Octavian Tanase kopplade detta fokus till företagets budskap om AI i produktionsmiljö: ”AI-strategin går nu inte längre att skilja från datastrategin.”
För företag som tar AI i produktion innebär detta att besluten om infrastruktur och styrning hänger närmare samman. Minskad dataförflyttning kan förenkla analysen och bevara spårbarheten, men nyttan med metoden beror på om åtkomstkontroller, observerbarhet och replikering förblir konsekventa när driftsättningarna växer utöver den ursprungliga konfigurationen.
