Ugur Tigli, Giám đốc kỹ thuật tại MinIO – Loạt phỏng vấn

Ugur Tigli là Giám đốc kỹ thuật tại MinIO, nhà lãnh đạo trong lĩnh vực lưu trữ đối tượng hiệu suất cao cho Trí tuệ nhân tạo. Với vai trò là Giám đốc kỹ thuật, Ugur giúp khách hàng thiết kế và triển khai cơ sở hạ tầng dữ liệu doanh nghiệp cấp độ doanh nghiệp, được thúc đẩy bởi API, bản địa đám mây và có khả năng mở rộng bằng MinIO.

Bạn có thể mô tả hành trình của mình để trở thành Giám đốc kỹ thuật của MinIO và cách kinh nghiệm của bạn đã định hình phương pháp tiếp cận của bạn đối với Trí tuệ nhân tạo và cơ sở hạ tầng dữ liệu?

Tôi bắt đầu sự nghiệp của mình trong lĩnh vực kỹ thuật cơ sở hạ tầng tại Merrill Lynch với vai trò quản trị viên sao lưu và phục hồi. Tôi tiếp tục chấp nhận những thách thức khác nhau và các vị trí kỹ thuật khác nhau. Tôi gia nhập Bank of America (BAC ) thông qua việc mua lại Merrill Lynch, nơi tôi là phó chủ tịch bộ phận kỹ thuật lưu trữ. Tuy nhiên, vai trò của tôi đã mở rộng để bao gồm kỹ thuật máy tính và kỹ thuật trung tâm dữ liệu.

Trong quá trình làm việc, tôi cũng đã làm việc với các công ty đầu tư mạo hiểm (VC) và các công ty trong danh mục đầu tư của họ để đưa công nghệ mới nhất và tuyệt vời nhất. Trong một cuộc họp với General Catalyst, tôi đã được giới thiệu về ý tưởng và những người đứng sau MinIO. Nó hấp dẫn tôi vì cách họ tiếp cận cơ sở hạ tầng dữ liệu – khác với mọi người khác trên thị trường. Công ty đã nhận ra tầm quan trọng của cửa hàng đối tượng và các API tiêu chuẩn mà các ứng dụng đang bắt đầu. Trong những năm đó, họ có thể dự đoán tương lai của tính toán và Trí tuệ nhân tạo trước bất kỳ ai khác hoặc thậm chí trước khi nó được gọi là ngày nay. Tôi muốn trở thành một phần của việc thực hiện tầm nhìn đó và xây dựng điều gì đó thực sự độc đáo. MinIO hiện là cửa hàng đối tượng được triển khai rộng rãi nhất trên hành tinh.

Tác động của các vai trò trước đây và kinh nghiệm của tôi đối với cách tôi tiếp cận các công nghệ mới, đặc biệt là Trí tuệ nhân tạo và cơ sở hạ tầng dữ liệu, cũng chỉ đơn giản là sự tích lũy của nhiều dự án tôi đã tham gia thông qua nhiều năm hỗ trợ các nhóm ứng dụng trong một công ty dịch vụ tài chính đòi hỏi cao.

Từ những ngày băng thông mạng hạn chế, dẫn đến công nghệ Hadoop là công nghệ mới nhất 15 năm trước, đến các công nghệ truyền thông dữ liệu khác nhau từ Hard Disk Drive (HDD) đến Solid State Drive (SSD), nhiều thay đổi công nghệ này đã định hình quan điểm hiện tại của tôi về hệ sinh thái Trí tuệ nhân tạo và cơ sở hạ tầng dữ liệu.

MinIO được công nhận vì khả năng lưu trữ đối tượng hiệu suất cao. Làm thế nào MinIO đáp ứng nhu cầu của các doanh nghiệp thúc đẩy bởi Trí tuệ nhân tạo ngày nay?

Khi AB và Garima đang hình thành MinIO, ưu tiên đầu tiên của họ là suy nghĩ về một tuyên bố vấn đề – họ biết dữ liệu sẽ tiếp tục tăng trưởng và các công nghệ lưu trữ hiện có không tương thích với sự tăng trưởng đó. Sự xuất hiện nhanh chóng của Trí tuệ nhân tạo đã làm cho tầm nhìn thị trường của họ trở thành hiện thực. Kể từ đó, lưu trữ đối tượng đã trở thành nền tảng cho cơ sở hạ tầng Trí tuệ nhân tạo (tất cả các LLM lớn như OpenAI và Anthropic đều được xây dựng trên các cửa hàng đối tượng), và trung tâm dữ liệu hiện đại được xây dựng trên nền tảng lưu trữ đối tượng.

MinIO gần đây đã ra mắt một nền tảng lưu trữ đối tượng mới với các tính năng cấp doanh nghiệp quan trọng để hỗ trợ các tổ chức trong các sáng kiến Trí tuệ nhân tạo của họ: Cửa hàng đối tượng doanh nghiệp MinIO. Nó được thiết kế cho hiệu suất và khả năng mở rộng của các công việc Trí tuệ nhân tạo lớn và cho phép khách hàng giải quyết các thách thức liên quan đến hàng tỷ đối tượng một cách dễ dàng hơn, cũng như hàng trăm nghìn hoạt động mã hóa mỗi giây trên mỗi nút. Nó có sáu tính năng thương mại mới nhắm vào các thách thức hoạt động và kỹ thuật chính mà các công việc Trí tuệ nhân tạo phải đối mặt: Catalog (giải quyết vấn đề về không gian tên và tìm kiếm siêu dữ liệu của cửa hàng đối tượng), Firewall (được thiết kế riêng cho dữ liệu), Hệ thống quản lý khóa (giải quyết vấn đề khi đối phó với hàng tỷ khóa mã hóa), Cache (hoạt động như một dịch vụ缓存), Observability (cho phép quản trị viên xem tất cả các thành phần hệ thống trên mọi phiên bản) và cuối cùng, Console doanh nghiệp (hỗ trợ như một cửa sổ duy nhất cho tất cả các phiên bản của MinIO).

Xử lý Trí tuệ nhân tạo ở quy mô lớn đang trở nên quan trọng hơn. Bạn có thể giải thích tại sao điều này là trường hợp và làm thế nào MinIO đáp ứng các yêu cầu này cho cơ sở hạ tầng dữ liệu Trí tuệ nhân tạo hiện đại?

Hầu như mọi thứ các tổ chức xây dựng hiện nay đều trên lưu trữ đối tượng, điều này sẽ chỉ tăng tốc khi những người chạy cơ sở hạ tầng với thiết bị sẽ gặp phải một rào cản trong thời đại của các hồ dữ liệu hiện đại và Trí tuệ nhân tạo. Các tổ chức đang xem xét các cơ sở hạ tầng mới để quản lý tất cả dữ liệu đi vào hệ thống của họ và sau đó xây dựng các ứng dụng hướng dữ liệu trên đó – điều này yêu cầu khả năng mở rộng và linh hoạt phi thường mà chỉ lưu trữ đối tượng mới có thể hỗ trợ. Đó là nơi MinIO tham gia và tại sao công ty đã luôn đứng đầu trong cuộc cạnh tranh vì nó được thiết kế cho những gì Trí tuệ nhân tạo cần – lưu trữ khối lượng dữ liệu lớn và cung cấp hiệu suất ở quy mô lớn.

Tương tự như nhu cầu học máy (ML) trong các thế hệ Trí tuệ nhân tạo trước đây, dữ liệu và các hồ dữ liệu hiện đại đã trở thành chìa khóa cho thành công của bất kỳ dự án “Trí tuệ nhân tạo dự đoán” nào. Tuy nhiên, với sự tiến bộ của “Trí tuệ nhân tạo tạo” (generative AI), phong cảnh này đã mở rộng để bao gồm nhiều thành phần khác, chẳng hạn như dữ liệu Trí tuệ nhân tạo vận hành, đường ống tài liệu và các mô hình cơ bản.

Tất cả các thành phần bổ sung này sử dụng lưu trữ đối tượng và hầu hết chúng đều tích hợp trực tiếp với MinIO. Ví dụ, Milvus, một cơ sở dữ liệu vector, sử dụng MinIO và nhiều công cụ truy vấn hiện đại tích hợp với MinIO thông qua API S3.

Trí tuệ nhân tạo nợ kỹ thuật đang trở thành một mối quan ngại ngày càng tăng đối với nhiều tổ chức. Những chiến lược nào mà MinIO sử dụng để giúp khách hàng tránh vấn đề này, đặc biệt là về việc sử dụng GPU một cách hiệu quả hơn?

Một chuỗi chỉ mạnh như mắt xích yếu nhất – và cơ sở hạ tầng Trí tuệ nhân tạo/học máy của bạn chỉ nhanh như thành phần chậm nhất. Nếu bạn đào tạo các mô hình học máy với GPU, mắt xích yếu của bạn có thể là giải pháp lưu trữ của bạn. Kết quả là những gì tôi gọi là “Vấn đề GPU đói”. Vấn đề GPU đói xảy ra khi giải pháp mạng hoặc lưu trữ của bạn không thể cung cấp dữ liệu đào tạo cho logic đào tạo của bạn đủ nhanh để tận dụng đầy đủ GPU của bạn, khiến cho sức mạnh tính toán quý giá bị bỏ phí. Điều mà các tổ chức có thể làm để tận dụng đầy đủ GPU của mình là trước tiên hiểu các dấu hiệu của kiến trúc dữ liệu kém và cách nó có thể trực tiếp dẫn đến việc sử dụng Trí tuệ nhân tạo không hiệu quả. Để tránh nợ kỹ thuật, các công ty phải thay đổi cách họ nhìn (và lưu trữ) dữ liệu.

Các tổ chức có thể thiết lập một giải pháp lưu trữ nằm trong cùng một trung tâm dữ liệu với cơ sở hạ tầng tính toán của họ. Lý tưởng nhất, điều này sẽ nằm trong cùng một cụm với máy tính của bạn. Bởi vì MinIO là một giải pháp lưu trữ được định nghĩa bằng phần mềm, nó có khả năng cung cấp hiệu suất cần thiết để nuôi các GPU đói – một benchmark gần đây đạt được 325 GiB/s trên GET và 165 GiB/s trên PUT với chỉ 32 nút của NVMe SSD ngoài hộp.

Bạn có một nền tảng phong phú trong việc tạo ra các cơ sở hạ tầng dữ liệu hiệu suất cao cho các tổ chức tài chính toàn cầu. Những kinh nghiệm này ảnh hưởng đến công việc của bạn tại MinIO như thế nào, đặc biệt là trong việc thiết kế các giải pháp cho nhu cầu ngành đa dạng?

Tôi đã giúp xây dựng đám mây riêng đầu tiên cho Bank of America và sáng kiến này đã tiết kiệm hàng tỷ đô la bằng cách cung cấp các tính năng và chức năng có sẵn trong đám mây công cộng bên trong với chi phí thấp hơn. Không chỉ sáng kiến lớn này mà nhiều yêu cầu ứng dụng đa dạng khác mà tôi đã làm việc tại BofA Merrill Lynch đã định hình công việc của tôi tại MinIO khi nói đến việc thiết kế các giải pháp cho khách hàng của chúng tôi ngày nay.

Ví dụ, việc học hỏi theo cách “sai” hoặc “khó” đã làm việc với nhóm xây dựng các cụm Hadoop chỉ sử dụng các thành phần lưu trữ dữ liệu của máy chủ trong khi giữ cho CPU của máy chủ dưới mức sử dụng hoặc gần như không hoạt động. Các ví dụ hoặc bài học đơn giản như vậy đã cho phép tôi sử dụng các giải pháp dữ liệu và tính toán phân tách trong cơ sở hạ tầng dữ liệu hiện đại ngày nay trong khi giúp khách hàng và đối tác của chúng tôi, những giải pháp này về mặt kỹ thuật tốt hơn và chi phí thấp hơn khi sử dụng công nghệ mạng băng thông cao và lưu trữ đối tượng hiệu suất cao như MinIO và bất kỳ công cụ truy vấn hoặc xử lý nào.

Mô hình đám mây lai trình bày các thách thức và phức tạp duy nhất. Bạn có thể thảo luận về những điều này chi tiết và giải thích cách mô hình “bùng nổ” đám mây của MinIO giúp kiểm soát chi phí đám mây một cách hiệu quả?

Đi đa đám mây không nên dẫn đến việc bơm phồng ngân sách CNTT và không thể đạt được các cột mốc – nó nên giúp quản lý chi phí và tăng tốc đường dẫn của một tổ chức. Một điều cần xem xét là sự quay trở lại đám mây – thực tế là việc chuyển các hoạt động từ đám mây sang cơ sở hạ tầng trên cơ sở có thể dẫn đến tiết kiệm chi phí đáng kể, tùy thuộc vào trường hợp, và bạn nên luôn xem đám mây như một mô hình hoạt động, không phải là điểm đến. Ví dụ, các tổ chức khởi động các trường hợp GPU nhưng sau đó dành thời gian để xử lý trước dữ liệu để phù hợp với GPU. Điều này lãng phí thời gian và tiền bạc quý giá – các tổ chức cần tối ưu hóa tốt hơn bằng cách chọn các công nghệ bản địa đám mây và quan trọng hơn, các công nghệ di động đám mây có thể mở khóa sức mạnh của đa đám mây mà không có chi phí đáng kể. Sử dụng các nguyên tắc mô hình hoạt động đám mây đầu tiên và tuân thủ khuôn khổ đó cung cấp sự linh hoạt để thích ứng với các yêu cầu hoạt động thay đổi.

Các giải pháp bản địa Kubernetes là rất quan trọng đối với cơ sở hạ tầng hiện đại. Làm thế nào tích hợp của MinIO với Kubernetes tăng cường khả năng mở rộng và linh hoạt của nó cho cơ sở hạ tầng dữ liệu Trí tuệ nhân tạo?

MinIO là bản địa Kubernetes theo thiết kế và tương thích S3 từ khi thành lập. Các nhà phát triển có thể nhanh chóng triển khai lưu trữ đối tượng vĩnh viễn cho tất cả các ứng dụng bản địa đám mây của họ. Sự kết hợp giữa MinIO và Kubernetes cung cấp một nền tảng mạnh mẽ cho phép các ứng dụng mở rộng trên mọi cơ sở hạ tầng đa đám mây và đám mây lai và vẫn được quản lý và bảo mật tập trung, tránh bị khóa trong đám mây công cộng.

Với Kubernetes là động cơ của nó, MinIO có thể chạy ở bất cứ nơi nào Kubernetes chạy – điều này, trong thế giới đám mây bản địa/Trí tuệ nhân tạo hiện đại, về cơ bản là mọi nơi.

Nhìn về tương lai, những phát triển hoặc cải tiến nào mà người dùng có thể mong đợi từ MinIO trong bối cảnh cơ sở hạ tầng dữ liệu Trí tuệ nhân tạo?

Các đối tác và ra mắt sản phẩm gần đây của chúng tôi là một dấu hiệu cho thị trường rằng chúng tôi không chậm lại bất cứ lúc nào và chúng tôi sẽ tiếp tục thúc đẩy nơi nó có ý nghĩa cho khách hàng của chúng tôi. Ví dụ, chúng tôi gần đây đã hợp tác với Carahsoft để đưa danh mục lưu trữ đối tượng được định nghĩa bằng phần mềm của MinIO đến các lĩnh vực Chính phủ, Quốc phòng, Tình báo và Giáo dục. Điều này cho phép các tổ chức thuộc khu vực công xây dựng bất kỳ cơ sở hạ tầng dữ liệu đa dạng nào, từ các hồ dữ liệu hiện đại rộng lớn đến các giải pháp lưu trữ dữ liệu dành riêng cho nhiệm vụ tại các điểm tự trị. Cùng nhau, chúng tôi đang đưa những giải pháp độc đáo, tiên tiến này đến khách hàng thuộc khu vực công, giúp họ giải quyết các thách thức cơ sở hạ tầng dữ liệu một cách dễ dàng và hiệu quả. Đối tác này diễn ra vào thời điểm có một động lực tăng cường để cho phép khu vực công trở nên sẵn sàng cho Trí tuệ nhân tạo, với các yêu cầu OMB gần đây cho rằng tất cả các cơ quan liên bang cần một sĩ quan Trí tuệ nhân tạo trưởng (trong số những thứ khác). Tổng thể, đối tác này giúp củng cố tư thế Trí tuệ nhân tạo của ngành và cung cấp cho khu vực công các công cụ quý giá cần thiết để thành công.

Ngoài ra, MinIO được định vị rất tốt cho tương lai. Cơ sở hạ tầng dữ liệu Trí tuệ nhân tạo vẫn còn trong giai đoạn sơ sinh. Nhiều lĩnh vực của nó sẽ trở nên rõ ràng hơn trong vài năm tới. Ví dụ, hầu hết các doanh nghiệp sẽ muốn sử dụng dữ liệu và tài liệu độc quyền của họ với các mô hình cơ bản và Tái tạo Tăng cường Truyền hồi (RAG). Việc tích hợp thêm vào mô hình triển khai này sẽ dễ dàng cho MinIO vì tất cả các lựa chọn kiến trúc và mô hình triển khai này đều có một điều chung – tất cả dữ liệu đó đã được lưu trữ trên MinIO.

Cuối cùng, cho các nhà lãnh đạo công nghệ muốn xây dựng hoặc nâng cao cơ sở hạ tầng dữ liệu của họ cho Trí tuệ nhân tạo, bạn sẽ đưa ra lời khuyên gì dựa trên kinh nghiệm và thông tin chi tiết của bạn tại MinIO?

Để làm cho bất kỳ sáng kiến Trí tuệ nhân tạo nào thành công, có ba yếu tố chính mà bạn phải tuân thủ: có dữ liệu phù hợp, cơ sở hạ tầng phù hợp và các ứng dụng phù hợp. Điều này thực sự bắt đầu bằng việc hiểu những gì bạn cần – đừng đi mua GPU đắt tiền chỉ vì bạn sợ bỏ lỡ con tàu Trí tuệ nhân tạo. Tôi tin chắc rằng các chiến lược Trí tuệ nhân tạo doanh nghiệp sẽ thất bại vào năm 2024 nếu các tổ chức chỉ tập trung vào các mô hình chính và không phải là dữ liệu. Nghĩ về mô hình xuống so với dữ liệu lên là một sai lầm quan trọng – bạn phải bắt đầu với dữ liệu. Xây dựng một cơ sở hạ tầng dữ liệu phù hợp. Sau đó, hãy nghĩ về các mô hình của bạn. Khi các tổ chức chuyển sang kiến trúc Trí tuệ nhân tạo đầu tiên, điều quan trọng là cơ sở hạ tầng dữ liệu của bạn phải kích hoạt dữ liệu của bạn – không bị ràng buộc.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập MinIO.