Candida Valois 是 Scality 的美洲地区首席技术官，Scality 是对象存储和云存储的世界领先者。Candida 是一位具有 20+ 年 IT 经验的 IT 专家，曾在各个行业的架构、软件开发、服务和销售领域工作。她热衷于技术，并致力于提供有价值的解决方案。
作者：Candida Valois，Scality 美洲区首席技术官，ScalityML 和 AI 的采用速度很快，这并不令人惊讶，因为它的许多用例都预示着商业洞察和行业转型。普华永道预测，到 2030 年，AI 可能会为全球经济贡献近 16 万亿美元。这相当于当地经济的 GDP 增加 26%。这些技术需要大量的非结构化数据来运行，这些数据通常以视频、图像、文本和语音的形式存在。这种类型的工作负载需要一种新的数据存储方法；旧方法是不够的。随着这种工作负载的出现，应用程序需要更快地访问大量数据 – 这些数据是在云端、边缘和本地创建的。这些密集的工作负载需要低延迟、支持不同类型和大小的有效载荷的能力，以及线性扩展的能力。需要一种新的数据交付方法，这种方法是应用程序为中心的，而不是位置或技术为中心。随着 AI/ML 和分析的大规模采用，企业 IT 领导者需要在数据管理和存储方面进行重大转变。处理所有文件大小在 AI/ML 工作负载和数据存储方面，组织需要一种可以处理不同类型工作负载的解决方案，无论是小文件还是大文件。在某些情况下，您可能需要处理几十个 terabyte，而在其他情况下，则有很多 petabyte。不所有解决方案都适用于大文件，就像不是所有解决方案都可以处理非常小的文件一样。诀窍是找到一种可以灵活地处理两种文件的解决方案。可扩展性至关重要为了确保准确性和速度，组织需要大量的数据集，因为这就是 AI/ML 算法需要来正确训练底层模型的东西。组织希望在容量和性能方面增长，但往往被传统的存储解决方案所阻碍。当他们尝试线性扩展时，他们无法做到。AI/ML...
