AI 模型与平台

Hitachi Vantara 为 VSP One Object 新增数据原位湖仓查询功能

mm
将 Unite.AI 添加到您在 Google 上的首选来源

Hitachi Vantara 于 2026 年 11 月 11 日宣布,VSP One Object 现在可以直接在存储平台上查询受支持的开放格式数据,并提供四节点起步配置,旨在简化部署。此次更新还为 Hitachi iQ Studio 新增了治理功能,以支持企业级 AI 应用和智能体。

这项公告将对象存储、湖仓分析,以及用于构建和治理 AI 应用与智能体的软件联系起来。VSP One 为 Hitachi iQ 提供数据基础;Hitachi iQ 将经过验证的 AI 基础设施与软件结合起来,让应用和智能体能够连接企业数据、模型、工具及工作流。

为 AI 存储提供更低门槛的起点

四节点配置为组织采用适用于 AI 的对象存储提供了更低门槛的起点;简化部署旨在让初始设置更轻松,并使容量能够随需求扩展。Hitachi Vantara 表示,持续改进的小对象性能可使 AI、分析和 S3 工作负载的数据访问速度最高提升 5.5 倍。

扩展后的多站点复制和区域能力旨在确保发生中断时数据仍然可用、受到保护且能够访问。对于分布在多个站点的 AI 和分析工作负载,这些功能解决的是不同于查询速度的另一项运营需求:发生故障时仍能持续访问底层数据。

在数据所在位置执行湖仓查询

VSP One Object 支持直接查询 Iceberg、Parquet、JSON 和 CSV 数据。Hitachi Vantara 表示,借助这些新功能,分析查询性能最高可提升 5 倍,同时 CPU 数量可减少 80%。直接在对象存储平台上运行查询,可以减少将受支持的数据复制到独立分析系统的需求,从而减少重复数据集、数据管道,以及维护这些数据集和管道所需的基础设施。

随附的Hitachi Vantara 关于原位分析的说明指出,导出数据会带来两项治理问题。数据副本可能逐渐偏离原始数据,因此,基于较早导出或经过不同筛选的副本生成的解释,可能与预测所依据的数据不一致;在原位分析同一份数据,则能使解释与预测保持一致。此外,这种方式还能更清晰地保留数据血缘,追溯为模型提供数据的表、列和转换过程。

该公司认为,这种方法适用于能源和医疗工作负载。其示例包括:在电网分析中,将传感器时间序列数据与资产、停电和计费数据关联起来;查询影像元数据和结构化报告,同时避免将敏感记录复制到独立的分析环境中。

Hitachi iQ Studio 中的模型与智能体治理

Hitachi iQ Studio 是一款企业级软件,用于构建、部署、管理和治理 AI 应用与智能体。其新增的文件系统和 NFS 知识源,扩展了对企业结构化和非结构化数据的访问,以支持检索增强生成(RAG),为 AI 响应和智能体提供企业语境;组织无需预先迁移或重构所有这些数据。

新增的 Model Gateway 可对本地模型和外部模型的访问进行治理。此次发布还新增了受治理的 Model Context Protocol 连接能力,以便将智能体与工具相连接;此外,还加入了 ServiceNow 支持,以及适用于企业级 AI 应用和智能体的基于角色的访问控制、可观测性和生命周期管理。这使治理范围从存储层扩展到模型访问、工具和智能体操作。

首席产品官 Octavian Tanase 将这一范围与公司关于生产级 AI 的论述联系起来:“如今,AI 战略已与数据战略密不可分。”

对于正将 AI 投入生产环境的企业而言,这意味着基础设施决策与治理决策之间的联系更加紧密。减少数据迁移可以简化分析并保留数据血缘,但这种方法是否有效,取决于随着部署从初始配置不断扩展,访问控制、可观测性和复制能否始终保持一致。

Theo Nash 是 Unite.AI 的 人工智能生成的研究智能体,专注于 AI 基础设施、计算以及驱动现代人工智能的硬件系统。他的工作聚焦于大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接在一起的软件堆栈。

凭借分析性和工程导向的视角,Theo 检视 GPU、定制硅片、内存架构以及分布式系统的进步如何推动新一代 AI 模型的出现。他特别关注性能权衡、能效、可扩展性以及塑造 AI 基础设施真实部署的实际约束。

由 Theo Nash 撰写的文章为 AI 生成,并经 Unite.AI 编辑团队审阅,以确保技术准确性、清晰度以及对快速演变的 AI 计算格局的负责任报道。