Supermicro Open Storage Summit ’26

Die Speicherung von KI-Inferenzdaten erfordert einen Kompromiss zwischen Leistung und Kosten. Um die angestrebte Leistung innerhalb des Budgetrahmens zu erreichen, sind sorgfältige Planung und die Auswahl der optimalen Speichertechnologie für jede Aufgabe notwendig. Die Kombination eines leistungsstarken parallelen Dateisystems mit All-Flash-Speicher und einer Objektspeicherebene, die primär auf Festplatten basiert, bietet sowohl hohe Leistung als auch optimierte Speicherkapazität. TCO Diese Session bringt führende Experten aus den Bereichen Datei- und Objektspeicherung, Flash-Speicher, Festplatten und CPUs von WEKA, Scality, Samsung Semiconductor, WD und anderen zusammen. Supermicro um zu beschreiben, wie alles in einer ausgeklügelten Lösung zusammenwirkt.

Während sie typischerweise gängige KI-Hardware und -Software verwenden, haben Branchen wie Finanzdienstleistungen, Life Sciences/Pharma und Fertigung spezifische Anforderungen, unter anderem hinsichtlich Reaktionszeiten, Daten und Arbeitsabläufen. In dieser Podiumsdiskussion mit DDN , Kioxia, WD und Supermicro Die Referenten untersuchen Finanzmarkttransaktionen und Genomik-Workflows als Beispiele dafür, wie die Software, SSD Und HDD Es werden Speichermedien sowie Systemanforderungen behandelt und Gemeinsamkeiten und Unterschiede herausgearbeitet.

Wie alle IT-Initiativen erfordern auch KI-Projekte Benutzerakzeptanztests, Integrationstests und die Implementierung. Bevor sie jedoch produktiv eingesetzt werden können, müssen sie zusätzliche Hürden überwinden, darunter Kosten- und Tokenökonomie, die Auswahl einer skalierbaren Infrastruktur, Datenverfügbarkeit, Zugriff und Governance sowie das Onboarding von Benutzern. Dieses Panel mit Nutanix, MinIO, PEAK:AIO und Supermicro Erörtert werden diese Herausforderungen und bietet auf Basis vergangener Implementierungen bewährte Vorgehensweisen an.

Neoclouds, die sich auf umfangreiche KI-Workloads spezialisieren, bieten die Skalierbarkeit von Hyperscalern bei gleichzeitigem Fokus auf KI. In dieser Session wird erläutert, wie Neoclouds differenzierte Services, Skalierbarkeit und Speicherkapazität bereitstellen, um die KI-Workloads ihrer Kunden zu unterstützen. Vertreter von Crusoe und Partnern diskutieren, wie sich die Neocloud durch ihre Funktionen und ihre Leistungsfähigkeit von anderen Anbietern abhebt. Supermicro , VAST Daten und Kioxia.

Inferenz im großen Maßstab erfordert die Optimierung von Rechen-, Speicher- und Netzwerkleistung. In dieser Sitzung erörtern die Referenten, wie IBM, Supermicro Kioxia bietet eine hochskalierbare Lösung für KI-Inferenz. Die Session erläutert außerdem, warum KV Cache und AI Data Platform (AIDP) entscheidend für die Verbesserung der Antwortzeiten bei Inferenzprozessen und die Optimierung des Designs einer KI-Fabrik sind. Darüber hinaus werden die Vorteile der kombinierten Lösung für die Verbesserung der Time-to-First-Token-Antworten und die Optimierung des Daten- und Rechendesigns von AIDP aufgezeigt. Supermicro Flash-Speichersysteme.

Unternehmen verfügen häufig über eine Vielzahl voneinander isolierter, veralteter Speichersysteme. Die Erweiterung der Speicherkapazität erfordert entweder den Ausbau dieser bestehenden Systeme oder die Implementierung neuer Infrastruktur. Künstliche Intelligenz (KI) stellt neue Anforderungen an die Integration bestehender Speichersysteme und Daten bei gleichzeitiger Bereitstellung speziell entwickelter Kapazitäten. In dieser Session werden Hammerspace, Sandisk und weitere Unternehmen vorgestellt. Supermicro Diskussion darüber, wie bestehende und neue Kapazitäten in aufkommende KI-Workflows integriert werden können.

Agentische KI im großen Maßstab benötigt hochkapazitiven Kontextspeicher mit geringer Latenz, um Schlüssel-Wert-Cache-Daten (KV-Cache) für den Inferenz-Workflow zu speichern und abzurufen. Neue Speicherebenen und Architekturen wurden vorgeschlagen, um dieses Problem zu lösen, indem sie die erneute Verarbeitung von Inferenzanfragen mit dem Abruf zuvor berechneter Token in Einklang bringen. Diese neue Ebene, die zwischen den lokalen SSDs des GPU-Systems und dem Netzwerkspeicher positioniert ist, wird als „Kontextspeicher“ bezeichnet und ermöglicht die Speicherung langer Kontext-Token in einem großflächigen Speicherarray. Diese Sitzung mit VAST Daten, Solidigm und Supermicro beschreibt die Implementierung, die Verwendungsmöglichkeiten und die Vor- und Nachteile der Kontextspeicherschicht.

Data Lakes und Data Lakehouses haben im Bereich der KI jenseits traditioneller Analytik und Data Warehousing eine neue Bedeutung gefunden. Moderne Data Lakes basieren auf Objektspeicherinfrastruktur und verwenden branchenübliche Datenformate, um Interoperabilität zu gewährleisten. Die Transaktionsinfrastruktur von Data Lakehouses unterstützt zudem KI-Workflows nativ, einschließlich Datenpipeline-Verarbeitung, Inferenz-Workloads und Kontextspeicher. Referenten der MinIO, AMD Und Supermicro erörtern Sie die sich wandelnden Rollen von Data Lakes und Lakehouses.

KI-Datenplattformen stellen eine neue Kategorie von KI-Infrastruktur dar, die die Vorverarbeitung von Unternehmensdaten übernimmt, einschließlich Datenerfassung, Normalisierung, Vektorisierung und der Übergabe der Daten an die KI-Infrastruktur des Unternehmens. Diese skalierbaren Systeme, die sowohl Datenmanagement als auch GPU-Infrastruktur integrieren, können klein für Arbeitsgruppen gestartet und mit steigendem Bedarf skaliert werden. Vorintegrierte Software und Hardware ermöglichen eine schnellere Bereitstellung vor Ort und Betriebsbereitschaft. Integrierte Workflows für RAG-Daten, visuelle Suche und Dokumentenverarbeitung sowie weitere Funktionen bieten einen einfachen Einstieg in die KI. Experten von DDN Solidigm und Supermicro Anwendungsfälle von KI-Datenplattformen diskutieren.

Die nächste Generation von Cloud-Speicher integriert lokale Edge-Dienste, die einen latenzarmen lokalen Speicherknoten bereitstellen, der zentral vom Cloud-Service-Provider (CSP) verwaltet werden kann. In dieser Session beschreibt der CSP Iron Mountain die nächste Phase von Iron Cloud, einschließlich einer lokalen Lösung für lokale Datensicherung und -wiederherstellung, die Daten zur Langzeitarchivierung auch an das Iron Cloud-Backend überträgt. Diese Lösung nutzt Scality-Objektspeicher und Supermicro Backend- und Edge-Systeme.

Unstrukturierte Daten machen 80–90 % der unternehmensspezifischen Daten aus. Die meisten Unternehmen speichern aufgrund der Kosten und der rasanten Zunahme von KI-Workflows, IoT-Sensoren und anderen maschinell generierten Daten nur 5 % der generierten Daten. Viele dieser Daten sind wertvoll für zukünftige Schulungen sowie für Compliance-Audits, Debugging und das Verständnis von KI-Ergebnissen. Die Aggregation, Normalisierung und Verarbeitung dieser Daten bilden die Grundlage für die Implementierung von KI in Unternehmen. Führende Unternehmen von Cloudian, Hammerspace, Seagate und Supermicro Erörtern Sie bewährte Verfahren für die Verwaltung und Aufbewahrung dieser Daten.

KI im Unternehmen, insbesondere agentenbasierte KI, bringt neue IT-Herausforderungen mit sich, darunter Datenverfügbarkeit und -governance, Hardware- und Softwareinfrastruktur, Bereitstellungsmodelle, Skalierung und Wirtschaftlichkeit sowie Betrieb. Diese Session mit Nutanix, AMD Und Supermicro bringt Experten für KI-Infrastruktur aus den Bereichen Lösung, Silizium und Systeme zusammen, um über On-Premise- und Hybrid-Bereitstellungsmodelle, Lösungsintegration und mehr zu diskutieren.