- 日期
- 可從
- 地點
- 虛擬的
專為加速而打造
為什麼要參加?
在第 7 屆年度 Supermicro Open Storage 中探索資料如何實現智慧,該活動包含 12 場資訊豐富的議程。今年的活動著重於實施企業 AI、建構支援 AI 推論與 agentic AI 的infrastructure,以及為 AI、CSP 與企業管理資料。所有議程皆提供來自業界資深人士的實用建議。
這些著重於技術的座談會匯集了來自 Supermicro 生態系統各處的產業專家,包含領先的資料管理、SSD 與 HDD 儲存媒體以及晶片製造商。特色涵蓋來自 21 家公司的 38 位產業領袖,包含 AMD、DDN、Hammerspace、Intel、MinIO、Nutanix、Scality、Solidigm、VAST Data、WD 等眾多企業。來自新雲端(neocloud)提供者 Crusoe 與 CSP Iron Mountain 的專題討論則增添了從業人員的觀點。
所有場次均於太平洋日光時間(PDT)上午 10:00 播出,並於直播結束後提供隨選觀看。
最佳化AI 多層儲存下的推理效能與成本
- 日期
AI 推理儲存需要在效能和成本之間進行權衡。要在預算成本範圍內實現目標效能,需要精心設計,並為每個任務選擇最佳儲存技術。結合使用高效能平行檔案系統全快閃 以硬碟 (HDD) 為主的物件儲存層介質,既能提供高效能,又能進行最佳化。 TCO本次會議匯集了來自 WEKA、Scality、三星半導體、西部資料等公司的文件和物件儲存、快閃媒體、硬碟和 CPU 領域的領導者。 Supermicro 描述所有這些要素如何在工程解決方案中結合。
垂直的AI 解決方案
- 日期
雖然他們通常使用通用AI 硬體和軟體,以及金融服務、生命科學/製藥和製造業等垂直產業,都有其獨特的需求,包括回應時間、數據和工作流程。本次小組討論將探討… DDN鎧俠、WD 和Supermicro 演講者以金融市場交易和基因組學工作流程為例,探討了該軟體如何發揮作用。 SSD 和HDD 本文探討了儲存媒體和系統要求,並分析了它們的共同點和差異。
移動AI 從概念驗證到生產
- 日期
與所有IT項目一樣, AI 專案需要進行使用者驗收測試、整合測試和部署。然而,在正式上線之前,它們還面臨其他挑戰,包括成本和代幣經濟、可擴展基礎設施的選擇、資料準備、存取和治理以及用戶引導。本次小組討論將邀請 Nutanix、MinIO、PEAK:AIO 等公司參與。 Supermicro 探討了這些挑戰,並根據以往的部署經驗提供了最佳實踐。
新雲端基礎設施AI
- 日期
專門從事大規模雲端服務的Neoclouds AI 工作負載,提供超大規模資料中心的規模,同時保持AI重點內容。本次會議重點討論新雲端如何提供差異化的服務、規模和存儲,以支援客戶的需求。 AI 工作負載。 Crusoe 的代表與合作夥伴一起探討了新雲端如何實現其特性和功能的差異化。 Supermicro , VAST 數據和鎧俠。
為最大規模建構 AI 推論與資料管理
- 日期
大規模推理需要優化運算、儲存和網路效能。在本環節中,演講者將探討 IBM 如何應對這項挑戰。 Supermicro而鎧俠(Kioxia)可以提供高度可擴展的解決方案。 AI 推理。該環節也解釋了為什麼 KV 快取和AI 數據平台(AIDP)對於提高推理反應時間和優化設計至關重要。 AI 工廠。以及組合解決方案為改善首次令牌回應時間以及優化 AIDP 的資料和運算設計帶來的好處。 Supermicro 全快閃 儲存系統。
企業儲存現代化AI
- 日期
企業通常擁有各種各自獨立的傳統儲存系統。增加新的儲存容量需要擴充這些傳統系統或部署全新的基礎架構。 AI 本次會議提出了在增加專用容量的同時,整合現有儲存系統和資料的新要求。會議將重點介紹 Hammerspace、Sandisk 等公司。 Supermicro 探討如何將現有和新增能力與新興能力結合AI 工作流程。
打破上下文壁壘:可擴展代理的存儲AI
- 日期
具規模的 Agentic AI 將需要高容量、低延遲的內容記憶體來儲存和檢索推論工作流程中使用的鍵值(KV)快取資料。業界已提出新的儲存階層與架構來解決此問題,其透過平衡推論查詢的重新處理與先前計算 Token 的檢索。這個新階層位於本機 GPU 系統 SSD 與網路儲存之間,被稱為「內容記憶體」,可讓長內容 Token 持久保存於大規模儲存陣列中。這場由 VAST Data、Solidigm 與 Supermicro 共同舉辦的會議將說明內容記憶體階層的實作、用途與取捨。
啟用AI 利用資料湖和湖屋
- 日期
資料湖與湖倉一體(Lakehouse)在傳統分析與資料倉儲之外,在 AI 領域找到了新的用途。現代資料湖建構於物件儲存基礎設施上,並使用業界標準的資料格式來確保互通性。資料湖倉的交易基礎設施功能也原生支援 AI 工作流程,包括資料管線處理、推論工作負載與內容記憶體服務。來自 MinIO、AMD 與 Supermicro 的講者將探討資料湖與湖倉一體角色的轉變。
AI 企業數據平台AI
- 日期
AI 資料平台代表了一類全新的 AI 基礎設施,負責處理企業資料的前置處理,包含資料擷取、正規化、向量化,以及將資料交給企業 AI 工廠。這些可擴充的系統結合了資料管理與 GPU 基礎設施,可從適用於工作群組的小規模起步,並隨著需求成長而擴充。預先整合的軟體與硬體能實現更快的現場部署與營運就緒狀態。針對 RAG、視覺搜尋與文件處理等功能的內建工作流程,為 AI 提供了一個易於使用的起點。來自 DDN、Solidigm 與 Supermicro 的專家將探討 AI 資料平台的應用情境。
面向通訊服務供應商和企業的邊緣雲端儲存即服務
- 日期
新一代雲端儲存納入了地端邊緣服務,可提供低延遲的本機儲存節點,並由 CSP 進行集中管理。在此會議中,CSP Iron Mountain 說明了 Iron Cloud 的下一階段,包含用於本機備份與檢索的地端解決方案,同時也將資料移至 Iron Cloud 後端以進行長期保留。此解決方案納入了 Scality 物件儲存,並使用 Supermicro 後端與邊緣系統。
管理非結構化數據AI
- 日期
非結構化資料佔企業獨特資料的 80% 至 90%。基於成本以及 AI 工作流程、IoT 感測器與其他機器產生之資料的快速擴張,多數企業僅保留其所產生資料的 5%。這些資料有很大一部分對於未來的訓練、法規符合性稽核、除錯以及理解 AI 輸出結果都極具價值。彙整、正規化與處理這些資料構成了企業 AI 實作的基礎。來自 Cloudian、Hammerspace、Seagate 與 Supermicro 的領導者將探討管理與保留這些資料的最佳做法。
企業AI 實施挑戰及解決方案
- 日期
企業 AI(尤其是 Agentic AI)帶來了新的 IT 挑戰,包含資料整備與治理、硬體與軟體基礎設施、部署模型、擴充與經濟效益以及營運。這場由 Nutanix、AMD 與 Supermicro 共同舉辦的會議匯集了來自解決方案、晶片與系統觀點的 AI 基礎設施專家,共同探討地端與混合雲部署模型、解決方案整合等議題。