Die wachsende Verbreitung von Künstlicher Intelligenz und Machine-Learning-Systemen stellt neue Anforderungen an Infrastruktur. Während GPU-Rechenleistung oft im Fokus steht, ist schneller und zuverlässiger Speicherzugriff genauso kritisch. NetApp adressiert diesen Engpass mit Novus, einer Speicherarchitektur, die für moderne KI-Workloads von Grund auf konzipiert wurde.
Das System ist auf Zettabyte-Skalierbarkeit ausgelegt, also Kapazitäten im Exabyte-Bereich und darüber hinaus. Dies wird nötig, wenn Unternehmen Billionen von Datenpunkten für Training und Inferenz verarbeiten müssen. Die Architektur ist optimiert darauf, dass GPUs nicht auf Speicherzugriff warten müssen, was zu Latenzen und ungenutzter Rechenleistung führt. Durch spezielles Design können GPUs kontinuierlich arbeiten, während der Speicher Daten bereitstellt.
Novus besteht aus mehreren Komponenten, die zusammenspielen: Speicher-Nodes, die Daten verteilt speichern, Netzwerk-Optimierungen für niedrige Latenz und Metadaten-Management, das schnelle Zugriffswege ermöglicht. Das System basiert auf bekannten NetApp-Technologien, ist aber für den KI-Einsatz neu zusammengesetzt.
Für Unternehmen, die KI-Projekte betreiben oder planen, ist dies relevant: Eine optimierte Speicherinfrastruktur kann den ROI von GPU-Investitionen erheblich steigern, da teure Rechenresourcen nicht durch Speicher-Bottlenecks blockiert werden. KMUs mit KI-Ambitionen sollten ihre Gesamtinfrastruktur betrachten, nicht nur einzelne Komponenten. Richtige Speicherstrategie ist oft der Schlüssel zu effizienten KI-Systemen.