Patrick Smith, Field CTO EMEA – Pure Storage, su come lo storage sia importante per velocità, efficienza e prestazioni nelle infrastrutture digitali moderne.
L’uso efficace dello storage è cruciale per garantire che le infrastrutture tecnologiche moderne possano sostenere i progetti di intelligenza artificiale ad alte prestazioni. L’infrastruttura deve supportare carichi di dati elevati, ridurre i colli di bottiglia e ottimizzare l’efficienza energetica, rendendo lo storage un elemento strategico per il successo dei progetti.
All’inizio del 2025, il modello linguistico cinese DeepSeek R1 ha catturato l’attenzione pubblica, stimolando discussioni sull’evoluzione dell’AI e la volatilità dei mercati tecnologici. Le aziende in tutto il mondo stanno investendo massicciamente, con alcune destinando fino al 50% del budget IT all’intelligenza artificiale. Tuttavia, quasi un terzo delle iniziative non genera valore aziendale, evidenziando come l’efficienza delle infrastrutture, incluso lo storage, sia determinante per il successo.
Le esigenze di calcolo e storage dell’intelligenza artificiale
I processi di addestramento e inferenza richiedono grandi quantità di dati, gestione complessa e continui checkpoint per garantire recuperabilità e conformità. La RAG (Retrieval-augmented generation) aumenta ulteriormente la complessità, trasformando dati in vettori ad alta dimensione. Anche dopo l’addestramento, l’inferenza richiede storage costante per la registrazione dei risultati e per l’analisi continua.
L’elaborazione AI può consumare fino a 30 volte più energia rispetto al software tradizionale. Ogni watt impiegato per lo storage è un watt non disponibile per le GPU. Uno storage efficiente consente di fornire dati alle GPU rapidamente, minimizzando il consumo energetico e migliorando le prestazioni grazie a sistemi di cache che accelerano l’accesso alle informazioni più richieste, fino a 20 volte in alcuni scenari.
Storage ad alte prestazioni e infrastrutture scalabili
Il ruolo dello storage è garantire accesso ad alta velocità e bassa latenza a grandi set di dati. Le soluzioni flash QLC ad alta densità combinano velocità, capacità, affidabilità ed efficienza energetica, permettendo di gestire centinaia di terabyte senza compromettere le performance. Sistemi su misura, integrati con stack di calcolo Nvidia e pipeline ottimizzate RAG, semplificano l’implementazione e assicurano prestazioni coerenti.
Per far funzionare l’AI su larga scala servono infrastrutture robuste e reattive. Lo storage svolge un ruolo fondamentale in tutte le fasi: preparazione dei dati, addestramento e inferenza rivolta al cliente. Senza storage veloce, scalabile ed efficiente, anche i progetti meglio finanziati rischiano di subire rallentamenti o inefficienze sotto il peso della loro stessa complessità.
