当今许多组织正在对其数据存储基础架构进行现代化改造，以利用人工智能 (AI)、机器学习 (ML) 和高级分析带来的商机。他们也面临着重重挑战：数据和工作负载分散在全球各地，AI 训练和推理工作负载所需的时间不断增加，资源（尤其是图形处理单元 (GPU)）稀缺且成本高昂。
为了解决这些挑战，他们需要高速访问存储在分布式文件和对象存储系统中的大量非结构化数据。为满足他们的需求，IBM Storage 提供了三种解决方案：
- IBM Storage Scale 软件帮助组织构建这样的全局数据平台：为其所有数据提供单一通用名称空间，跨多个数据源和多个地点进行抽象化，从而汇集所有数据，无论数据位于何处。
- IBM Storage Scale System 是 Storage Scale 软件的硬件实现，经过优化，可适应要求最严格的 AI、高性能计算、分析和混合云工作负载。
- IBM Storage Ceph 是一个软件定义的存储平台，可提供大规模可扩展的对象、块和文件存储，是构建适用于 watsonx.data 和其他下一代 AI 工作负载的数据湖的绝佳方式。
大规模交付数据，同时保持高性能、低延迟和托管数据访问，缩短甚至消除停机时间。
在一个能够在边缘、本地和云环境中运行的平台上整合更多数据和工作负载。
在合适的时间与合适的人员共享数据和工作负载，以提高员工队伍工作效率，减少数据副本，提高资源利用率。
在与现有 IT 投资相集成的单一可扩展平台上管理数据和应用程序服务，实现数据和应用程序服务集中化。
利用统一、灵活的存储平台，在不影响性能的情况下进行横向与纵向扩缩，从而减少应用程序和数据蔓延。
保护应用程序和数据，通过集成的安全和勒索软件防护功能，在遭遇漏洞和攻击后快速恢复。
利用专为 AI、机器学习和高性能计算工作负载设计、横向扩展型文件和对象、软件定义的存储平台。
利用全闪存、混合弹性计算和存储构建块，在可持续的 IT 架构中创建适用于 IBM Storage Scale 的高性能集群。
利用开源、软件定义的存储解决方案，旨在满足现代企业对通用工作负载的块、文件和对象存储需求。
Continental Automotive AG 每月执行的深度学习试验增长了 14 倍，自动驾驶解决方案的 AI 训练时间从几周缩短为几天。
伯明翰大学帮助数千名研究人员加速找到关键问题的解决方案，同时降低成本，并遵守合规要求。
昆士兰大学为尖端研究加速处理图像密集型和 AI 工作负载，包括将医学图像分析的运行时间缩短了 74%。
百度使用 IBM TS4500 Tape Library 和 IBM Storage Scale 软件取代了适用于冷数据的传统磁盘存储，从而实现降本增效，同时遵守数据合规要求。