Organisasi saat ini melengkapi kembali operasi TI mereka untuk merangkul kecerdasan buatan (AI), machine learning (ML), dan analitik lanjutan. Namun, mereka dihadapkan pada sejumlah tantangan terkait data dan beban kerja yang tersebar di seluruh dunia, meningkatnya waktu yang dibutuhkan oleh pelatihan AI dan beban kerja inferensi, dan biaya dan kelangkaan sumber daya, terutama unit pemrosesan grafis (GPU).

Untuk mengatasi tantangan ini, IBM Storage Scale menyediakan penyimpanan file dan objek yang ditentukan oleh perangkat lunak untuk data terstruktur dan tidak terstruktur, dan IBM Storage Scale System merupakan implementasi perangkat keras dari perangkat lunak Storage Scale yang dioptimalkan untuk AI yang paling berat, komputasi berkinerja tinggi, analitik, dan beban kerja hybrid cloud.

Untuk membuka potensi penuh dari AI dan memastikan bahwa GPU yang cepat tidak akan kekurangan daya akibat IO yang lambat, Storage Scale System 6000 mendukung protokol NVIDIA GPUdirect Storage, yang memungkinkan jalur data langsung antara memori GPU dan penyimpanan lokal atau jarak jauh, seperti NVMe atau NVMe over Fabric (NVMe-oF). Arsitektur GPUDirect ini menghilangkan CPU server host dan DRAM dari jalur data, sehingga jalur IO antara penyimpanan dan GPU menjadi lebih pendek dan lebih cepat.