无数据，不AI。

由生成式AI掀起的这一次人工智能浪潮，对企业的产品、服务乃至商业模式都有着颠覆性的影响。因此，在多云、大数据、生成式AI等多元技术的驱动下，数据要素变得愈发重要的同时，企业对于数据存储的需求也在发生深刻变化。

那么，生成式AI带来哪些显著不同的数据存储需求？究竟什么样的数据存储适合构建企业未来的数字底座？面对迅猛的生成式AI浪潮，企业在数据存储层面需要做好哪些准备，从而让成本不失控？

近日，在数据存储领域深耕多年的厂商Hitachi Vantara带来了它的答案：Hitachi iQ AI解决方案和单一混合云平台Virtual Storage Platform One。正如Hitachi Vantara亚太区首席技术官Matthew Hardman所言：“与其他厂商相比，Hitachi Vantara不仅仅是数据存储技术的提供商，更依靠日立集团多年的行业经验和运营技术经验，为众多行业用户带来各种行业解决方案。”

AI时代数据需求发生巨变

数据是企业在AI时代取得成功的关键。

此绝非虚言。随着数据要素的价值愈发突出，每家企业所积累的数据以及自身的数据能力，正成为其数智化转型升级中最为关键的差异化能力。

尤其是多云环境和生成式AI浪潮的兴起，数据乃企业生成式AI应用创新的关键。Gartner预测，到2026年，超过80%的企业将使用生成式AI的API或模型，或在生产环境中部署支持生成式AI的应用，这将对企业数据存储需求产生根本性影响。

具体来看，随着多云环境成为越来越多企业的基础设施环境标配，以及企业逐步对生成式AI应用进行尝试与实践，首先带来的就是远比过往复杂的数据环境。例如，多云环境必然会带来企业数据的分散式分布；而生成式AI涉及到数据收集、预处理、训练和推理等阶段，也进一步让企业数据环境走向复杂化。

另外，企业应用走向现代化以及生成式AI应用的场景愈发丰富，都会带来更加复杂且快速的数据处理需求。例如，生成式AI集群规模越大，可能会导致系统故障概率上升，随之而来的就是高频度的CheckPoint给存储带来的写入带宽挑战。

更加关键的是，数据存储作为底座，所扮演的角色在发生转变——除了安全存储和管理好数据之外，还需要承担起数据供给的重任。以多云环境为例，数据要素只有流动起来才能更好地发挥出价值，这需要底层存储提供保障；而生成式AI同样需要数据与模型的快速结合，这离不开存储系统的数据供给。

Matthew Hardman认为，今天很多企业都在考虑应用包括生成式AI在内的AI技术，也并不缺乏数据，甚至拥有了太多数据，但仍然受困于如何从数据中获取价值，“Hitachi Vantara的目标就是从实际需求的角度来提供合适的产品与解决方案，帮助企业解决AI、大数据、多云环境等具体数据存储的挑战，并迅速获得有益的成果。”

生成式AI不能让成本失控

毫无疑问，生成式AI已成为确定性趋势。

但不能否认，生成式AI的应用作为一项复杂的工程化项目，依然面临着极为复杂的技术门槛和相当高昂的成本，这也是很多企业对生成式AI“望而却步”的根本原因。

以存储为例，当前绝大部分企业在生成式AI应用上依然采用烟囱式的建设模式，数据获取、数据预处理、模型训练与评估、模型部署应用四个阶段都有独立的存储集群，各个阶段的数据流通、协同充满挑战，而且不得不承担极高的数据存储成本。

Matthew Hardman直言：“很多企业正处于对生成式AI的早期采纳探索阶段，非常容易就出现成本失控的情况。”

因此，存储层面需要化繁为简，并且针对大模型的训练、调优等承担起数据供给的重任。Gartner《Top Storage Recommendations to Support Generative AI》报告就认为，到2028年，四分之三拥有生成式 AI 训练数据的组织将部署单一存储平台来存储数据，这一比例显著高于 2024 年的 10%。

显然，“GenAI in a box”融合存储解决方案在未来会愈发重要，它通过一套存储来承载AI数据处理全流程的业务，实现数据的高效流通与协同，并且集成了主流的GPU硬件、软件能力，大幅降低生成式AI部署与应用的难度，实现开箱即用。

为此，Hitachi Vantara基于NVIDIA最新的AI技术，并结合Hitachi Vantara的下一代存储平台，带来了Hitachi iQ AI解决方案。

Hitachi iQ AI解决方案技术架构

Hitachi iQ AI解决方案不再是单一的产品，而是从客户实际需求出发，提供不同规模和配置的选项，以满足不同企业、不同场景的差异化需求。众所周知，目前数据与大模型主要有三种方式：检索增强生成（RAG）、微调和持续预训练，每种方式对于基础设施、企业能力要求是不尽相同的，因此Hitachi iQ AI解决方案可以从灵活性、可用性等方面来帮助各种类型的企业。

“在生成式AI的早期探索阶段，其实很多企业是不清楚自身具体需求和使用场景的。此时，利用Hitachi iQ AI解决方案来进行早期验证就非常合适，它不仅能够快速部署应用，还能够控制成本，而且一旦验证成熟，就可以进行大规模投资。”Matthew Hardman介绍道。

不仅如此，Hitachi Vantara还会依托Hitachi在各行各业的丰富经验、研发和实验室资源，来帮助各行各业的用户找到他们AI应用的场景和用例，从而帮助企业在AI时代找到快速获益的途径或方式。

多云时代需更好释放数据价值

除了生成式AI之外，多云环境下的数据管理也迅速成为企业不可忽视的挑战。

众所周知，随着微服务、容器等技术的迅猛发展，越来越多现代化应用不断涌现。现代化应用往往具有部署环境广泛、业务弹性多变、管理复杂和安全性要求极高等特征，对于企业的数据流动、数据协同和数据安全的要求大幅提升。

因此，一个统一的数据存储平台在未来会成为必须。统一的数据存储平台需要对包括结构化数据、非结构化数据、第三方存储数据等进行统一管理，简化数据管理等工作，提升数据的可用性，从而驱动数据的高效流动与协作。

为此，Hitachi Vantara推出了Virtual Storage Platform One（简称：VSP One）平台。VSP One产品包括：VSP One SDS块存储、VSP One SDS云存储和VSP One文件存储。

Matthew Hardman认为，VSP One的核心理念是帮助企业构建起统一的数据生态系统，通过统一的数据平面和管理平台，以及Data Fabric技术，消除数据孤岛和碎片化现象，实现跨所有数据类型、支持所有环境部署的全面数据管理。

例如，依托日立存储虚拟化操作系统（SVOS），VSP One可以确保数据实现跨设备和跨地点的收集、整合与访问，使得企业可以轻松获得数据，并利用数据驱动业务发展；在防勒索方面，VSP One将数据库备份到对象存储之中，利用对象存储数据不可逆的特性，使得企业在遇到勒索风险时可快速恢复数据；再如，在数据保护方面，VSP One块存储具有动态磁盘保护（Dynamic Drive Protection，DDP）功能，可以实现对存储资产的最高级别保护，并显著加快重建速度。

“VSP One是一个数据平台，接下来还将融入更多技术，帮助企业在现有环境中不断获得最新的技术创新，从而为数智化转型与升级注入更多动力。”Matthew Hardman最后表示道。