AI इंफ्रास्ट्रक्चर के बारे में एक गंदा रहस्य यह है: पृथ्वी पर सबसे महंगे हार्डवेयर में से कुछ एक आश्चर्यजनक मात्रा में समय बिल्कुल कुछ न करते हुए बिताते हैं। आधुनिक AI प्रशिक्षण और निष्कर्षण के लिए काम करने वाले GPUs, अक्सर स्टोरेज सिस्टम से डेटा के आने का इंतजार करते हुए निष्क्रिय रहते हैं। DDN और Nvidia अब इस समस्या को ठीक करने के लिए साझेदारी कर रहे हैं, जिसमें GPUs सीधे डेटा एक्सेस शुरू कर सकते हैं, बीच के मध्यस्थ को हटा दिया जाता है।
इस भागीदारी का केंद्र DDN का Infinia डेटा इंटेलिजेंस प्लेटफॉर्म है, जो Nvidia के Storage-Next पहल के साथ एकीकृत होकर GPU-शुरू की गई डेटा संचालन को सक्षम बनाता है। अंग्रेजी में: GPU को अब CPU द्वारा डेटा प्राप्त करने और प्रदान करने का इंतजार करने की आवश्यकता नहीं है, बल्कि GPU स्वयं अपनी आवश्यकता के अनुसार डेटा प्राप्त कर सकते हैं।
वास्तव में तकनीक क्या करती है
परिणाम कम लेटेंसी, न्यूनतम CPU ओवरहेड, और काफी बेहतर GPU उपयोग है। बड़े पैमाने पर AI फैक्ट्रियाँ चलाने वाले संगठनों के लिए, जहाँ हजारों GPU साथ में काम करते हैं, उपयोग में छोटे सुधार भी महत्वपूर्ण लागत बचत में बदल जाते हैं।
DDN के सीटीओ स्वेन ओहमे ने सहयोग को आर्थिक शब्दों में प्रस्तुत किया और “स्केल पर एआई की अर्थव्यवस्था” में सुधार की ओर इशारा किया। न्विडिया के स्टोरेज टेक्नोलॉजी के वीपी जेसन हार्डी ने कंप्यूटिंग और डेटा इंफ्रास्ट्रक्चर के बीच बिना रुकावट के एकीकरण को एक मुख्य लाभ के रूप में जोर दिया।
यह तकनीक Nvidia की व्यापक 2026 प्लेटफॉर्म रणनीति में शामिल है, जिसमें Nvidia Rubin प्लेटफॉर्म और BlueField-4 DPUs शामिल हैं।
दशकों के एक साझेदारी
DDN और Nvidia 2016 से एक साथ काम कर रहे हैं, जब DDN Nvidia की GPUDirect Storage तकनीक के साथ अपने प्लेटफॉर्म को प्रमाणित करने वाला पहला स्टोरेज विक्रेता बना।
GPUDirect Storage के माध्यम से डेटा सीधे स्टोरेज और GPU मेमोरी के बीच चला जाता था, बिना सिस्टम मेमोरी से होकर गुजरे। इन्फ़िनिया के साथ इस नए सहयोग से GPU को डेटा ट्रांसफ़र को सक्रिय रूप से शुरू करने की क्षमता मिलती है, बजाय उन्हें केवल प्रतीक्षा करके प्राप्त करने के।
DDN इन क्षमताओं को Flash Memory Summit पर प्रदर्शित करने की योजना बना रही है, जहां कंपनी को प्रदर्शन बेंचमार्क और संचालन उपलब्धता के बारे में विवरण साझा करने की उम्मीद है।
इसका AI इंफ्रास्ट्रक्चर बाजार के लिए क्यों महत्वपूर्ण है
जैसे-जैसे मॉडल बड़े होते जाते हैं और ट्रेनिंग डेटासेट विस्तारित होते जाते हैं, कंप्यूट क्षमता और डेटा डिलीवरी के बीच का अंतर बढ़ता जाता है। बड़े AI ट्रेनिंग रन में वितरित स्टोरेज सिस्टम में पीटाबाइट्स में डेटा शामिल हो सकता है। हजारों GPU और मिलियनों ट्रेनिंग इटरेशन के साथ डेटा एक्सेस में प्रत्येक माइक्रोसेकंड की लेटेंसी बढ़ती जाती है।
केवल स्टोरेज को तेज़ बनाने के बजाय, DDN और Nvidia पूरी तरह से डेटा के सिस्टम में प्रवाह को पुनः परिभाषित कर रहे हैं। GPU को डेटा संचालन पर सीधा नियंत्रण देना AI बुनियादी ढांचे के काम करने के तरीके में एक मौलिक परिवर्तन है।