Odaily星球日報によると、西部データ（WD）の最高製品責任者であるAhmed Shihabは、AIインフラの急速な拡大に伴い、ストレージ分野の核心的な競争はフラッシュ（Flash）とハードディスクドライブ（HDD）の単純な対立ではなく、長期的な経済的拡張性を持つAIストレージアーキテクチャを構築できるかどうかにあると述べた。現在、AI業界は重要な課題に直面している：今年選択したストレージアーキテクチャが、今後のデータ規模がPB級、さらにはEB級にまで拡大しても対応できるかどうかである。彼は、多くのAIインフラが性能不足ではなく、データ規模の拡大後にコストの課題に直面して失敗していると指摘した。
アーメド・シハブは、AIデータが継続的に増加しており、モデル訓練データ、推論データ、ユーザーインタラクション記録、コンプライアンスデータ、合成データなどが含まれると考えている。早期段階でフルフラッシュアーキテクチャを採用すると、小規模デプロイでは魅力的だが、データ量が増加するとストレージコストが大きな負担となる。フラッシュとHDDは競合関係ではなく、異なるワークロードに適した補完的な技術である。モデル重み、GPUオーバーフロー、KVキャッシュなどの高性能シナリオには低遅延のフラッシュが必要であり、訓練データセット、ログ、チェックポイント、コンプライアンス記録、大規模な履歴データなどの長期保存要件には、コスト面で優れたHDDがより適している。
「AIストレージの勝敗は、経済的に拡張可能な容量を提供できるかどうかにかかっている。」とShihabは述べ、顧客がストレージソリューションを選択する際、速度だけでなく、AI事業を信頼可能で持続可能な方法で拡張できるかどうかを重視している。
Shihabは、AI時代のストレージアーキテクチャは単一のストレージメディアに依存するのではなく、より階層化されるだろうと指摘した。「フラッシュメモリは重要なタイミングでのパフォーマンスを担い、HDDはデータライフサイクルを担う。」AIインフラのスケーリング段階では、ストレージコストはもはや運用費用にとどまらず、アーキテクチャ設計の一部となっている。高コストのパフォーマンスストレージに1ドルを費やすことは、計算、ネットワーク、電力その他のインフラへのリソース投入を減らすことを意味する。
また、信頼性はアーキテクチャ設計の初期段階から考慮されるべきである。大規模AIシステムにおいて、ハードウェア、ソフトウェア、ネットワーク、電力の障害は日常的なものであり、優れたストレージシステムは継続的な運用、障害の隔離、迅速な復旧機能を備える必要がある。彼は、今後のAIストレージの発展方向は「フラッシュメモリがHDDを置き換える」ことではなく、データのライフサイクルとビジネス要件に応じて精密に階層化することであると総括した。「真のインフラストラクチャは華やかなパフォーマンスを追求するのではなく、AIの長期的な成長を支える信頼できる基盤である。」