Yapay zeka altyapısı hakkında bir kirli sır: Dünyanın en pahalı donanımlarından bazıları, şaşırtıcı ölçüde boş zaman harcıyor. Modern AI eğitimi ve çıkarımın çalışma atları olan GPU’lar, verilerin depolama sistemlerinden gelmesini beklerken sıklıkla boş kalıyor. DDN ve Nvidia, GPU’ların veri erişimini doğrudan başlatarak aracısızlaşmayı sağlayarak bu sorunu çözmek için birlikte çalışıyor.
İşbirliği, DDN’nin Infinia veri akıllılık platformuna odaklanıyor ve bu platform, Nvidia’nın Storage-Next girişimiyle entegre olarak GPU tarafından başlatılan veri işlemlerini mümkün kılıyor. İngilizce’de: GPU’lar artık CPU’ların veriyi getirmesi ve teslim etmesini beklemek yerine, kendi ihtiyaçlarını doğrudan karşılayabiliyor.
Teknolojinin aslında ne yaptığını
Sonuç olarak gecikme azalır, CPU yükü minimize edilir ve GPU kullanımı önemli ölçüde iyileşir. Binlerce GPU'nun bir arada çalıştığı büyük ölçekli AI fabrikaları çalıştıran kuruluşlar için, kullanımındaki küçük iyileşmeler bile anlamlı maliyet tasarruflarına dönüşür.
DDN CTO Sven Oehme, iş birliğini ekonomik terimlerle açıkladı ve “ölçekli AI’nın ekonomisi”nde yapılan iyileştirmelere işaret etti. Nvidia’nın Depolama Teknolojisi Başkan Yardımcısı Jason Hardy, hesaplama ve veri altyapısı arasındaki sorunsuz entegrasyonu önemli bir avantaj olarak vurguladı.
Teknoloji, Nvidia Rubin platformunu ve BlueField-4 DPUs'yi içeren Nvidia'nın daha geniş 2026 platform stratejisine uygun düşmektedir.
On yıl süren bir ortaklık
DDN, 2016 yılında Nvidia’nın GPUDirect Storage teknolojisiyle platformunu sertifikalayan ilk depolama sağlayıcısı olduğundan beri Nvidia ile birlikte çalışıyor.
GPUDirect Storage, verilerin sistem belleğinden geçmeden doğrudan depolama ile GPU belleği arasında hareket etmesine izin veriyordu. Infinia ile yapılan yeni iş birliği, GPU'ların bu veri aktarımlarını pasif olarak almak yerine aktif olarak başlatma yeteneğini sağlıyor.
DDN, bu yetenekleri Flash Memory Summit'te gösterecek ve performans ölçütlerini ile birlikte operasyonel kullanılabilirlik hakkında ayrıntılar paylaşmayı planlıyor.
Bu, AI altyapı pazarı için neden önemli
Modeller büyüdükçe ve eğitim veri kümeleri genişledikçe, hesaplama kapasitesi ile veri teslimi arasındaki boşluk artmaktadır. Büyük AI eğitim süreçleri, dağıtılmış depolama sistemleri üzerinde petabaytlarca veri içerebilir. Veri erişimindeki her mikrosaniyelik gecikme, binlerce GPU ve milyonlarca eğitim iterasyonu boyunca birikecektir.
DDN ve Nvidia, depolamanın sadece daha hızlı olmasını değil, verilerin sistemin içinde tamamen nasıl akacağını yeniden düşünüyor. GPU'ların veri işlemlerine doğrudan yetki vermek, AI altyapısının çalışışı konusunda temel bir değişimdir.