ای آئی انفراسٹرکچر کے بارے میں ایک گندی سچائی یہ ہے کہ دنیا کے سب سے مہنگے ہارڈویئر میں سے کچھ حیرت انگیز طور پر زیادہ وقت کچھ نہیں کرتے۔ جدید اے آئی تربیت اور انفرنس کے لیے کام کرنے والے جی پی یو اکثر اسٹوریج سسٹم سے ڈیٹا کے آنے کا انتظار کرتے ہوئے بے کار بیٹھ جاتے ہیں۔ ڈی ڈی این اور نوڈیا اب اس مسئلے کو حل کرنے کے لیے مل کر کام کر رہے ہیں، جس میں جی پی یو کو ڈیٹا تک رسائی کو براہ راست شروع کرنے کی اجازت دی جاتی ہے، جس سے درمیانی طرف کو ختم کر دیا جاتا ہے۔
اس شراکت کا مرکز DDN کے Infinia ڈیٹا انٹیلی جنس پلیٹ فارم پر ہے، جو Nvidia کے اسٹوریج-نیکسٹ شناخت کے ساتھ ادغام ہوتا ہے تاکہ GPU شروع کردہ ڈیٹا آپریشنز ممکن بنائے جا سکیں۔ انگریزی میں: GPU کو اب CPU کے ذریعہ ڈیٹا حاصل کرنے اور فراہم کرنے کا انتظار کرنے کی بجائے، وہ خود اپنی ضرورت کا ڈیٹا حاصل کر سکتی ہیں۔
ٹیکنالوجی دراصل کیا کرتی ہے
نتیجہ کم تاخیر، کم سی پی یو اوورہیڈ، اور کافی بہتر جی پی یو استعمال ہے۔ جہاں ہزاروں جی پی یو ایک ساتھ کام کرتی ہیں، وہاں بڑے پیمانے پر اے آئی فیکٹریاں چلانے والے اداروں کے لیے استعمال میں چھوٹی بہتری بھی معنی خزنہ کی بچت کا باعث بنتی ہے۔
ڈی ڈی این کے سی ٹی او ایسون اوہم نے تعاون کو مالیاتی شروط میں پیش کیا، جس میں وہ "سکیل پر اے آئی کی مالیاتی بہتری" کی طرف اشارہ کیا۔ نوڈیا کے اسٹوریج ٹیکنالوجی کے وائس پریزیڈنٹ جیسن ہارڈی نے کمپوٹنگ اور ڈیٹا انفراسٹرکچر کے درمیان بے باک ادغام کو ایک اہم فائدہ قرار دیا۔
یہ ٹیکنالوجی نوڈیا کی وسیع 2026 پلیٹ فارم کی حکمت عملی میں گھل مل جاتی ہے، جس میں نوڈیا روبن پلیٹ فارم اور بلو فیلڈ-4 DPUs شamil ہیں۔
دہوں کی تعاون کی داستان
DDN اور Nvidia 2016 سے مل کر کام کر رہے ہیں، جب DDN نے Nvidia کی GPUDirect Storage ٹیکنالوجی کے ساتھ اپنے پلیٹ فارم کو سرٹیفائی کرنے والے پہلے اسٹوریج وینڈر کے طور پر کام کیا۔
GPUDirect Storage سے ڈیٹا کو سٹوریج اور GPU میموری کے درمیان براہ راست منتقل کیا جا سکتا تھا، بغیر سسٹم میموری کے ذریعے گزرے۔ انفینیا کے ساتھ نئے تعاون سے GPU کو ان ڈیٹا ٹرانسفرز کو فعال طور پر شروع کرنے کی صلاحیت حاصل ہوئی ہے، جس کے замانہ میں وہ صرف پاسیو طور پر انہیں接收 کرتی تھیں۔
DDN کا منصوبہ ہے کہ وہ فلیش میموری سامٹ پر ان صلاحیتوں کا مظاہرہ کرے، جہاں کمپنی کو پرفارمنس بینچ مارکس اور آپریشنل دستیابی کے بارے میں تفصیلات شیئر کرنے کی توقع کی جا رہی ہے۔
ایک آئی اے انفراسٹرکچر مارکیٹ کے لیے یہ کیوں اہم ہے
جب ماڈلز بڑھتے ہیں اور ٹریننگ ڈیٹا سیٹس وسعت حاصل کرتے ہیں، تو کمپیوٹ کی صلاحیت اور ڈیٹا کی فراہمی کے درمیان فاصلہ بڑھتا جاتا ہے۔ بڑے AI ٹریننگ عمل میں ڈسٹریبیوٹڈ اسٹوریج سسٹمز پر پیٹا بائٹس کا ڈیٹا شامل ہو سکتا ہے۔ ہر مائیکرو سیکنڈ کی لیٹنسی ہزاروں GPU اور ملینوں ٹریننگ دہرائوں میں جمع ہوتی ہے۔
صرف ذخیرہ سازی کو تیز کرنے کے بجائے، DDN اور Nvidia ڈیٹا کے نظام کے ذریعے ہونے والے روانہ ہونے کے طریقے کو دوبارہ سوچ رہے ہیں۔ جی پی یو کو ڈیٹا آپریشنز پر ب без تسلط دینا AI انفراسٹرکچر کے کام کرنے کے طریقے میں ایک بنیادی تبدیلی ہے۔