اوڈیلی پلیٹ فارم کی رپورٹ کے مطابق، ویسٹرن ڈیٹا (WD) کے چیف پروڈکٹ آفیسر احمد شہاب نے کہا کہ جبکہ AI انفراسٹرکچر تیزی سے وسعت حاصل کر رہا ہے، اسٹوریج شعبے کی مرکزی مقابلہ صرف فلیش (Flash) اور میکانکی ہارڈ ڈرائیو (HDD) کے درمیان نہیں ہونا چاہئے، بلکہ اس بات پر منحصر ہے کہ کیا لمبے مدتی مالی طور پر قابل توسیع AI اسٹوریج آرکیٹیکچر تعمیر کیا جا سکتا ہے۔ موجودہ AI صنعت ایک اہم مسئلے کا سامنا کر رہی ہے: کیا اس سال منتخب کیا گیا اسٹوریج آرکیٹیکچر مستقبل میں ڈیٹا کے سائز کو PB سطح تک، یا حتیٰ کہ EB سطح تک سنبھال سکے گا؟ وہ سمجھتے ہیں کہ بہت سے AI انفراسٹرکچر کامیاب نہ ہونے کا سبب پرفارمنس کی کمی نہیں بلکہ ڈیٹا کے سائز میں اضافے کے بعد لاگت کے مسائل میں پھنس جانا ہے۔
احمد شہاب کا خیال ہے کہ AI ڈیٹا مسلسل بڑھ رہا ہے، جس میں ماڈل ٹریننگ ڈیٹا، انفرنس ڈیٹا، صارفین کے تعامل کے ریکارڈز، کمپلائنس ڈیٹا اور سنتھیٹک ڈیٹا شامل ہیں۔ اگر ابتدائی مراحل میں مکمل فلیش آرکیٹیکچر استعمال کیا جائے، تو چھوٹے پیمانے پر ڈپلومنٹ میں یہ دلچسپ لگتا ہے، لیکن ڈیٹا کے حجم میں اضافے کے ساتھ اسٹوریج لاگت بہت بڑا بوجھ بن جائے گی۔ فلیش اور HDD مقابلہ نہیں بلکہ مختلف ورک لود کے لیے مکمل کرنے والی تکنالوجیاں ہیں۔ ماڈل وزن، GPU آؤٹ فلو، KV کیش جیسے اعلیٰ پرفارمنس کے مناظر کے لیے کم لیٹنسی والے فلیش کی ضرورت ہوتی ہے؛ جبکہ ٹریننگ ڈیٹا سیٹس، لاگز، چیک پوائنٹس، کمپلائنس ریکارڈز اور بڑے پیمانے پر تاریخی ڈیٹا جیسے طویل مدتی اسٹوریج کے تقاضوں کے لیے لاگت کے لحاظ سے زیادہ فائدہ مند HDD زیادہ مناسب ہیں۔
"AI اسٹوریج کی کامیابی اس بات پر منحصر ہوگی کہ کون اقتصادی طور پر قابلِ توسیع کیپسیٹی فراہم کرتا ہے۔" شہاب نے کہا کہ صارفین اسٹوریج حل کا انتخاب کرتے وقت صرف رفتار نہیں، بلکہ AI کے کاروبار کو قابلِ اعتماد اور قائم رکھنے والے طریقے سے کیسے توسیع کیا جا سکتا ہے، اس پر توجہ دیتے ہیں۔
شہاب نے اشارہ کیا کہ AI کے دور میں ذخیرہ سازی کی ساخت زیادہ لیورل ہو جائے گی، اور ایک واحد ذخیرہ سازی کے ذریعے پر انحصار نہیں کیا جائے گا۔ "فلاش میموری اہم لمحات کی پرفارمنس کے لیے ذمہ دار ہے، جبکہ HDD ڈیٹا کے زندگی کے دوران ذمہ دار ہے۔" AI بنیادی ڈھانچے کے سائز میں اضافے کے دوران، ذخیرہ سازی کا خرچ صرف آپریشنل خرچ نہیں رہا، بلکہ ڈیزائن کا حصہ بن گیا ہے۔ ہر ایک ڈالر جو اعلیٰ لاگت والی پرفارمنس ذخیرہ سازی پر خرچ کیا جائے، وہ کمپوٹنگ، نیٹ ورک، بجلی اور دیگر بنیادی ڈھانچے میں مزید وسائل کے انvestments کو کم کردے گا۔
اس کے علاوہ، قابلیت کو ابتدائی ڈیزائن مرحلے سے ہی مدنظر رکھنا چاہیے۔ بڑے پیمانے پر AI سسٹمز کے لیے، ہارڈویئر، سافٹ ویئر، نیٹ ورک اور بجلی کی خرابیاں عام باتیں ہیں، اور اچھے اسٹوریج سسٹم کو مستقل کام کرنے، خرابیوں کو الگ کرنے اور جلدی بحال ہونے کی صلاحیت ہونی چاہیے۔ اس نے خلاصہ کیا کہ مستقبل میں AI اسٹوریج کا رخ "فلیش HDD کو مکمل طور پر تبدیل کرے گا" نہیں بلکہ مختلف ڈیٹا لائف سائکل اور بزنس ضروریات کے مطابق درست طریقے سے لیئرنگ ہوگا۔ "حقیقی انفراسٹرکچر تھوڑے جھلکنے والی پرفارمنس کا تعاقب نہیں کرتا، بلکہ AI کی لمبے عرصے تک ترقی کو سپورٹ کرنے والا قابل اعتماد بنیادی ڈھانچہ ہوتا ہے۔"