數據、算法、算力和模型被認為是人工智能落地的四大要素，其中，算法、算力和模型的話題熱度很高，而對數據本身的討論，似乎也并不是機器學習專家的分內的事兒。
當然，機器學習專家本身對于數據預處理還是很熟悉的，但通常并不了解數據存儲的部分，對于存儲系統在擴展性、性能、穩定性方面并不在意。
從許多實踐來看，AI技術的成功與否，在很大程度上取決于支持數據科學流程的底層IT體系結構。換句話說，想要順暢地訓練、測試和部署AI模型，需要靠譜的計算和存儲系統。
AI對存儲提出了哪些要求？
上圖來自戴爾的一份白皮書（《適用于AI的IT體系結構：從POC直到生產》），企業用的商務智能只需要少量的結構化數據，需要的算力也比較少，而深度學習則需要PB級的數據，同時，對于計算和存儲性能也提出了更高要求。
白皮書概括了企業AI項目的落地流程。首先，要搞清楚具體要解決的業務問題，然后，就進入到POC驗證階段，需要將業務問題和數據科學問題來對應，過程中，需要建立一套IT基礎架構，IT架構要可以重復使用、可擴展且足夠靈活。
眾所周知，機器學習的工作過程大致分為四個階段，涵蓋數據采集、數據準備（數據預處理）、模型訓練（包含訓練、評估、驗證）和模型推理四個階段，每個階段對于數據存儲的要求都不盡相同。
在數據采集階段，數據可能會從不同來源聚攏并存儲起來，數據的大小和格式都存在各種差異，而且，數據類型往往是以文件存儲或者對象存儲為主，都屬于非結構化數據。
采集過程中，首先以順序寫入為主，從多個數據源傳入數據，如果存儲寫性能跟不上，數據就可能會被丟棄，數據的完整度可能會影響模型的準確度。采集完成后，通常還要將收集來的數據放入更大的存儲池來進行統一管理，對讀性能要求也很高。
在數據準備階段，需要對不同格式和尺寸的數據進行規范化處理，處理的效率取決于計算以及存儲的性能。處理的過程中，通常會有順序讀寫、隨機讀寫等操作，在最極端的情形下，甚至可能是各占一半的讀寫混合。
而在訓練階段，往往需要高性能的GPU或者加速器等來執行一系列的數學運算，對計算和存儲資源要求非常高，在做特定訓練時，AI訓練所需的時間取決于所部署的計算與高性能存儲的規模。
推理階段，對于存儲和計算性能的要求會比較多樣化，常見的各種邊緣場景，在機場和火車站的閘機，在手機的人臉識別系統中，對能耗比較敏感，而在大型模型的推理過程，對于計算和存儲性能的要求都會非常高。
總結而言，AI所需要的是非結構化數據存儲，并且，對于存儲的擴展性、綜合性能以及擴展性都有比較更好的要求。同時，由于涉及的數據量會越來越多，對于數據存儲和管理的要求也會越來越高。
如果存儲無法滿足這些要求，輕則影響機器學習訓練的周期，影響業務迭代進度，影響企業對于AI戰略的信心。重則訓練出的模型可能無法用于生產環境，AI計劃宣告失敗。
戴爾幫助企業將AI落地
戴爾能為企業的AI體系結構構建從邊緣到核心再到云的數據環境，計算部分有Precision工作站、PowerEdge服務器和NVIDIA DGX服務器，而存儲部分則有PowerScale橫向擴展存儲和ECS對象存儲，其中，PowerScale還可在云端部署。
PowerScale的非常適合存儲用于AI/ML/DL的大型數據集，服務于機器學習和數據分析場景。
PowerScale的高性能、高并發性能可滿足機器學習從數據采集、數據準備、模型訓練和模型推理各階段對存儲性能的要求，能更快完成AI模型的訓練和驗證。
PowerScale的可擴展性，使得從POC驗證到生產環節的所有數據都可以存放在PowerScale上，而且可以隨著數據量的增長隨時添加節點來擴容，從而可以避免費時費力進行數據遷移。
PowerScale提供豐富的企業級特性，它能將數據管理、性能管理、數據保護和數據安全有機地整合，從而提高數據存儲的經濟性，降低擁有成本并減少風險。
PowerScale還提供了高效的管理能力，借助PowerScale自帶的數據管理工具 Dell EMC DataIQ，任何人都可以輕松地在跨本地和異地部署的，文件和對象數據平臺上查找和管理數據。
PowerScale既有全閃存配置，也有混合存儲和歸檔存儲配置，滿足用戶在性能、容量和成本之間的平衡，還與谷歌云、亞馬遜云以及微軟Azure合作將數據放到云上，利用云上的彈性資源進行機器學習的訓練和推理，為企業提供了豐富多樣的選擇。
此外，戴爾不僅提供了種類豐富的IT基礎架構，擁有多種參考體系結構以及經過驗證的計算和存儲解決方案，還提供了常用的AI/ML/DL工具和框架，包括大數據分析平臺Splunk、機器學習框架Caffe2、TensorFlow、PyTorch等，讓機器學習的流程更順暢。
結束語
可以說，戴爾存儲不僅能滿足機器學習各個階段，對存儲在性能和擴展性方面的要求。而且，還有可用于構建服務于AI工作流的一整套IT基礎設施，更能將企業所需的安全、高效數據管理能力帶給企業，是企業構建AI能力的理想之選。
