Molte aziende hanno a disposizioni enorme quantità e varietà di dati, che però spesso non sono “pronti” per alimentare applicazioni di intelligenza artificiale in inferenza: prima devono essere ingeriti, classificati, selezionati e ripuliti, e inoltre è necessario garantire ai dati un giusto livello di sicurezza. Qui entra in gioco Everpure (già Pure Storage) con Data Stream, un’offerta integrata di hardware e software per la preparazione dei dati.
Distribuita attraverso la Everpure AI Data Platform, Data Stream ha un chiaro focus sull’inferenza AI: la promessa è quella di aiutare le aziende a passare dai raw data a dati pronti per l’AI in tempi decisamente più rapidi, minuti anziché mesi. Basata su Gpu Nvidia, la tecnologia di Everpure automatizza e accelera attività che altrimenti, se svolte in modo manuale, richiederebbero molto più tempo.
Una caratteristica fondamentale è la capacità di ingerire e strutturare dati in modo automatizzato e in tempo reale. L’ingestione può comprendere diverse fonti di dati e formati di file, tra cui testi, Pdf, immagini e tabelle strutturate. I contenuti vengono organizzati in segmenti coerenti dal punto di vista semantico, come frasi o paragrafi, per preservare il contesto e la possibilità di accesso granulare, minimizzando al contempo la perdita di informazioni.
La tecnologia di Everpure Data Stream può gestire miliardi di file o di oggetti di storage, integrandosi con database vettoriali sulla piattaforma di archiviazione Everpure FlashBlade//S. Nel livello delle storage vengono eseguite in parallelo trasformazioni sui dati, come l’arricchimento dei metadati e il reranking (un’analisi di profondità che riordina in base all’importanza i dati emersi da una prima ricerca).
“Stiamo attraversando un enorme super-ciclo di investimenti di capitale a favore della AI, nel quale l’elemento che distingue le aziende vincenti da quelle che scompaiono è la capacità di adattamento", ha commentato Robert Lee, chief technology officer di Everpure. “Un’architettura di AI vincente richiede una piattaforma unificata che consenta alle aziende di partire su piccola scala con casi d'uso immediati e di scalare in modo fluido fino a raggiungere una capacità di exabyte. Everpure risponde a questa sfida fornendo una pipeline di dati affidabile, sicura e ad alte prestazioni che accelera i tempi di ottenimento dei risultati per i dati aziendali".
Everpure Data Stream è progettata secondo il reference design della AI Data Platform di Nvidia e si integra con diverse tecnologie di quest’ultima. L’integrazione con il framework Nvidia NeMo e con i microservizi Nvidia Nim permette a Data Stream di orchestrare i flussi di lavoro fino all’inferenza e di utilizzare API standard per portare le applicazioni AI “in produzione”. NeMo Retriever, in particolare, viene utilizzato per trasformare i dati grezzi in vettori semantici tramite i modelli di embedding di Nvidia. Due aspetti importanti sono la scalabilità e la sicurezza, ed entrambi vengono soddisfatti attraverso un’architettura flessibile, con disaccoppiamento di storage e calcolo, e applicando controlli di accesso a livello di flusso, che mantengono i dati all’interno della rete aziendale.
“La creazione della prossima generazione di fabbriche di AI richiede un'architettura dati che colleghi senza soluzione di continuità i dati aziendali sicuri e governati con l'elaborazione accelerata”, ha commentato Jason Hardy, vice president of storage technology di Nvidia. “L'integrazione di Everpure con Nvidia AI Data Platform fornisce le basi infrastrutturali di cui le organizzazioni hanno bisogno per passare dalla sperimentazione dell'IA all'intelligenza a pieno regime”.
Non è questa l’unica novità nell’offerta della ex Pure Storage. Pochi giorni fa è stata presentata Everpure Data Intelligence, rebranding della soluzione già nota come 1touch. Si tratta di una tecnologia che aiuta a classificare, contestualizzare e gestire i dati in ambienti IT frammentati tra cloud e on-premise e in ambienti mainframe. Le informazioni vengono rilevate, classificate e contestualizzate alla fonte, mappandone le interdipendenze in un grafico delle relazioni tra i dati. L’obiettivo è consentire accesso via Api ed Mcp (Model Context Protocol) per fornire i modelli di intelligenza artificiale dei dati di input altamente pertinenti e accurati.