أخبار ar.wedoany.com، أبحاث آي بي إم، بالشراكة مع إنفيديا وسامسونج، كشفت عن نموذج أولي لنظام تخزين واعٍ بالمحتوى في 14 أبريل 2026. نجح النظام في دعم تخزين واسترجاع متجهات على نطاق مئة مليار على خادم واحد، بزمن استجابة متوسط للاستعلام قدره 694 مللي ثانية، ودقة استرجاع بنسبة 90%. يتكون التكوين الأجهزة من مصفوفة فلاش كاملة IBM Storage Scale ESS 6000، وست وحدات معالجة رسوميات NVIDIA H200، و48 محرك أقراص صلبة Samsung PCIe Gen5 NVMe بسعة 30.72 تيرابايت لكل منها.
يهدف الحل إلى تقليل تعقيد البنية التحتية والتكلفة لدى المؤسسات التي تنشر تطبيقات التوليد المعزز بالاسترجاع (RAG). إن معمارية IBM CAS تنقل المهام التي كانت تُعالج في طبقات الحوسبة المنفصلة — مثل تحويل الوثائق إلى متجهات وبناء الفهرس — مباشرة إلى داخل نظام التخزين نفسه. أشار فينسنت هسو، كبير مسؤولي التكنولوجيا لتخزين آي بي إم، إلى أنه مع النمو الأسّري لنشر تطبيقات الذكاء الاصطناعي، تحتاج المؤسسات بشدة إلى قواعد بيانات بهذا المقياس لتنظيم بياناتها الخاصة من أجل الاستفادة الفعالة من الذكاء الاصطناعي. غالبًا ما تتطلب حلول قواعد بيانات المتجهات المتوفرة في السوق توسعًا أفقيًا عبر عشرات أو حتى مئات الخوادم لدعم مليارات المتجهات. أما من الناحية الأجهزة، فقد قدمت سامسونج 48 محرك أقراص صلبة NVMe من فئة المؤسسات مبنية على أحدث جيل من ذاكرة الفلاش V-NAND من نوع TLC. يوفر كل محرك سعة تخزين قدرها 30.72 تيرابايت، بسرعات قراءة متسلسلة تصل إلى 12000 ميغابايت في الثانية وسرعات كتابة متسلسلة تصل إلى 6800 ميغابايت في الثانية. يفصل نظام IBM Storage Scale ESS 6000 بين الحوسبة والتخزين، ويستفيد من وحدات معالجة الرسوميات NVIDIA H200 لتسريع إعادة بناء الفهرس — مما يقلل وقت بناء الفهرس من ساعات على وحدة المعالجة المركزية إلى دقائق على وحدة معالجة الرسوميات. في التحقق من الأداء، أكمل النظام تحميل البيانات وبناء الفهرس في إجمالي 13 يومًا، مع احتلال البيانات المخزنة إجمالًا 153 تيبيبايت. وللمقارنة، يُقدر أن إكمال المهمة نفسها على معالج إنتل مزدوج المقبس يستغرق 120 يومًا. والهدف التالي لآي بي إم وإنفيديا هو إنهاء فهرسة أكثر من مئة مليار متجه خلال يوم واحد، مع تقليص وقت استيعاب البيانات بشكل أكبر، وتحسين زمن استجابة الاستعلام باستمرار باستخدام مكتبة NVIDIA cuVS.
يُظهر هذا النموذج الأولي نهجًا جديدًا للبنية التحتية للبيانات في تطبيقات الذكاء الاصطناعي من فئة المؤسسات: إذ يعد بنقل قدرات معالجة الذكاء الاصطناعي إلى طبقة التخزين بتحسين كفاءة استخدام البيانات غير المنظمة الضخمة مع خفض التكاليف وتعقيد الإدارة في الوقت نفسه.
تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com
