急得滿頭大汗的小王看向悠閑喝茶的小李道：你怎么不緊不慢的？剛剛主任發(fā)的緊急任務做完了？

小李得意的說：這年頭，偷偷用一下AI就搞定啦~

一旁的小張插進來：你還敢用！不怕安全部門找你?。?/p>

小王聽罷，還是老老實實埋頭苦干吧。

隨著各種AI“超級助手”的不斷升級，各行各業(yè)的員工使用其幫助提高工作效率的比例可能比想象中高得多。

根據(jù)微軟和領英聯(lián)合開展的一項調(diào)查顯示，自今年5月起到過去的6個月里，全球78%的知識型員工秘密地將自己的AI工具（BYOAI）帶入到工作中，且這一現(xiàn)象在中小型公司中更為常見（80%）。

雖然這種方式提高了效率，但難以忽視一些關鍵信息被放在公共模型中帶來的?險。幸運的是，眾多企業(yè)意識到采用人工智能的重要性，將重點轉(zhuǎn)向通過實施AI實現(xiàn)利益最大化的發(fā)展戰(zhàn)略。不過，在進行訓練階段又陷入了兩難：究竟在本地，還是云端更好呢?

有些企業(yè)選擇了云——能夠動態(tài)調(diào)整計算資源以適應訓練變化的靈活性給眾多管理者會心一擊。其次，云端配備的高性能GPU、TPU等加速器，能夠高效處理大規(guī)模數(shù)據(jù)集和復雜模型，加快訓練速度；易于訪問與協(xié)作、通常集成了多種自動化工具和服務的云平臺也極大地簡化了開發(fā)流程；并且，由于無需維護硬件設施，在云端訓練AI更具經(jīng)濟效益。

但是，在云端訓練的缺點也不少：數(shù)據(jù)傳輸時可能消耗大量的時間和帶寬；盡管采取嚴格的安全措施，卻仍有隱私泄露的風險；當網(wǎng)絡延遲或中斷時，可能中斷訓練過程，影響效率；對于高度定制化的軟硬件需求有一定限制，且在模型訓練好后，將模型部署到本地或其他環(huán)境時，可能會遇到兼容性和優(yōu)化問題。

于是，一些企業(yè)選擇可以更好地控制數(shù)據(jù)與成本，具有網(wǎng)絡獨立性，可完全根據(jù)需求定制化硬件和軟件環(huán)境，并可直接監(jiān)控和調(diào)試訓練過程、能夠無懼延遲及時反饋問題的本地部署。

然而，本地訓練同樣存在一些問題——硬件資源固定、計算資源有限；需要定期維護與升級設備，增加額外的時間和成本負擔；進行大規(guī)模訓練時可能增加能源消耗和冷卻成本；不便于協(xié)作等。

同時兼顧云和本地優(yōu)勢的混合云，或是最優(yōu)選。

采用混合云訓練AI的一般步驟和考慮因素有：

●架構設計：設計一個能夠跨越本地數(shù)據(jù)中心和公有云的混合云架構至關重要。通常涉及構建或利用現(xiàn)有的Kubernetes集群，確保本地集群與云服務商的容器服務兼容。

●數(shù)據(jù)管理與遷移：使用數(shù)據(jù)同步工具或服務在本地與云端之間高效地移動或緩存數(shù)據(jù)，確保數(shù)據(jù)一致性的同時，也能根據(jù)訓練需求動態(tài)調(diào)整數(shù)據(jù)位置。

●模型開發(fā)與訓練：在本地或云上開發(fā)AI模型，利用云服務商提供的AI開發(fā)平臺和工具進行模型訓練?？梢栽诒镜剡M行初步測試和調(diào)試，然后利用公有云的彈性GPU資源進行大規(guī)模并行訓練。

●彈性資源擴展：根據(jù)訓練任務的需求，動態(tài)擴展公有云商的計算資源。如在需要大量計算是自動或手動增加云上GPU實例的數(shù)量，訓練完成后釋放資源以降低成本。

●模型推理與部署：訓練好的模型可以在混合環(huán)境中部署，既可以在本地進行低延遲推理，也可以部署到公有云上，利用云服務的全球分布特性服務于不同地區(qū)的用戶。

●監(jiān)控與優(yōu)化：實施全面的監(jiān)控系統(tǒng)，跟蹤模型訓練過程中的資源使用情況、性能指標和成本消耗，不斷優(yōu)化模型訓練效率和成本效益。

●安全與合規(guī)：確保在整個混合云架構中實施嚴格的數(shù)據(jù)加密、訪問控制和合規(guī)措施，特別是在數(shù)據(jù)傳輸和存儲過程中，保護敏感信息不被泄露。

打通云上云下

讓“魚和熊掌兼得”

作為業(yè)界最靈活，最安全和高效的橫向擴展文件存儲平臺之一，PowerScale是戴爾AI解決方案整體架構中最重要的基礎。聚合了多個節(jié)點的性能，PowerScale可以完全滿足AI的存儲性能需求，不僅能夠增強模型訓練加載GPU的性能，同時還能提供先進的、經(jīng)過驗證的可用性、數(shù)據(jù)保護、安全性和多租戶等功能。并且，由于能夠輕松擴充數(shù)十PB，可大量并發(fā)、就地分析、自動分層和簡單管理，PowerScale對于基于文本的模型訓練或推理沒有明顯的瓶頸，十分適合AI模型訓練。

此外，為了解決公司因多年來在數(shù)據(jù)中心、邊緣和云部署中構建和使用多種不同類型的存儲、存儲設備而導致的“同時跨多個位置管理數(shù)據(jù)”難題，戴爾還全面推出了適用于Azure的戴爾APEX文件存儲，不僅彌合了云存儲和AI驅(qū)動的見解之間的巨大差距，還支持靈活支付費用，為用戶提供極大的便利。

適用于Azure的戴爾APEX文件存儲的核心是戴爾PowerScale OneFS，通過將這個高性能橫向擴展文件存儲解決方案引入Azure云，戴爾使用戶能夠更有效地整合和管理數(shù)據(jù)，降低存儲成本并增強數(shù)據(jù)保護和安全性，同時利用原生云AI工具更快地獲得見解。

通過SyncIQ本機復制，它可將文件數(shù)據(jù)從本地設備快速、無風險、策略驅(qū)動地遷移到云。由于OneFS軟件平臺在本地和Azure中是相同的，因此用戶無需對底層存儲架構進行任何更改。一旦進入云，IT團隊就會使用他們已熟悉的用戶界面、命令執(zhí)行界面（CLI）、API界面和身份管理，方便企業(yè)利用現(xiàn)有技能，減少管理數(shù)據(jù)和技術架構所花費的時間，降低管理復雜性。

適用于Azure的APEX文件存儲可在單個命名空間中支持多達18個節(jié)點和5.6PiB，可提供可擴展性和靈活性，同時又不犧牲管理的簡易性，并可實現(xiàn)：

● 集群性能提高6倍

● 命名空間大至11倍

● 每個卷最多可增加23倍快照

● 集群彈性提高2倍

● 橫向擴展到252個節(jié)點

另外，APEX文件存儲直接與多種最常見的AI工具（包括Azure AI Studio）集成，利用原生AI工具來支持最苛刻的工作負載。適用于Azure的戴爾APEX文件存儲專為混合云和云爆發(fā)用例而設計，無論是傳統(tǒng)IT工作負載還是尖端的人工智能應用程序，它都具有最高的AI規(guī)模性能，將AI工作負載推向創(chuàng)新和效率的新高度。

結 語

在數(shù)字技術快速發(fā)展的時代，多云策略的需求從未如此明顯。通過更加靈活、安全、高效的解決方案，企業(yè)不僅能夠從容應對挑戰(zhàn)，還能以前所未有的速度驅(qū)動業(yè)務增長。作為行業(yè)領導者，戴爾科技將繼續(xù)以領先的創(chuàng)新、全面的服務，幫助企業(yè)更好地適應AI時代。