(Source: Freepik)
Model-model GenAI seperti Llama, GPT, DALL·E, dan Stable Diffusion telah membuka jalan bagi inovasi dan transformasi besar di dunia bisnis. AI memberikan kemampuan pembuatan gambar realistis hingga penulisan teks yang menyerupai manusia, menandai era baru dalam kapabilitas digital. NetApp memahami betul tantangan ini dan berada di garis depan dalam mengatasinya.
Inovasi AI NetApp saat ini terletak pada konsep AI pipeline yang cocok untuk aplikasi yang melibatkan tugas-tugas yang jelas, seperti pemrosesan dokumen, deteksi penipuan, dan personalisasi pelanggan. Secara sederhana, AI pipeline dapat diibaratkan seperti jalur perakitan di pabrik otomotif, di mana setiap tahap mewakili langkah penting dalam membangun aplikasi berbasis GenAI. Ini merupakan serangkaian langkah berulang yang dimulai dengan penyerapan dan pra-pemrosesan data, dilanjutkan dengan pelatihan dan penyetelan model, dan diakhiri dengan inferensi serta pemantauan.
Setiap tahap dalam AI pipeline memiliki kebutuhan kinerja penyimpanan yang berbeda-beda, menuntut kapasitas, kecepatan, throughput, dan latensi yang bervariasi. Untuk memenuhi tuntutan data yang intensif sumber daya ini, dibutuhkan infrastruktur data yang fleksibel. Konsep ini terwujud dalam composable storage, yang merupakan evolusi dalam platform penyimpanan AI. Ini memisahkan sumber daya komputasi dari sumber daya penyimpanan sehingga keduanya dapat diskalakan secara independen melalui jaringan berkecepatan tinggi.
Selain itu, terdapat inovasi lain yang muncul dalam penyimpanan untuk mendukung AI pipeline. Pertama, platform penyimpanan terpadu dan dapat diskalakan yang meningkatkan efisiensi AI pipeline dengan menyimpan data untuk semua tahap dan memberikan pengalaman yang konsisten di berbagai lingkungan. Kedua, solusi siap pakai untuk Retrieval-Augmented Generation (RAG) yang memungkinkan model AI memberikan konteks bisnis spesifik tanpa pelatihan ulang yang ekstensif, meski menyiapkan data untuk RAG sangat kompleks dan memerlukan solusi terotomatisasi. Ketiga, fokus pada efisiensi energi yang penting karena GenAI membutuhkan daya komputasi besar, diatasi melalui infrastruktur komposit hemat energi dan kolaborasi dengan mitra cloud.
