DDN、AIネイティブストレージでセキュアなAIファクトリーを推進
AIネイティブストレージによるセキュアなAIファクトリーの実現
DDNは、AIデータインテリジェンスプラットフォームの新たな進歩を発表しました。これは、企業がエージェンティックAIをより迅速に導入し、ガバナンスとセキュリティを強化し、運用複雑性を低減し、企業規模のAIファクトリー全体でGPU効率を最大化することを目的としています。このイノベーションは、リアルタイムの可観測性、ポリシーベースの制御、セキュアなマルチテナント分離、および大規模なトレーニング、推論、自律型AIワークロード向けに最適化されたAIネイティブなデータオーケストレーションを提供します。これにより、組織は改善されたパフォーマンスとROIでAIイニシアチブをパイロットから本番環境へと移行できます。
AIファクトリーは、インテリジェンスを大規模に「製造」するために特化して構築されたデータセンターであり、加速されたインフラストラクチャとAIソフトウェアを緊密に統合して、AIの基本単位であるトークン生成を最適化します。DDNのAIデータインテリジェンスプラットフォームは、高パフォーマンスなデータオーケストレーション、ガバナンス、マルチテナント分離、およびトレーニング、推論、ベクトルデータベース、RAGパイプライン、自律型AI環境向けに最適化されたリアルタイムAIデータサービスを組み合わせることで、セキュアなAIファクトリーの運用を支援します。 DDNは、世界の最大級のAIファクトリー、主権AI展開、ハイパースケーラー、および数百万のGPUをサポートする企業AI環境を支えています。
具体的には、DDNのAIデータインテリジェンスプラットフォームは、EXAScalerおよびInfiniaという2つの実績あるエンジンを統合しています。 EXAScalerは、AIトレーニングや高スループットワークロードに最適なプラットフォームであり、モデルトレーニング、チェックポインティング、大規模シミュレーションに持続的なデータレートを提供します。 Infiniaは、ソフトウェア定義のオブジェクトファイルストレージであり、データサイロを排除し、3000万オブジェクトリスト/秒およびサブミリ秒のレイテンシで高速APIデータアクセスを可能にします。 これらの技術により、DDNはデータボトルネックを解消し、GPUの利用率を最大化することで、AIパイプラインをフルスピードで稼働させることができます。
エージェンティックAI時代に対応するデータインテリジェンスとガバナンス
エージェンティックAIの台頭は、企業インフラストラクチャの運用およびセキュリティ要件を根本的に変革しています。自律型AIエージェントは、リアルタイムで企業データを継続的に取得、生成、推論し、それに基づいて行動するため、AIデータパイプライン全体でガバナンス、セキュリティ、パフォーマンス分離、および運用効率に対する新たな要求が生じています。
DDNのプラットフォームは、パフォーマンスボトルネックを引き起こすことなく、リアルタイムでAIデータを管理し保護できるインフラストラクチャを提供するために設計されています。 これには、AIアプリケーションの応答性とAI精度を向上させる低遅延インフラストラクチャが含まれ、ベクトルデータベース、RAG（Retrieval-Augmented Generation）、および自律型AIパイプライン向けに最適化されています。 さらに、企業および主権AIの要件に対応する決定論的なパフォーマンス分離とガバナンス制御を備えたセキュアなマルチテナントAI環境を構築します。
ガバナンス機能には、中央集権的な可視性、管理、およびインテリジェントなパフォーマンス最適化が含まれており、運用を簡素化し、リソース効率を最大化します。 また、データ主権の確保にも重点を置いており、DDNのプラットフォームは、国家の価値観と規制に沿ったセキュアな基盤を提供し、データが国境内に留まり、知的財産が保護されることを保証します。
NVIDIAとの協業による性能最適化とエコシステム統合
DDNの進歩は、NVIDIA GTC Taipeiにおける新しいAIインフラストラクチャのイノベーション、特にNVIDIA Vera BlueField-4 STXアーキテクチャおよびNVIDIA DOCAセキュリティフレームワークと連携しています。 これらのNVIDIAのテクノロジーは、企業規模で動作するAIネイティブストレージおよびエージェンティックAIワークロード向けに、インラインセキュリティ、メモリ可観測性、およびポリシーベースの保護を提供するように設計されています。
DDNのプラットフォームは、NVIDIAアクセラレーテッドコンピューティングおよびAIによって強化されており、NVIDIAのフルスタックエコシステムとシームレスに統合します。 例えば、NVIDIA DGX SuperPODリファレンスデザインで検証済みであり、BlackwellおよびGB200 GPUシステムもサポートしています。 この緊密な連携により、DDNは、GPUの稼働率を最大99%に高め、データインフラストラクチャのコストを10分の1に削減し、総所有コスト（TCO）を最大40%削減するなど、顕著な性能向上とコスト削減を実現しています。
「エージェンティックAIは、エンタープライズインフラストラクチャの運用およびセキュリティ要件を根本的に変える」とDDNのCTOであるSven Oehme氏は述べています。「組織は、パフォーマンスボトルネックを導入することなく、リアルタイムでAIデータを管理し保護できるインフラストラクチャを必要としています。DDNのプラットフォームは、顧客がセキュアなAIファクトリーを効率的にスケールしながら、超低遅延を維持し、GPU利用率を最大化し、大規模なエンタープライズAI展開の運用負担を軽減できるように設計されています。」
開発者・エンジニア視点での考察
-
AIエージェントのデータ連携とガバナンス設計の複雑性への対応: エージェンティックAIの登場により、データはリアルタイムで生成、消費、アクションに利用されるため、データガバナンスとアクセス制御はより動的で詳細なものになります。DDNのリアルタイム可観測性、ポリシーベース制御、セキュアなマルチテナント分離機能は、開発者がエージェントのデータアクセスパターンを設計し、機密データの流出を防ぐための堅牢な基盤を提供します。しかし、多岐にわたるエージェント間のデータフローと、それぞれに異なるポリシーを適用する際の複雑性は依然として課題であり、これらをコードレベルで簡潔に定義・管理するためのSDKやフレームワークの活用が重要になります。
-
マルチテナント環境におけるGPUリソースの効率的利用と分離の重要性: DDNが提供する決定論的なパフォーマンス分離は、共有GPUインフラストラクチャにおけるAIワークロードの安定性と公平性を保証する上で極めて重要です。複数のプロジェクトやチームが同じAIファクトリーを利用する場合、あるワークロードが他のワークロードのGPUリソースを飽和させる「ノイジーネイバー」問題を回避できます。開発者は、自身のワークロードがどの程度のI/O帯域幅とレイテンシを必要とするかを正確に把握し、DDNのプラットフォームが提供するQoS（Quality of Service）設定やリソース管理ツールを適切に利用することで、期待通りの性能を確保しつつ、リソースを最大限に活用するための設計を行う必要があります。
-
AIデータパイプラインにおけるリアルタイム性、セキュリティ、パフォーマンスのトレードオフ管理: AIモデルのトレーニング、推論、RAG、ベクトルデータベースなど、AIライフサイクルの各段階でデータ要件は大きく異なります。DDNのソリューションは、超低遅延と高スループット、そして強固なセキュリティとガバナンスを両立させると謳っていますが、実際の導入においては、常にこれらの要素間で最適なトレードオフを管理する必要があります。例えば、極めて機密性の高いデータを扱うRAGパイプラインではセキュリティを最優先し、多少のレイテンシ増加を許容する一方で、リアルタイム推論では可能な限りの低遅延を追求するといった判断が求められます。開発者は、ワークロードの特性を深く理解し、DDNのEXAScalerやInfiniaといった異なるストレージ層を使い分けることで、コストとパフォーマンスのバランスを取りながら、最適なアーキテクチャを構築するスキルが求められます。
Source / 元記事
この記事について
この記事は、公開されているニュース、論文、公式発表、RSSフィードなどをもとに、AIが要約・補足調査・考察を行って作成しています。
元記事の完全な翻訳・逐語的な要約ではなく、AIによる背景説明や開発者向けの考察を含みます。
重要な技術仕様・価格・提供状況などは、必ず元記事または公式情報をご確認ください。
