Opinie na temat rozwoju rynku pamięci masowych są zróżnicowane. Jan Jiskra, Storage Sales Manager w Lenovo ISG, uważa, że wraz z transformacją zmienia się wszystko, w tym także pamięci masowe. Inaczej widzi to Dave Pearson, analityk IDC, którego zdaniem ostra konkurencja w segmencie pamięci masowych nie prowadzi do powstawania nowych, przełomowych rozwiązań. Innowacje w sprzęcie uległy stagnacji, choć dostawcy wiedzą, że mogą zrobić więcej z macierzami, które już wprowadzili na rynek. Kto jest bliżej prawdy?

Jak wynika z analiz IDC w 2018 r. globalna ilość danych wynosiła 33 zettabajtów danych. Natomiast prognozy mówią o 175 zettabajtach danych na koniec przyszłego roku, z czego 90 zettabajtów ma pochodzić z samych urządzeń IoT. Tymczasem nadal wiele firm oraz instytucji wykorzystuje systemy sprzed sześciu lat lub nawet starsze, kiedy ilość danych była pięć razy mniejsza niż obecnie. Nic dziwnego, że specjaliści apelują, aby nie tylko inwestować w nowe technologie, ale zacząć od generalnych porządków w centrach danych. Na serwerach oraz macierzach dyskowych przechowywanych jest bowiem wiele bezwartościowych zasobów. Matt Watts, Chief Technology Evangelist w NetAppie, szacuje, że nikt nie korzysta z około 40 proc. danych przechowywanych przez brytyjskie firmy oraz instytucje, a w niektórych przypadkach ten współczynnik zbliża się nawet do 80 proc.

Pamięci masowe w świecie AI

Matt Watts szacuje, że pamięci masowe odpowiadają za około 20 proc. zużycia energii w centrach danych, co będzie się szybko zmieniać. Wraz z boomem na sztuczną inteligencję firmy inwestują w procesory graficzne, aby uzyskać przewagę w dziedzinie szkolenia oraz wnioskowania modeli SI. Pamięć masowa znajduje się gdzieś na drugim planie, niemniej systemy trzeba „nakarmić” ogromną ilością danych. Szczególne wymagania mają w tym zakresie pojazdy autonomiczne oraz duże modele językowe, które potrzebują petabajtów danych, a rekordzistą (200 petabajtów) jest w tym przypadku Tesla. Przy czym specjaliści z Averbitu zwracają uwagę, że większość klientów do projektów związanych ze sztuczną inteligencją sięga po mniejsze zasoby, zazwyczaj nie przekraczające 100 TB. Tom Wilson, Product Manager w Dell Technologies, dokonuje ciekawej analogii – o ile dane są paliwem, a procesory spełniają rolę silników, to pamięć masowa jest zbiornikiem na paliwo.

Rodzimi integratorzy, przynajmniej jak na razie, nie odnotowali znacznego wzrostu popytu na systemy przeznaczone do pracy z wielkimi zbiorami danych. Boomna SI w Polsce jest bardziej widoczny w mediach czy podczas rozmów o nowych technologiach, ale nie przekłada się na konkretne zamówienia.

– Owszem, pojawiają się zapytania ze specyficznych obszarów rynku, jak e-commerce, związanych z procesami logistycznymi czy z GameDev, a więc tam, gdzie jest faktyczny popyt na dużą moc obliczeniową. Im więcej firm znajdzie sposób na realne wykorzystanie sztucznej inteligencji do wsparcia swojego biznesu, tym więcej będziemy mieli zapytań dotyczących zwiększonej mocy obliczeniowej. Pamiętajmy, że wiele z tych usług będzie jednak dostępnych w formie rozwiązań SaaS – mówi Mikołaj Wiśniak, wiceprezes IT Solution Factor.

Co istotne, nawet najwięksi gracze w obszarze SI, tacy jak OpenAI, Google, Microsoft czy Antrophic wdrażają mniejsze i generatywne modele sztucznej inteligencji, wymagające mniejszej ilości danych.

– Nie potrzebujesz modelu AI, który zna całą obsadę „Ojca chrzestnego”, zna każdy film lub program, który kiedykolwiek został nakręcony – komentuje Robert Blumofe, dyrektor ds. technologii w Akamai.