Dell sostiene que las arquitecturas de almacenamiento de IA de espacio de nombres único chocan con las realidades de gravedad de datos distribuidos de la empresa, lo que obliga a las GPU a detenerse a la espera de datos debido a limitaciones arquitectónicas no abordadas.
En su núcleo se encuentra una elección fundamental: ¿deberían los datos viajar a la plataforma de computación, o debería la plataforma ir a donde residen los datos?hace el caso de plataformas de datos de IA federadas sobre pilas de almacenamiento centralizado integradas en tres publicaciones de blog.
En su primer post, Hyde argumenta que los conjuntos de datos masivos llevan gravedad de datos inherente que los bloquea en sus ubicaciones originales: centros de datos centrales, sitios periféricos, regiones de cumplimiento soberano, entornos SaaS,almacenes de datosApodada la regla más simple de la IA empresarial, su tesis afirma que los datos permanecen donde aterrizan, y la mayoría nunca serán reubicados.
Numerosas fricciones de TI de la empresa bloquean arquitecturas de datos unificadas limpias: reglas regulatorias y de soberanía, bloqueo de aplicaciones, propiedad de datos en competencia, barreras contractuales y de costes,Fragmentación de los datos de fusiones y adquisiciones, archivos de cumplimiento bloqueados, datos desconocidos no catalogados y silos organizacionales internos.
Él clasifica los datos en tres formas distintas:
- Datos en bruto (peso pesado): archivos, registros, imágenes, video, telemetría, tablas reguladas.
- Metadatos (capa descriptiva): etiquetas, linaje, esquemas, clasificaciones, marcadores de propiedad.
- Vectores (representación semántica): incrustaciones matemáticas generadas por IA, conscientes de la ubicación y alineadas con la GPU. Transmiten el significado contextual a través de entornos sin transportar datos en bruto subyacentes.
Hyde señala que la IA no requiere movimiento de datos en bruto, solo metadatos y vectores accesibles.Mientras que el vector indexa el poder del razonamiento semántico transversal del entornoLos vectores cuentan con sensibilidad de localización y proximidad a la GPU:o bien los datos en bruto migran a los puntos finales de vectorización, o los datos están incrustados localmente antes de que los vectores cambien a la infraestructura adyacente a la GPU.
Los datos empresariales inherentemente distribuidos dividen el diseño de la capa de datos de IA en dos filosofías opuestas:
- Pilas integradas de almacenamiento (ejemplificadas por VAST AI OS): Construidas alrededor de la centralización de grandes conjuntos de datos dentro de un espacio de nombres unificado controlado por el proveedor,acoplamiento estrecho de servicios de IA integrados para operaciones optimizadasEste modelo asume que los datos migrarán a la plataforma para justificar la consolidación, y funciona bien para las implementaciones de IA en campo verde.
- Plataformas de datos de IA federadas (marco de Dell): diseñadas en torno a la premisa de que los datos de la empresa permanecen permanentemente distribuidos, lo que requiere que la plataforma opere junto con las ubicaciones nativas de los datos.La plataforma de datos de inteligencia artificial de Dell combina PowerScale y ObjectScale con un plano de control federado para acceder y procesar datos a través de sistemas de archivos, almacenamiento de objetos, almacenes, herramientas SaaS y nubes públicas, sin copias centralizadas obligatorias de datos.gobierna a los tres de manera consistente, y aprovecha metadatos y vectores ligeros para ofrecer valor mientras que los datos en bruto pesados permanecen en su lugar.
El segundo blog de Hyde critica las arquitecturas integradas de almacenamiento como VAST AI OS por ignorar las realidades de datos empresariales distribuidos.todo el procesamiento de IA se ejecuta exclusivamente en datos ingeridos en su espacio de nombres propietarioLos proveedores proporcionan herramientas de migración, consolidación del mercado como un simplificador operativo,y UIs unificadas que enmascaran paisajes de datos del mundo real fragmentados durante las demostraciones.
Las arquitecturas que agrupan datos en bruto, metadatos y vectores en una sola categoría monolítica son el defecto por defecto del mandato de migración masiva de datos.Los marcos que diferencian las tres capas dejan datos pesados regulados regidos localmenteUn espacio de nombres unificado solo funciona si los datos en bruto son el único activo considerado.se vuelve ineficaz una vez que los metadatos y los vectores se reconocen como componentes centrales independientes.
La arquitectura federada de Dell opera sobre tres principios básicos:
- Los datos en bruto permanecen en su ubicación original bajo los equipos de gobernanza existentes
- Los metadatos se replican a nivel mundial, lo que otorga a todas las cargas de trabajo de IA una visibilidad completa de los activos entre ubicaciones
- Los vectores llevan contexto semántico a través del entorno, lo que permite el razonamiento de IA sin reubicación de datos en bruto
El tercer post de Hyde demuestra que el diseño federado de Dell supera al de VAST en la alimentación de datos a las GPU.Dell lanzó en octubre de 2025 pruebas de carga de trabajo de descarga de caché vectorial KV utilizando el modelo Qwen3-32B., basándose en los índices de referencia internos de Dell y las divulgaciones públicas de VAST:
- PowerScale: 0,82 segundos Tiempo hasta el primer token (TTFT)
- ObjectScale: 0.86s TTFT
- VAST: TTFT de 1,5 segundos
- VLLM de referencia sin descarga de caché KV: 11,8 s TTFT
He states architectures built around GPU delivery—treating raw data as gravity-bound and portable semantic vectors as the transportable layer—amplify Dell’s performance edge with every inference requestLos diseños que dependen de la ingestión de datos en bruto en un espacio de nombres propietario sufren retrasos estructurales inherentes.
Hyde reconoce que VAST ha publicado los resultados actualizados de descarga de la caché KV,En particular, los puntos de referencia de diciembre de 2025 con Nvidia Dynamo y CoreWeave citando ~ 20 veces más rápido TTFT vs recomputación y 90% más alta eficiencia de la GPUSin embargo, estas pruebas utilizan cargas de trabajo y líneas de base distintas, sin que ningún Qwen3-32B coincida con la cifra publicada de 1.5s VAST TTFT.
Invita a las empresas que seleccionan arquitecturas de datos dirigidas a la GPU a plantear una pregunta crítica: ¿Qué utilización de la GPU ofrecerá esta plataforma en cargas de trabajo de inferencia realistas con descarga de caché KV,en comparación con conjuntos de datos mixtos, incluidos los regulados, fuentes soberanas y de aplicaciones bloqueadas?
Esta consulta obliga a los proveedores a abordar las compensaciones estructurales fundamentales, explicar las limitaciones de rendimiento cuando los datos no pueden ser ingeridos en sus espacios de nombres, publicar TTFT reproducible,métricas de la tasa de éxito de los tokens por segundo y de la caché en modelos modernos de código abierto con una metodología completa, y responder honestamente a la preocupación financiera fundamental: ¿cuánto tiempo de inactividad de la GPU esta arquitectura crea?
Comentario
Los conjuntos de datos vectorizados superan enormemente el tamaño de sus datos en bruto de origen.incorporación de formatos de dimensionalidad y almacenamientoLos conjuntos de datos de origen se dividen en fragmentos discretos (párrafos, ventanas de token fijas) pre-incorporados para una precisión de recuperación superior.Texto en bruto de 5KB, con su vector correspondiente con frecuencia 3 ∼10 veces más grande.
Pregunta clave no resuelta: ¿dónde se lleva a cabo la vectorización, y se trasladan los conjuntos de datos vectoriales de gran tamaño si se generan lejos de las GPU?Los equipos pueden cambiar los datos en bruto a la infraestructura de incorporación o mover conjuntos de vectores completos a la computación de IAHemos señalado esta contradicción a Jon Hyde para mayor aclaración.
China, China, China, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón, Japón.
Sandy Yang, directora de estrategia global
WhatsApp / WeChat: +86 13426366826 El número de teléfono es:
Correo electrónico: yangyd@qianxingdata.com
El sitio web: www.qianxingdata.com/www.storagesserver.com
Enfoque en el negocio:
Distribución de productos TIC/Integración de sistemas y servicios/Soluciones de infraestructura
Con más de 20 años de experiencia en distribución de TI, nos asociamos con las principales marcas globales para ofrecer productos confiables y servicios profesionales.
Usar la tecnología para construir un mundo inteligente¡Su proveedor de servicios de productos TIC de confianza!
¡Su mensaje debe tener entre 20 y 3.000 caracteres!
Spanish
