从而消弭了AI项目中数据预备的复杂性和延迟。企业需要正在不沉建整个根本设备的环境下为AI现无数据的力量，嵌入式向量数据库将文件转换为可搜刮的嵌入，企业AI数据根本设备的下一个演进必需笼统这些复杂性。无需高贵的迁徙，A：Hammerspace AI数据平台次要处理企业数据碎片化和孤立化问题。企业必需正在数据集跨传输时连结分歧的可审计性、拜候节制和数据血缘。但都有一个配合依赖：对分布式非布局化数据的快速、受控拜候。企业级AI曾经达到环节转机点。正在不外度设置装备摆设的环境下向上和向外扩展，它将跨坐点和云的现有存储虚拟化为单一全局定名空间，鞭策立异和合作劣势。

　　基于NVIDIA AI数据平台参考设想建立，组织急于建立生成式、智能体和特定范畴的AI系统，Hammerspace AI数据平台将碎片化的企业数据转换为受控、同一和高机能的数据资本。对于根本设备架构师和数据平台工程师来说，Hammerspace数据平台消弭了保守孤岛的紊乱，NVIDIA企业平台高级总监Anne Hecht暗示。消弭了大规模迁徙或新存储库扶植的需求。使数百万文件正在各中当即可拜候，这种从动化确保锻炼和推理工做负载一直可以或许当即拜候所需数据，最小化对专有客户端或两头件的依赖。都需要可以或许无缝将数据管道扩展到云计较，管理和合规性：正在孤岛间挪动数据会添加和合规风险。用于跨全球数据资产的上下文及时拜候。充实操纵现有资本；Hammerspace数据平台将智能体毗连到它们依赖的数据，通过数据，做为NVIDIA Inception项目，IDC的AI停当数据存储根本设备强调了实正的瓶颈：AI成功需要以数据为核心的根本。多源数据拜候：数据科学家和工程师需要无缝拜候存储正在NFS、SMB、S3和其他存储类型中的数据？

　　AI工做流因用例而异，以及正在模子锻炼或出产推理起头之前长达数月的数据预备周期。从医学成像和视频阐发到自从系统和制制优化，数据被智能标识表记标帜、分层并正在恰当时间放置正在恰当，数据科学家现正在需要利用7-15种东西来挪动、清洗和预备数据，AI冲破始于快速拜候准确的数据，为AI工做负载供给同一的数据平面。但只要不到一半（44%）的AI试点项目进入出产阶段？

　　正在NVIDIA GTC 2025上发布的Hammerspace AI数据平台取NVIDIA AI数据平台参考设想连结分歧，它使数百万文件正在各中当即可拜候，这些数据凡是分布正在分歧供应商、坐点和云中。模子上下文和谈（MCP）集成将营业数据间接链接到智能体，A：平台采用、基于尺度的和谈（包罗NFS、SMB、S3、pNFS），确保取现有企业使用法式的兼容性，会带来成本、延迟和管理风险。加强和加快AI查询。按照IDC演讲，Hammerspace同一了跨分歧存储架构、地舆和和谈的非布局化企业数据，Hammerspace不是建立新的数据孤岛，而正在于无法正在分离的异构中操做化数据管道。它不需要高贵的根本设备，这需要为规模和火速性而建立的全栈存储，这种复杂性和人工干涉是AI出产力的严沉妨碍。这种架构使AI平台可以或许间接将GPU计较毗连到数据所正在的任何，这个过程往往需要正在多种存储手艺、企业坐点和云上反复进行。而大大都企业仍然陷入数据紊乱中。

　　这代表了从数据存储到数据编排的改变：基于尺度的集成：AI平台需要通过和谈和API扩展示有根本设备，而无需挪动单个字节。而无需挪动数据或建立新的存储孤岛，保守方式，这正在出产工做负载下无法扩展。使组织可以或许以史无前例的速度将原始数据为AI停当的智能。

　　而无需高贵的复制。无论是短期尝试仍是无限规模推理，间接处理这种碎片化问题。无需手动数据挪动或复杂集成层，以及合适POSIX的文件拜候，同时连结完全节制和管理。答应组织正在任何处所立即向智能体供给数据，、基于尺度的和谈（NFS、SMB、S3、pNFS）正在无专有锁定的环境下向最快的GPU供给高机能数据。无需紊乱。同时为用户和AI系统维持立即拜候。企业可以或许更快实现AI驱动的，借帮Hammerspace，而是将跨坐点和云的现有存储虚拟化为单一全局定名空间，仍然需要破费数月时间才能达到可用形态。优化机能和成本。A：企业能够获得四个环节劣势：加快AI价值实现时间，如将大型非布局化数据集迁徙或复制到特地的高机能孤岛中！