डेल का तर्क है कि सिंगल-नेमस्पेस एआई स्टोरेज आर्किटेक्चर एंटरप्राइज़ वितरित डेटा गुरुत्वाकर्षण वास्तविकताओं के साथ टकराव करता है, जिससे जीपीयू को अनदेखे वास्तुशिल्प सीमाओं के कारण डेटा की प्रतीक्षा में रुकना पड़ता है।
इसके मूल में एक मौलिक विकल्प निहित है: क्या डेटा को कंप्यूट प्लेटफ़ॉर्म पर जाना चाहिए, या प्लेटफ़ॉर्म को वहां जाना चाहिए जहां डेटा रहता है? डेल कॉम्पिटिटिव इंटेलिजेंस के वरिष्ठ निदेशक जॉन हाइड, तीन ब्लॉग पोस्टों में केंद्रीकृत भंडारण-एकीकृत स्टैक पर फ़ेडरेटेड एआई डेटा प्लेटफ़ॉर्म के लिए मामला बनाते हैं।
अपनी पहली पोस्ट में, हाइड का तर्क है कि बड़े पैमाने पर डेटासेट में अंतर्निहित डेटा गुरुत्वाकर्षण होता है जो उन्हें उनके मूल स्थानों-कोर डेटासेंटर, एज साइट्स, संप्रभु अनुपालन क्षेत्रों, सास वातावरण, डेटा वेयरहाउस और बिजनेस-यूनिट-स्वामित्व वाले ऑब्जेक्ट स्टोर्स में लॉक कर देता है। एंटरप्राइज़ एआई का सबसे सरल नियम करार देते हुए, उनकी थीसिस में कहा गया है कि डेटा वहीं रहता है जहां वह पहुंचता है, और अधिकांश को कभी भी स्थानांतरित नहीं किया जाएगा।
कई उद्यम आईटी घर्षण स्वच्छ एकीकृत डेटा आर्किटेक्चर को अवरुद्ध करते हैं: नियामक और संप्रभुता नियम, एप्लिकेशन लॉक-इन, प्रतिस्पर्धी डेटा स्वामित्व, संविदात्मक और लागत बाधाएं, एम एंड ए डेटा विखंडन, अनुपालन-लॉक अभिलेखागार, अनकैटलॉग अज्ञात डेटा और आंतरिक संगठनात्मक साइलो।
वह डेटा को तीन अलग-अलग रूपों में वर्गीकृत करता है:
- कच्चा डेटा (हैवीवेट): फ़ाइलें, रिकॉर्ड, इमेजरी, वीडियो, टेलीमेट्री, विनियमित तालिकाएँ। भारी, धीमी गति से और स्थानांतरित करने में महंगा, ठोस परिचालन कारणों से यथास्थान शेष।
- मेटाडेटा (वर्णनात्मक परत): टैग, वंश, स्कीमा, वर्गीकरण, स्वामित्व मार्कर। दोहराने के लिए हल्का और सस्ता, भौतिक डेटा संचलन के बिना सभी परिसंपत्तियों में एआई दृश्यता को सक्षम करना।
- वेक्टर (शब्दार्थ प्रतिनिधित्व): एआई-जनित गणितीय एम्बेडिंग, स्थानीयता-जागरूक और जीपीयू-संरेखित। वे अंतर्निहित कच्चे डेटा के परिवहन के बिना पूरे वातावरण में प्रासंगिक अर्थ प्रसारित करते हैं।
हाइड नोट करता है कि एआई को कच्चे डेटा मूवमेंट की आवश्यकता नहीं है - केवल सुलभ मेटाडेटा और वैक्टर। मेटाडेटा कैटलॉग एआई वर्कलोड के लिए पूर्ण क्रॉस-सिस्टम परिसंपत्ति दृश्यता प्रदान करता है, जबकि वेक्टर इंडेक्स क्रॉस-एनवायरनमेंट सिमेंटिक तर्क को शक्ति प्रदान करता है। प्रतिबंधित, स्वामित्व वाला, विलंबता-संवेदनशील भारी कच्चा डेटा अपनी मौजूदा परिचालन टीमों द्वारा शासित रहता है। वेक्टर में स्थानीयता संवेदनशीलता और जीपीयू निकटता की सुविधा होती है: या तो कच्चा डेटा वेक्टराइजेशन एंडपॉइंट पर माइग्रेट हो जाता है, या वैक्टर जीपीयू-आसन्न बुनियादी ढांचे में स्थानांतरित होने से पहले डेटा को स्थानीय रूप से एम्बेड किया जाता है। यह फ़्रेमिंग उनके पूरे तर्क को रेखांकित करती है।
स्वाभाविक रूप से वितरित एंटरप्राइज़ डेटा AI डेटा परत डिज़ाइन को दो विरोधी दर्शनों में विभाजित करता है:
- भंडारण-एकीकृत स्टैक (VAST AI OS द्वारा उदाहरण): एक विक्रेता-नियंत्रित एकीकृत नामस्थान के भीतर बड़े डेटासेट को केंद्रीकृत करने के लिए बनाया गया है, जो सुव्यवस्थित संचालन के लिए एम्बेडेड AI सेवाओं को कसकर जोड़ता है। यह मॉडल मानता है कि समेकन को उचित ठहराने के लिए डेटा प्लेटफ़ॉर्म पर स्थानांतरित हो जाएगा, और ग्रीनफ़ील्ड एआई परिनियोजन के लिए अच्छा काम करता है।
- फ़ेडरेटेड एआई डेटा प्लेटफ़ॉर्म (डेल का फ़्रेमवर्क): इस आधार पर डिज़ाइन किया गया है कि एंटरप्राइज़ डेटा स्थायी रूप से वितरित रहता है, जिसके लिए प्लेटफ़ॉर्म को डेटा के मूल स्थानों के साथ संचालित करने की आवश्यकता होती है। डेल का एआई डेटा प्लेटफ़ॉर्म फ़ाइल सिस्टम, ऑब्जेक्ट स्टोरेज, वेयरहाउस, SaaS टूल और सार्वजनिक क्लाउड में डेटा तक पहुंचने और संसाधित करने के लिए पावरस्केल और ऑब्जेक्टस्केल को एक फ़ेडरेटेड कंट्रोल प्लेन के साथ जोड़ता है - कोई अनिवार्य केंद्रीकृत डेटा प्रतियां नहीं। यह कच्चे डेटा, मेटाडेटा और वैक्टर को अलग-अलग प्रथम श्रेणी इकाइयों के रूप में मानता है, तीनों को लगातार नियंत्रित करता है, और मूल्य प्रदान करने के लिए हल्के मेटाडेटा और वैक्टर का लाभ उठाता है जबकि भारी कच्चा डेटा यथावत रहता है।
हाइड का दूसरा ब्लॉग वितरित एंटरप्राइज़ डेटा वास्तविकताओं की अनदेखी के लिए VAST AI OS जैसे स्टोरेज-एकीकृत आर्किटेक्चर की आलोचना करता है। ये स्टैक एक कठोर आधार पर काम करते हैं: सभी एआई प्रसंस्करण विशेष रूप से उनके मालिकाना नामस्थान में शामिल डेटा पर चलते हैं, जिससे बाहरी डेटा प्लेटफ़ॉर्म पर अदृश्य हो जाता है। विक्रेता माइग्रेशन टूलिंग, परिचालन सरलीकरण के रूप में बाजार समेकन और एकीकृत यूआई की आपूर्ति करते हैं जो डेमो के दौरान वास्तविक दुनिया के खंडित डेटा परिदृश्यों को छिपाते हैं।
आर्किटेक्चर, कच्चे डेटा, मेटाडेटा और वैक्टर को एक एकल मोनोलिथिक श्रेणी में जोड़ता है, जो बड़े पैमाने पर डेटा माइग्रेशन के त्रुटिपूर्ण जनादेश के लिए डिफ़ॉल्ट है। फ़्रेमवर्क जो तीन परतों को अलग करते हैं, स्थानीय रूप से नियंत्रित भारी डेटा को विनियमित करते हैं, मेटाडेटा एंटरप्राइज़-व्यापी को दोहराते हैं, और क्रॉस-पर्यावरण एआई तर्क के लिए वैक्टर का उपयोग करते हैं। एक एकीकृत नामस्थान केवल तभी काम करता है जब कच्चा डेटा एकमात्र मानी जाने वाली संपत्ति है; एक बार मेटाडेटा और वैक्टर को स्वतंत्र मुख्य घटकों के रूप में पहचाने जाने पर यह अप्रभावी हो जाता है।
डेल का फ़ेडरेटेड आर्किटेक्चर तीन मुख्य सिद्धांतों पर काम करता है:
- कच्चा डेटा मौजूदा शासन टीमों के तहत अपने मूल स्थान पर रहता है
- मेटाडेटा विश्व स्तर पर प्रतिकृति बनाता है, जिससे सभी एआई वर्कलोड को पूर्ण क्रॉस-लोकेशन एसेट दृश्यता मिलती है
- वेक्टर पर्यावरण भर में अर्थ संबंधी संदर्भ ले जाते हैं, जिससे कच्चे डेटा स्थानांतरण के बिना एआई तर्क को सक्षम किया जा सकता है
हाइड की तीसरी पोस्ट साबित करती है कि डेल का फ़ेडरेटेड डिज़ाइन GPU को डेटा फीड करने में VAST के स्टोरेज-इंटीग्रेटेड स्टैक से बेहतर प्रदर्शन करता है। डेल ने Qwen3-32B मॉडल का उपयोग करके वेक्टर केवी कैश ऑफलोडिंग वर्कलोड पर अक्टूबर 2025 में साइड-बाय-साइड परीक्षण जारी किया, आंतरिक डेल बेंचमार्क और सार्वजनिक VAST प्रकटीकरण पर आधारित:
- पावरस्केल: पहले टोकन तक 0.82 सेकेंड का समय (टीटीएफटी)
- ऑब्जेक्टस्केल: 0.86s टीटीएफटी
- विशाल: 1.5s TTFT
- केवी कैश ऑफलोडिंग के बिना बेसलाइन वीएलएलएम: 11.8s टीटीएफटी
उनका कहना है कि जीपीयू डिलीवरी के आसपास बनाए गए आर्किटेक्चर - कच्चे डेटा को गुरुत्वाकर्षण-बाध्य और पोर्टेबल सिमेंटिक वैक्टर को परिवहन योग्य परत के रूप में मानते हैं - प्रत्येक अनुमान अनुरोध के साथ डेल के प्रदर्शन बढ़त को बढ़ाते हैं। मालिकाना नामस्थान में कच्चे डेटा को शामिल करने पर निर्भर डिज़ाइनों में संरचनात्मक अंतर्निहित देरी होती है।
हाइड ने स्वीकार किया कि VAST ने अद्यतन KV कैश ऑफलोडिंग परिणाम प्रकाशित किए हैं, विशेष रूप से Nvidia Dynamo और CoreWeave के साथ दिसंबर 2025 के बेंचमार्क ~20x तेज TTFT बनाम रीकंप्यूट और 90% उच्च GPU दक्षता का हवाला देते हुए। हालाँकि, ये परीक्षण अलग-अलग वर्कलोड और बेसलाइन का उपयोग करते हैं, जिसमें कोई भी मेल खाने वाला Qwen3-32B प्रकाशित 1.5s VAST TTFT आंकड़े को मात नहीं देता है।
वह जीपीयू-लक्षित डेटा आर्किटेक्चर का चयन करने वाले उद्यमों से एक महत्वपूर्ण सवाल उठाने का आग्रह करते हैं: "यह प्लेटफ़ॉर्म विनियमित, संप्रभु और एप्लिकेशन-लॉक स्रोतों सहित मिश्रित डेटासेट के मुकाबले केवी कैश ऑफलोडिंग के साथ यथार्थवादी अनुमान वर्कलोड पर क्या जीपीयू उपयोग प्रदान करेगा?"
यह क्वेरी विक्रेताओं को मौलिक संरचनात्मक ट्रेडऑफ़ को संबोधित करने, प्रदर्शन सीमाओं की व्याख्या करने के लिए मजबूर करती है जब डेटा को उनके नामस्थानों में शामिल नहीं किया जा सकता है, पूर्ण कार्यप्रणाली के साथ आधुनिक ओपन-सोर्स मॉडल पर प्रतिलिपि प्रस्तुत करने योग्य टीटीएफटी, टोकन-प्रति-सेकंड और कैश हिट रेट मेट्रिक्स प्रकाशित करता है, और ईमानदारी से महत्वपूर्ण वित्तीय चिंता का उत्तर देता है: यह आर्किटेक्चर कितना जीपीयू निष्क्रिय समय बनाता है?
टीका
वेक्टरकृत डेटासेट अपने स्रोत कच्चे डेटा से काफी बड़े हैं। एंबेडिंग अक्सर मूल स्रोत की मात्रा को प्रति रिकॉर्ड 3-20 गुना या उससे अधिक बढ़ा देती है, जो टेक्स्ट खंड आकार, एम्बेडिंग आयाम और भंडारण प्रारूपों के अनुसार बदलती रहती है। बेहतर पुनर्प्राप्ति सटीकता के लिए स्रोत डेटासेट को पूर्व-एम्बेडिंग में अलग-अलग हिस्सों (पैराग्राफ, निश्चित टोकन विंडो) में विभाजित किया गया है। 250-500 शब्दों का एक मानक पाठ खंड लगभग 0.5-2 केबी कच्चे पाठ के बराबर होता है, इसके अनुरूप वेक्टर अक्सर 3-10x बड़ा होता है।
मुख्य अनसुलझा प्रश्न: वेक्टरीकरण कहां होता है, और यदि बड़े आकार के वेक्टर डेटासेट जीपीयू से दूर उत्पन्न होते हैं तो क्या उन्हें स्थानांतरित कर दिया जाता है? उनका पर्याप्त थोक अपना स्वयं का डेटा गुरुत्वाकर्षण बनाता है। टीमें या तो कच्चे डेटा को एम्बेडिंग इंफ्रास्ट्रक्चर में स्थानांतरित करती हैं या पूर्ण वेक्टर सेट को एआई गणना में स्थानांतरित करती हैं, दोनों परिदृश्यों में डेटा गुरुत्वाकर्षण से जूझती हैं। हमने इस विरोधाभास को और अधिक स्पष्टीकरण के लिए जॉन ह
आपका संदेश 20-3,000 अक्षरों के बीच होना चाहिए!
Hindi
