借助整合式AI方案 企業營運大幅提升訓練與建模效率

為加速數位轉型，許多企業紛紛投入AI環境建置工作，但過程中往往遭遇幾個難題，包括如何引入資料專學家；如何採集豐富資料，再透過訓練與建模將資料轉化為資訊、知識；如何善用科技，建構最佳化的AI平台、報表與工具；以及如何打造最佳的底層架構，隨時因應突然爆增的效能與容量需求，更有彈性地進行橫向擴充。

NetApp台灣技術長張展智表示，上述挑戰涵蓋資料科學家、資料、科技、底層基礎架構等四個環節，針對後兩者，最佳解決途徑即為混合雲。主要是因為，執行Training與Modeling需要動用GPU資源，假使面臨大量突發需求、逾越企業機房現有的GPU所能提供的運算，即可適時引用公有雲資源，也就是將資料經過加密上傳公有雲平台，完成GPU運算後再將結果落地回企業，利用混合雲架構來降低科技與底層架構的風險。

數年前NetApp與NVIDIA合力孕育ONTAP AI整合式方案，除滿足邊緣端的資料採集，核心端的資料準備、模型訓練與部署等外，也支援公有雲訂閱服務，甚至可針對大量資料提供保護、分層等功能，堪稱市場上最能促進AI與混合雲相輔相成、共同協作的解決方案，為企業帶來最佳的ROI、最快的GTM(Go-to-Market)效率。

蘊含最佳實務配置 簡化採購與部署流程

張展智指出，ONTAP AI整合式方案蘊含四大優勢，首先它具有經過NetApp和NVIDIA雙方驗證的完整AI Stack，可透過最佳實務(Best Practice)的配置來簡化企業採購流程。其次將不同效能與容量組裝為多元技術配置，滿足從小到大的部署需求。

再者為協助企業順利執行安裝與佈建，ONTAP AI提供由雙方專家認可的Deployment Guide、並放置於官網上，以利用戶或建置夥伴下載使用。最後則採用NetApp和NVIDIA共同設計的集中式支援模型，用戶無論遇到何等疑難雜症，皆可向NetApp或NVIDIA任一窗口反應，然後由兩邊專家共同解決問題，展現最高的障礙排除效率。

前述提及的Deployment Guide，基本上是一套Step by Step的Workbook，引導用戶最快實踐最佳配置。假使企業欲以x86伺服器搭配NVIDIA GPU自建AI環境，亦可參考Deployment Guide來實作，只是佈建時間較長一些，且後續若有支援需求，也只能分別尋求伺服器、GPU不同供應商的協助。

優化作業體驗 創造最佳ROI與GTM效率

談到ONTAP AI對於企業的實質助益，除了一開始簡化採購流程和佈建程序外，更大的利基，在於能夠迎合資料科學家、基礎架構工程師與企業主共同在意的ROI與GTM目標，讓資料加速產生價值，且確保資料管理的體驗更為簡潔流暢。

舉例來說，資料科學家在執行模型訓練的過程，通常面臨眾多版本切換與控制需求，假設原始資料為1TB大小，初步產出第一版訓練結果後，會再稍加修改成為下一版訓練資料，接著產出另一版訓練成果；按理說1TB資料歷經三個版本切換，將衍生三倍儲存空間需求，且徒增三倍作業時間。如今ONTAP AI用戶可援引NetApp ONTAP所有軟體技術，利用其中FlexClone功能，在數秒內Clone出數TB、數十TB或最大數百TB的複本，完全不需犧牲效能，也僅微幅增加少許的空間佔用，減輕企業的採購預算負擔，且創造更佳使用者體驗，使資料科學家得以保留寬裕時間來處理AI學習。

另值得一提，NetApp貼心提供DataOps Toolkit，透過自動化流程，將前端資料處理、後端資料配置的整套歷程串在一起，讓資料科學家或工程師可藉由Helpdesk系統，自助提出他想要的申請條件，包括期望獲得的容量、效能與SLA(例如需不需要做備份或DR)，進而以最快速度完成環境建置，連帶省卻後端IT操作者針對個案準備資源的冗長時間，使企業更簡單地啟用與管理AI運算資源。