随着人工智能（AI）技术的不断演进，传统的数据处理模式正面临巨大挑战。过去，数据通常需要被集中传输到计算中心进行处理，这种“数据移动到计算”（Data to Compute）的方法带来了带宽瓶颈、延迟增加以及安全风险等一系列问题。如今，AI基础设施正在经历一场根本性的转变，即“计算移动到数据”（Compute to Data），通过将计算能力直接部署在数据源附近，有效促进了处理效率和信息安全的提升。该趋势在医疗领域表现尤为突出，尤其是在医学影像AI应用方面，需要兼顾实时性和隐私保护的双重要求。医疗影像数据通常包含大量高分辨率扫描图像，传统存储和计算架构难以满足快速处理和严格安全的需求。为了解决这一难题，行业内出现了以PEAK:AIO和Solidigm为代表的创新力量。
这些企业与由伦敦国王学院开发的医疗开放网络AI框架MONAI开展合作，共同推动医院内部的AI部署方式变革。MONAI作为开源框架，专注于医学影像的DICOM支持和三维处理，依赖于高性能的存储架构确保数据的即时可用和安全性。存储基础设施在临床AI发展中扮演着核心角色。肿瘤检测、器官分类等医疗AI任务需要高速访问数百万份医学扫描数据集。传统存储系统在面对如此庞大且复杂的数据时，常常存在访问延迟和带宽不足的问题，限制了AI模型的训练效率及实时推理速度。PEAK:AIO和Solidigm通过结合软件定义存储与超大容量固态硬盘技术，实现了数据的本地存储与高速处理的有机结合。
这不仅提升了数据访问速度，还大幅度优化了在空间和能耗有限的医院环境中的应用。Solidigm的Greg Matson特别指出，他们已成功将超过两百万份全身CT扫描数据存储于单节点，且无需改变医院现有的IT架构。这一成果为边缘计算环境中的AI应用提供了极具价值的范例，能够显著减少数据传输延迟，加快诊断速度，提升患者治疗效果。AI工作负载对存储容量和速度的需求存在明显差异。训练阶段需要高容量存储支持海量数据集的存储，而实时推理则更依赖超高速存储以降低延迟。Solidigm提供的高密度闪存解决了容量瓶颈，PEAK:AIO的软件定义层则确保活跃模型数据的低延迟访问。
两者的协作有效整合了存储和内存管理，防止模型在使用过程中频繁加载和卸载数据，从而提升整体操作效率。PEAK:AIO的Roger Cummings强调了智能数据布局的重要性，他认为只有将计算推向数据源，才能真正实现智能化AI系统。这一策略在边缘计算环境尤其关键，每毫秒的延迟减少都可能对结果产生巨大影响。该趋势的成功经验不仅对医疗行业有启示意义，在其他工业和企业领域同样适用。现代AI基础设施越来越依赖全闪存存储系统为大规模GPU计算提供数据支持，无论是在大型数据中心还是紧凑的边缘环境中。正如业界人士所言，采购AI系统时必须优先考虑高性能硬件，因为固态存储设备正逐步成为不可或缺的组件。
重新设计数据流动路径，聚焦本地化计算而非数据的集中传输，不仅能显著提升AI部署的速度和安全性，也为企业带来了更具可扩展性和灵活性的解决方案。从根本上看，从“数据迁移至计算”到“计算靠近数据”的转变，不只是技术方向的调整，更重新定义了AI系统与其数据之间的交互模式。未来，随着AI应用场景的不断扩展和数据规模的持续增长，围绕高效、低延迟且安全的数据处理架构的研究与实践将成为行业发展的关键。注重边缘存储与计算能力的结合、完善存储管理智能化水平、加强软件与硬件的协同，将是推动新一代AI基础设施迈向成熟的重要路径。医疗领域的成功经验也预示着整个AI生态系统将在此基础上实现技术跃迁，为更多行业带来福祉。人工智能与高性能存储的融合正逐步推动数字时代进入一个全新的智能处理时代，改变着数据资产的价值体现和企业创新的实现方式。
这个转变不仅仅是架构上的革新，更是智能时代数据治理与应用效率提升的关键所在，值得整个行业持续关注与投入。
