Zenuity, UC Berkeley y Man AHL aprovechan la tecnología de Pure Storage para irrumpir con IA y analítica avanzada.
“FlashBlade es masivamente paralelo – desde arriba hasta abajo. El paralelismo imita al cerebro humano y permite realizar múltiples queries o trabajos de manera simultánea”, dijo Par Botes, VP de Productos en Pure Storage. “Piense en una plataforma de almacenamiento como en un supermercado – si una de las filas está para 10 clientes, el proceso para pagar se convierte en un cuello de botella. Si 10 cajas se encuentran abiertas, cada cliente puede pasar de manera simultánea. De esta misma manera, un sistema de almacenamiento que puede tomar 10 diferentes cargas de trabajo y correrlas todas al mismo tiempo será 10 veces más rápido. Mientras la mayoría de los sistemas están ajustados a específicos tipos de cargas de trabajo, FlashBlade fue diseñado desde cero para ser optimizado para todo, lo que proporciona a los clientes una importante ventaja competitiva”.
Zenuity, una empresa conjunta entre Volvo Cars, y Autoliv, especialista en sistemas de seguridad para automóviles, seleccionó a FlashBlade y NVIDIA DGX-1 como la base para su proyecto de Machine Learning para que los vehículos autónomos sean más seguros para 2021. Cada vehículo está equipado con sensores LIDARs y cámaras para navegar con seguridad en su entorno. Millones de muestras recogidas de los coches se usan para entrenar las complejas redes neurales que entonces se utilizan para accionar el software con el que funciona la flota de vehículos de auto-conducción de Zenuity.
“FlashBlade proporciona la escalabilidad y el rendimiento necesarios para un proyecto de Machine Learning de esta magnitud”, dijo Samuel Scheidegger, Investigador de Machine Learning en Zenuity. “Con su capacidad para escalar de forma lineal, FlashBlade permitirá a Zenuity ampliar su plataforma de Machine Learning con el poder de cómputo para las necesidades futuras”.
FlashBlade también fue seleccionado para potencializar una de las supercomputadoras de IA más poderosas del mundo en una compañía Web Scale de nube. El motor recibe cantidades masivas de datos de usuarios no estructurados que luego se almacenan en FlashBlade para proporcionar una plataforma de alto rendimiento para análisis textual, reconocimiento facial, anuncios dirigidos, analítica predictiva que mejora la seguridad del usuario y diseño para aplicaciones IA que incrementa la eficiencia en general.
AMPLab de UC Berkeley creó y promocionó el motor de analítica en tiempo real Apache Spark. El departamento de Genómica de la Universidad de California implementó Apache Spark sobre FlashBlade para servir como un acelerador y así dar grandes saltos en la secuenciación genómica.
“La medicina de hoy es mucho sobre ensayo y error. FlashBlade proporciona una plataforma de datos que permite analizar la composición genética de cada uno y entregar la medicina más precisa y adaptada a cada individuo”, dijo el profesor Anthony D. Joseph, miembro de la facultad central de UC Berkeley, Centro de Biología Computacional (CCB, por sus siglas en inglés). «Nuestro objetivo es proporcionar a los pacientes una atención personalizada y un tratamiento basado en su composición genética específica, casi en tiempo real. Esto optimizará los medicamentos, mejorará la atención postoperatoria y la rehabilitación, y en última instancia, reducirá el costo del paciente. Con FlashBlade, podemos utilizar SPARK para secuenciar el genoma de un paciente y la referencia cruzada de la información contra todas las bacterias conocidas y los defectos genómicos a velocidades antes inalcanzables”.
Man AHL, un pionero de Londres en el campo de la inversión cuantitativa sistemática también aprovecha Apache Spark sobre FlashBlade para crear y ejecutar modelos de cómputo que toman decisiones de inversión. Aproximadamente 50 investigadores cuantitativos y más de 60 técnicos colaboran para formular, desarrollar y conducir nuevos modelos de inversión y estrategias que pueden ser ejecutadas por computadora. La firma adoptó FlashBlade para ofrecer el rendimiento de almacenamiento masivo y la escalabilidad requeridos para satisfacer sus aplicaciones de simulación más exigentes.
“Nuestros investigadores han encontrado que FlashBlade puede mejorar en gran medida la usabilidad y el rendimiento de Spark para realizar simulaciones múltiples”, dijo Gary Collier, Co-CTO en Man AHL. “Hemos visto una mejora de 10-20x en el rendimiento de las cargas de trabajo de Spark, lo cual realmente tiene el potencial de ser un cambiador de juegos para nosotros cuando se trata de crear una ventaja de tiempo en el mercado”.
Diseñado para cargas de trabajo modernas, potencia la Inteligencia Artificial, Hadoop, Spark y HPC, FlashBlade fue puesto en disponibilidad en enero pasado.
