人工智能 (AI) 和深度学习 (DL) 是必不可少的业务和研究工具，可为组织提供对其数据的宝贵见解。然而，处理和存储这些数据的复杂性需要优化的数据路径和能够处理这些工作负载的存储解决方案，无论是在本地数据中心、通过云还是混合基础架构。传统存储解决方案并非为在 AI 数据生命周期的许多阶段发现的低延迟、高度并行、混合工作负载要求而设计。
无论是使用本地、云还是混合基础架构，构建正确的支持 AI 的环境（包括计算、网络、应用程序和存储）都需要有远见和规划。支持 AI 的数据中心需要智能基础设施，以提供任何规模的灵活性、速度和数据洞察力，以成功利用数据的价值。
本文描述了如何需要一个集成的智能基础设施和优化的数据路径以及支持 AI 的存储来应对这些挑战。