Everpure представила FlashBlade//EXA, хранилище данных для ИИ-агентов

The Register опубликовал спонсорский материал о компании Everpure и её архитектуре хранения данных для ИИ-агентов, построенный на интервью с Паром Ботесом, вице-президентом Everpure по инфраструктуре ИИ. На вымышленном примере: ИИ-агент работает внутри Nvidia SuperPOD-системы стоимостью $20-40 млн и выше, и клиент страховой компании через приложение или сайт спрашивает, покрывает ли его полис ущерб от непогоды, агенту нужно быстро достать ответ из базы данных страховщика, у которой могут быть петабайты и даже эксабайты данных.

Отправная точка материала, цена простоя GPU: минута простаивающего сервера в SuperPOD обходится от $25, то есть примерно доллар каждые 2,4 секунды. Чтобы держать занятыми тысячи GPU (авторы ожидают, что ИИ-фабрики предприятий вырастут до 10 000 GPU и больше), платформе хранения нужно перейти порог в 4-5 ТБ/с и выйти на 10 ТБ/с и выше, обычные дисковые массивы с двумя контроллерами и разрозненное локальное хранилище (DAS) с такой нагрузкой не справляются.

Ответ Everpure на это, линейка FlashBlade: FlashBlade//S для крупного корпоративного уровня и FlashBlade//EXA для сверхбольшого масштаба. По заявлению компании, FlashBlade//EXA сертифицирована по референсному дизайну NVIDIA AI Data Platform и выдаёт 400-450 млн IOPS, 220 ГБ/с пропускной способности и 4,6 млрд операций с метаданными в секунду.

Второе узкое место, которое разбирает материал, повторный пересчёт KV-кэша. Пример: модель одного пользователя загружает документ (например, отчёт компании) в KV-кэш GPU при первом проходе, а когда позже другой пользователь на другом GPU запрашивает тот же документ, токены (в примере, 150 000) приходится пересчитывать заново, если их не сохранили. Everpure Key Value Accelerator (KVA) выгружает состояния кэша на флеш-хранилище через Nvidia GPUDirect Storage по RDMA, и при повторном запросе готовые KV-тензоры подгружаются напрямую в память GPU, минуя пересчёт и накладные расходы CPU.

Третье узкое место, разрозненные хранилища данных внутри организации: копировать всё в единое хранилище или озеро данных, по словам Ботеса, экономически невозможно, а как только данные в источнике меняются, скопированная версия устаревает. Ответ Everpure, платформа Everpure Data Stream: она забирает данные из блочных, файловых (NFS) и объектных (S3) хранилищ, баз данных, хранилищ и озёр данных, потоковых источников и корпоративных приложений, документов, PDF, изображений и таблиц, векторизует их и индексирует. Платформа использует встроенную векторную базу данных вместе с Nvidia NeMo Retriever для генерации эмбеддингов на GPU и Nvidia NIM для инференса, работает на GPU Nvidia RTX PRO 6000 Blackwell Server Edition и синхронизирует доставку данных через сетевые карты ConnectX-7 вместе с Nvidia Spark Rapids и cuVS.

После приобретения компании 1touch (дата сделки в материале не указана) Everpure строит на этой основе Everpure Data Intelligence, систему, которая должна делать любые хранилища данных, независимо от производителя, самоописываемыми и позволять настраивать для разных источников данных (например, Salesforce, инженерных, финансовых и HR-систем) отдельные политики управления. Апгрейд оборудования по уровням клиенты покупают по подписке Evergreen, она позиционируется как способ обновлять отдельные компоненты инфраструктуры независимо друг от друга, не меняя всю систему целиком.

Важная оговорка: страховой сценарий в начале статьи прямо назван вымышленным («представьте, что вы, ИИ-агент»), реальных клиентов Everpure материал не называет, а цифры производительности FlashBlade//EXA не сопоставлены ни с какими независимыми тестами или продуктами конкурентов, источник всех цифр в статье один, сам вендор.

Ключевые факты

Everpure продаёт хранилище FlashBlade//EXA, которое, по заявлению вендора, сертифицировано по референсному дизайну NVIDIA AI Data Platform и выдаёт 400-450 млн IOPS, 220 ГБ/с пропускной способности и 4,6 млрд операций с метаданными в секунду
Отправная точка материала, простой GPU в кластере Nvidia SuperPOD (система стоимостью от $20-40 млн) обходится от $25 в минуту, то есть примерно доллар каждые 2,4 секунды
Everpure Key Value Accelerator (KVA) выгружает KV-кэш модели на флеш-хранилище через Nvidia GPUDirect Storage по RDMA, чтобы не пересчитывать одни и те же токены (в примере, 150 000) заново на другом GPU
Платформа Everpure Data Stream собирает данные из блочных, файловых, объектных хранилищ, баз данных, озёр данных и приложений, векторизует их и подаёт в RAG-конвейеры через Nvidia NeMo Retriever и Nvidia NIM
После покупки компании 1touch Everpure развивает систему Data Intelligence для описания и раздельного управления доступом к разным источникам данных; апгрейд оборудования продаётся по подписке Evergreen

Почему это важно

Материал формулирует проблему, которая встаёт перед любой компанией, разворачивающей ИИ-агентов на своих данных: GPU-кластеры для инференса стоят десятки миллионов долларов, а минута их простоя в ожидании данных из хранилища обходится в $25 и больше. При тысячах одновременно работающих GPU (а авторы ждут кластеры на 10 000 GPU и больше) хранилище становится узким местом, обычные дисковые массивы физически не выдают нужную пропускную способность (нужно перейти порог 4-5 ТБ/с и выйти на 10 ТБ/с и выше), а повторные вычисления KV-кэша модели съедают вычислительные циклы GPU впустую. Everpure показывает, как один вендор оформляет решение этой проблемы в продуктовую линейку.

Кому это важно

В первую очередь, крупным предприятиям, которые разворачивают ИИ-агентов поверх больших собственных массивов данных и Nvidia-инфраструктуры: финансовым компаниям, здравоохранению, юридическим фирмам, службам борьбы с мошенничеством и кибербезопасности, материал прямо называет эти отрасли как целевые для такой архитектуры. Также это интересно ИТ-архитекторам и закупщикам инфраструктуры, которые выбирают между дисковыми массивами, DAS и специализированными платформами хранения для GPU-кластеров.

Как это применить

Архитектура строится вокруг референсного дизайна NVIDIA AI Data Platform: хранилище FlashBlade//S или FlashBlade//EXA располагается физически рядом с GPU-серверами, поверх него работает Everpure Data Stream для ингеста, векторизации и подачи данных в RAG-конвейеры, а Everpure KVA снимает нагрузку повторных вычислений KV-кэша через GPUDirect Storage. Апгрейд отдельных компонентов (сеть, вычисления, хранилище) продаётся как независимая подписка Evergreen, без замены всей системы разом. Цены, сроки поставки и условия подписки в материале не раскрыты.

Можно ли доверять

Это спонсорский материал The Register, и в самом тексте статьи это нигде не помечено, признак «sponsored» стоит только в адресной строке URL. Единственный источник всех фактов и цифр в статье, интервью с Паром Ботесом, вице-президентом Everpure по инфраструктуре ИИ, то есть сотрудником компании, которая продаёт описываемые продукты. Показатели производительности FlashBlade//EXA (IOPS, пропускная способность, операции с метаданными), собственные заявленные цифры вендора, без сопоставления с конкурентами или независимыми тестами. Пример со страховым агентом прямо назван вымышленным, а не реальным кейсом клиента; ни один реальный заказчик Everpure в статье не назван.

Риски и подводные камни

Архитектура жёстко завязана на экосистему Nvidia, GPUDirect Storage, ConnectX-7, RTX PRO 6000 Blackwell, NeMo Retriever, NIM, что создаёт зависимость от одного поставщика GPU-стека. В материале нет ни цен, ни сроков поставки, ни данных о реальном внедрении FlashBlade//EXA у клиентов, ни независимых замеров заявленной производительности. Дата приобретения компании 1touch не указана, а работоспособность заявленной системы самоописания хранилищ «независимо от производителя» проверить по тексту статьи невозможно.

«Скорость доступа к данным резко падает по мере удаления от CPU или GPU: наносекунды для локальной памяти, микросекунды для диска, миллисекунды для передачи по сети. Минимизация этого расстояния критична для производительности. Если перевести это в масштаб: если обращение к памяти, это секунда, то обращение к диску, это час. Чем дальше вы отходите, тем больше времени всё занимает, а для эффективного ИИ это не работает.»

— Пар Ботес, вице-президент Everpure по инфраструктуре ИИ