Fornisce accesso a formazione sui prodotti, risorse di vendita e marketing, registrazione degli accordi e molto altro contenuto riservato a rivenditori a valore aggiunto, integratori, rivenditori e altri partner di canale.
Non c'è successo con l'IA senza i dati, un sacco di dati.
E non esistono set di dati di grandi dimensioni senza un sistema di memorizzazione dei dati ampio ed efficiente.
I dati supportano l'IA e le unità disco con capacità di massa supportano i dati.
Queste informazioni sono messe in evidenza da un sondaggio del 2025 condotto dalla società di ricerca Recon Analytics.
Il sondaggio globale commissionato da Seagate ha coinvolto 1.062 intervistati. Si tratta di acquirenti di sistemi di memorizzazione IT e responsabili delle decisioni che lavorano nelle infrastrutture di memorizzazione per società con un fatturato annuale superiore a 10 milioni di dollari, con oltre 50 terabyte di spazio di memorizzazione corrente, che hanno adottato l'IA o prevedono di adottare l'IA entro i prossimi tre anni e si trovano in Stati Uniti, Cina, Regno Unito, Corea del Sud, Singapore, Francia, India, Giappone, Taiwan e Germania.
Il sondaggio si è concentrato sugli effetti dell'adozione dell'IA sulle priorità dell'infrastruttura, sulla conservazione dei dati e sulla gestione dei dati. I risultati dimostrano come l'IA avrà un impatto sulle esigenze infrastrutturali nei prossimi tre anni.
Punti salienti del sondaggio
Innanzitutto, il sondaggio ha dimostrato che l'adozione dell'IA sta promuovendo una crescita esponenziale della domanda di memorizzazione dei dati fino al 2028.
Ben il 61% degli intervistati di società che utilizzano prevalentemente sistemi di memorizzazione cloud ha affermato che la memorizzazione basata su cloud dovrebbe aumentare di oltre il 100% ossia dovrebbe raddoppiare nei prossimi tre anni.
Figura 1. Il 61% degli intervistati, le cui società utilizzano principalmente la memorizzazione cloud per la gestione dei dati con IA, prevede di aumentare i requisiti di memorizzazione del 100% o più.
Man mano che le applicazioni di IA determinano una creazione di dati senza precedenti, più dati le organizzazioni salvano, più possono assicurarsi che l'IA si comporti come previsto. Con l'accesso ai dati comportamentali, come set di dati di addestramento, punti di controllo dei modelli, prompt e risposte, le società possono esaminare attentamente gli algoritmi e comprendere e affinare meglio il processo decisionale dell'IA. Senza la scalabilità e l'efficienza dei data center, il potenziale dell'IA sarebbe limitato, poiché la capacità di memorizzare e recuperare enormi set di dati è fondamentale per il successo dell'IA.
Non è solo la quantità di spazio di memorizzazione a determinare il successo dell'IA. Anche la durata della memorizzazione dei dati è importante.
Tra gli intervistati impiegati in aziende che hanno adottato la tecnologia IA, il 90% ritiene che una conservazione dei dati più lunga migliori la qualità dei risultati dell'IA.
Figura 2. Il 90% delle società che oggi utilizzano l'IA ritiene che la conservazione di un maggior numero di dati storici migliori la precisione dei modelli.
Questi risultati indicano una correlazione tra la conservazione dei dati per periodi più lunghi e le analisi di IA più affidabili. Ciò può essere supportato da diversi fattori. In primo luogo, l'elaborazione iterativa costante è intrinseca al funzionamento degli algoritmi di IA. Il contenuto ottenuto viene reimmesso nel modello, migliorandone la precisione e consentendo di crearne di nuovi. I set di dati e i risultati grezzi diventano fonti per ulteriori sviluppi e nuovi flussi di lavoro.
Ma la conservazione dei set di dati più a lungo serve anche ad altre funzioni aziendali critiche: protegge la proprietà intellettuale di un'azienda. Mantiene le "ricevute" dei set di dati e dei processi originali del modello, fornendo una spiegazione dei risultati quando necessario (ad esempio, come parte di un processo legale). Queste "ricevute" stabiliscono la discendenza dei dati, garantendo una chiara registrazione dei dati di viaggio, dall'input all'output. La discendenza dei dati consente alle organizzazioni di verificare l'origine e l'utilizzo dei set di dati, consentendo ai modelli di IA di fare affidamento su dati accurati. Consente ai sistemi di IA di essere completamente verificabili e supporta sia la conformità ai requisiti di legge che la responsabilità interna.
Inoltre, le aziende potrebbero scegliere di memorizzare più dati più a lungo perché si rendono conto che oggi non possono sapere quali nuove e preziose informazioni gli algoritmi di domani potrebbero scoprire dai dati di ieri. La conservazione dei dati più a lungo consente l'elaborazione dei dati obsoleti da parte di modelli di IA non ancora sviluppati. Per questi motivi, una conservazione dei dati più lunga aumenta il valore aziendale che l'IA può fornire.
In una scoperta correlata, i responsabili delle decisioni sulle infrastrutture ritengono che la conservazione prolungata dei dati sia essenziale per creare fiducia, una base critica senza la quale le informazioni sull'IA hanno poco valore.
L'88% degli intervistati le cui società utilizzano attualmente l'IA ritiene che l'adozione di un'IA affidabile aumenti la necessità di memorizzare più dati per periodi di tempo più lunghi.
Seagate definisce l'IA affidabile come flussi di lavoro e modelli di dati di IA che utilizzano input affidabili e generano analisi affidabili. Un’IA affidabile si basa su dati che soddisfano i seguenti criteri:
alta qualità e precisione
legalità, proprietà e provenienza chiare
memorizzazione e protezione sicure
trasformazioni spiegabili e tracciabili da parte dell'algoritmo
risultati coerenti e affidabili dall'elaborazione dei dati
Figura 3. L'88% degli intervistati le cui società utilizzano attualmente l'IA ha affermato che l'adozione di un'IA affidabile aumenti la necessità di memorizzare più dati per periodi di tempo più lunghi.
Un'infrastruttura di memorizzazione scalabile supporta un'IA affidabile, che consente alle enormi quantità di dati utilizzate dai sistemi di IA di essere adeguatamente gestite, memorizzate e protette.
Come parte della creazione di un'IA affidabile, l'80% degli intervistati ha sottolineato l'importanza dei punti di controllo.
Il punto di controllo è il processo di salvataggio dello stato di un modello di IA a intervalli brevi e specifici durante l'addestramento. I modelli di IA vengono addestrati su set di dati di grandi dimensioni attraverso processi iterativi che possono richiedere da minuti a mesi. La durata dell'addestramento di un modello dipende dalla complessità del modello, dalle dimensioni del set di dati e dalla potenza di elaborazione disponibile. Durante questo periodo, i modelli vengono alimentati con i dati, i parametri vengono regolati e il sistema impara come prevedere i risultati in base alle informazioni che elabora.
I punti di controllo si comportano come istantanee dello stato corrente del modello (i dati, i parametri e le impostazioni) in molti punti durante l'addestramento. Salvate sui dispositivi di memorizzazione ogni minuto o pochi minuti, le istantanee consentono agli sviluppatori di conservare una registrazione dell'avanzamento del modello ed evitare di perdere del lavoro prezioso a causa di interruzioni impreviste.
Secondo il sondaggio, le aziende che utilizzano più di 100 PB di spazio di memorizzazione salvano ed eseguono il backup dei punti di controllo su base giornaliera o settimanale e l'87% delle stesse memorizzano i punti di controllo nel cloud o in una combinazione di unità disco e unità SDD.
Memorizzazione: il motore segreto del successo dell'IA.
Elaborazione ed energia sono temi popolari nelle discussioni sull'adozione dell'IA. Ma il sondaggio di Recon Analytics evidenzia la memorizzazione come fattore critico.
Dal punto di vista degli acquirenti di infrastrutture, la memorizzazione dei dati si è classificata come la seconda parte più importante dell'infrastruttura di IA, dopo solo la sicurezza. La sicurezza e la memorizzazione sono seguite da gestione dei dati, capacità di rete, elaborazione, normative, fattibilità LLM ed energia, in ordine di importanza.
Due terzi (66%) degli intervistati ha indicato la memorizzazione come il secondo più importante tra i primi quattro fattori che promuovono l'IA e come il quarto ostacolo più significativo all'adozione.
Figura 4. Il 66% dei responsabili delle infrastrutture ha indicato la memorizzazione come il secondo componente più importante tra i primi quattro fattori che promuovono l'IA. Hanno inoltre classificato la memorizzazione come il quarto ostacolo più importante alla distribuzione dell'IA.
Il fondatore e analista capo di Recon, Roger Entner, descrive il risultato:
"I risultati del sondaggio indicano generalmente un aumento della domanda di sistemi di memorizzazione per i dati, con le unità disco che risultano chiaramente vincitrici. Se si considera che i leader aziendali che abbiamo intervistato intendono memorizzare una quantità sempre maggiore di dati basati sull'intelligenza artificiale nel cloud, sembra che i servizi cloud siano ben posizionati per cavalcare una seconda ondata di crescita".
Per ottenere il massimo valore dall'IA, le aziende devono prepararsi con sistemi di memorizzazione dei dati scalabili ed efficienti. Sia direttamente che tramite i servizi cloud, l'affidarsi dell'IA ai dati dipende dalle unità disco, che offrono capacità, efficienza dei costi e sostenibilità senza pari, la vera spina dorsale di un'IA affidabile .
