آشنایی با VAST DATA استارتاپی شگفت انگیز در دنیای هوش مصنوعی

هنگامی که صحبت از هوش مصنوعی می‌شود، ذهن اغلب ما به سمت مدل‌های بزرگ زبانی، ماشین‌های پیش‌بینی یا چت‌بات‌ها می‌رود. اما واقعیت این است که قدرت واقعی هوش مصنوعی نه در الگوریتم‌ها، بلکه در زیرساختی نهفته است که این الگوریتم‌ها روی آن اجرا می‌شوند.

شرکت‌هایی مانند NVIDIA، OpenAI و Google DeepMind معمولاً تیتر رسانه‌ها را از آن خود می‌کنند. اما در سایه‌ی آن‌ها، بازیگران تازه‌نفس‌تری حضور دارند که در لایه‌های زیرین، زمین بازی را از نو طراحی می‌کنند. VAST Data یکی از آن‌هاست. شرکتی که نه صرفاً «یک محصول جدید»، بلکه یک فلسفه نوین از ذخیره‌سازی و پردازش داده ارائه می‌دهد. در این مقاله با استارتاپ ٰVast Data آشنا می‌شویم.

از یک ایده کوچک؛ Vast Data به دنبال انقلاب است

VAST در سال ۲۰۱۶ بنیان گذاشته شد، اما نه برای تکرار راه‌های گذشته. موسسان آن (Renen Hallak , Shachar Fienblit و …) که سابقه درخشانی در شرکت‌های زیرساختی داشتند، با یک چالش برخوردند، آن‌ها متوجه شدند با وجود این که قدرت GPU‌ها و CPU‌ها روز به روز بیشتر می‌شود، اما مسئله ذخیره سازی داده‌ها و تعامل آن‌ها در حین پردازش، هنوز یک مشکل است. این نقطه آغازی است که Vast Data را به حرکت در آورد.

معماری‌های مرسوم بر پایه‌ی لایه‌بندی ذخیره‌سازی ساخته شده‌اند؛ لایه‌های متوالی از SSD، HDD و Tape که همواره یک مصالحه دردناک بین سرعت، قیمت و ظرفیت ایجاد می‌کردند. اما حالا Vast Data می‌خواهد به این ناچاری همیشگی پایان دهد. چرا باید بین مقیاس‌پذیری، عملکرد و سادگی یکی را انتخاب کنیم؟ چرا همه با هم نه؟

DASE: یک معماری، پایان چندپارچگی

DASE یا Disaggregated and Shared Everything پاسخ VAST به این چالش بود. برخلاف معماری‌های سنتی که اجزای ذخیره‌سازی را به سختی به هم متصل می‌کردند، DASE مبتنی‌بر تفکیک و اشتراک کامل منابع است. این تفکیک منابع که شامل compute، storage، metadata و coordination است،  امکان مقیاس‌پذیری خطی را فراهم می‌کند.

اما DASE صرفاً یک نوآوری مهندسی نبود. این معماری فلسفه‌ای تازه بود که سه اصل را با هم آشتی داد:

1. تجمیع داده‌ها در یک فضای نام جهانی (Global Namespace)

2. فراخوانی یکپارچه‌ انواع داده‌ (فایل، آبجکت، جدول، ایندکس)

3. کاهش چشمگیر پیچیدگی عملیاتی

این مدل تازه، اجازه می‌دهد که داده‌ها دیگر قربانی‌ِ tier شدن، duplicate شدن یا ETLهای وقت‌گیر نباشند. همه چیز، از داده خام گرفته تا نتایج، همه در یک سطح باقی می‌ماند، بدون تکرار، بدون تاخیر‌های غیرضروری.

VAST OS: وقتی ذخیره‌سازی یک سیستم‌عامل می‌شود

حالا در سال ۲۰۲۵، VAST DATA از بزرگترین پروژه‌اش رونمایی کرد: AI Operating System.

برخلاف برداشت اولیه، این محصول تنها یک «نرم‌افزار مدیریت ذخیره‌سازی» نیست. در حقیقت، VAST OS سیستم‌عاملی است برای مدیریت کامل چرخه‌ عمر داده، از ingestion تا تصمیم‌گیری.

در این سیستم‌عامل، چهار مؤلفه اصلی به چشم می‌خورد:

• DataStore: جایی برای ذخیره‌سازی یکپارچه فایل، آبجکت، table، log و stream

• DataBase: موتور پرس‌و‌جوی بلادرنگ برای داده‌های ساخت‌یافته

• DataEngine: اجرای pipelineهای یادگیری ماشین و محاسبات سنگین

• AgentEngine: ابزار ساخت agentهای هوشمند با قدرت عمل و تطبیق پیوسته

ترکیب این ماژول‌ها، سیستم‌عاملی خلق می‌کند که نه فقط داده را نگه‌ می‌دارد، بلکه به آن «حس» می‌دهد؛ داده را می‌فهمد، تحلیل می‌کند و آن را به عمل تبدیل می‌کند.

VAST Event Broker: حرکت از دیتا به تصمیم

در فوریه ۲۰۲۵، VAST بخش دیگری از پازل را تکمیل کرد: موتور جریان‌ رویدادهای بلادرنگ. این بخش جدید، داده‌ها را بلافاصله بعد از ورود، تحلیل و ایندکس می‌کند. برخلاف Kafka که نیاز به زیرساخت جداگانه دارد، Event Broker درون همان VAST OS اجرا می‌شود.

این تغییر یک اثر مهم دارد:
یادگیری ماشین اکنون می‌تواند در همان لحظه‌ای که داده دریافت می‌شود، واکنش نشان دهد.

سازمان‌هایی که باید به رفتار کاربران، تهدیدهای امنیتی یا شرایط تولیدی در زمان واقعی پاسخ دهند، مثل بانک‌ها، شرکت‌های هوایی یا صنایع خودروسازی، حالا ابزاری دارند که داده را به تصمیم تبدیل می‌کند، بدون هیچ فاصله‌ای.

Flywheel هوشمندی: هوش مصنوعیِ زنده و پویا

یکی از نوآوری‌های مهم VAST، همکاری آن با شرکت NVIDIA برای ساخت Data Flywheel است. این ساختار به مدل‌های هوش مصنوعی اجازه می‌دهد تا خود را به‌طور مستمر اصلاح کنند. داده‌های جدید وارد می‌شوند، مدل‌ها بازآموزی می‌شوند، نتایج بررسی و سیستم بهبود می‌یابد. همه این اتفاقات در یک چرخه بسته.

این دقیقاً چیزی‌ست که به آن هوش مصنوعی عاملی می‌گویند: مدل‌هایی که یاد می‌گیرند، عمل می‌کنند، بازخورد می‌گیرند و خود را ارتقا می‌دهند. به لطف Flywheel، هوش مصنوعی دیگر نیازمند مداخلات انسانی مکرر نیست؛ حالا خودش مسیر را بهتر می‌رود.

مقایسه با رقبا: چرا VAST یک‌ سر و گردن بالاتر است؟

در بازار ذخیره‌سازی هوش مصنوعی، شرکت‌هایی مانند DDN، Weka و Pure Storage نیز حضور دارند. اما تفاوت اصلی VAST در چند نکته است:

1. یکپارچگی واقعی: در حالی‌که رقبا فقط storage یا metadata را مدیریت می‌کنند، VAST کل چرخه داده، از ingestion تا execution، را در اختیار دارد.

2. نزدیکی به AI workloads: برخلاف سیستم‌های سنتی که برای دیتاسنتر طراحی شده‌اند، VAST با هدف اجرای مدل‌های هوش مصنوعی در مقیاس بالا طراحی شده است.

3. کارایی بلادرنگ: Event Broker و AgentEngine چیزهایی هستند که رقبا هنوز به شکل کامل ندارند.

همکاری‌های معتبر Vast Data

Vast Data حالا به واسطه مشتریانش و البته کسانی که به دنبال سرمایه‌گذاری بر روی این استارتاپ هستند، اعتبار زیادی در دنیای هوش مصنوعی و فناوری پیدا کند. همکاری این شرکت با شرکت xAI ایلان ماسک و شرکت CoreWeave از جمله این همکاری‌هاست که نشان می‌دهد Vast Data واقعا کار هیجان انگیزی انجام می‌دهد. حالا هم که شرکت گوگل به دنبال سرمایه‌گذاری در این استارتاپ ۳۰ میلیارد دلاری است.

VAST، یک قطب زیرساختی در عصر هوش مصنوعی

VAST Data را نباید صرفاً یک شرکت در حوزه «ذخیره‌سازی» دانست. این شرکت در حال تعریف دوباره‌ زیرساخت محاسباتی در عصری است که داده، تصمیم و اجرا باید در یک چرخه‌ی بی‌وقفه و بدون اصطکاک حرکت کنند. موفقیت Vast Data نه به‌خاطر قیمت پایین یا صرفاً عملکرد بهتر، بلکه به دلیل درک عمیق آن‌ها از نیاز آینده است: نیازی به یک سیستم زنده، یک سیستم‌عامل برای ماشین‌های هوشمند.

اگر بخواهیم به آینده هوش مصنوعی نگاه کنیم، باید از لایه‌های سطحی فاصله بگیریم. مدل‌ها اهمیت دارند، اما بدون زیرساخت‌های توانمند و یکپارچه‌ای مانند VAST، آن مدل‌ها حتی نمی‌توانند اجرا شوند. همان‌طور که اینترنت بدون کابل‌های فیبر نوری بی‌معنی است، هوش مصنوعی هم بدون زیرساخت‌هایی چون Vast Data ناتمام خواهد ماند.