״כל שעה שמעבד גרפי מחכה לנתונים היא שעה מבוזבזת״

ככל שארגונים מעבירים פרויקטי בינה מלאכותית משלב הניסוי לסביבת הייצור, תשתית הנתונים הופכת למרכיב קריטי יותר בהצלחתם, כך אמר ג'ורג' קוריאן, מנכ"ל נטאפ, בכנס NetApp Insight 2026 שנערך בלאס וגאס. "כשרוצים לגרום לבינה מלאכותית להתרחב ברחבי הארגון, יש לשלבה במערכות התפעול, בתהליכי העבודה ובאופן שבו העבודה מתבצעת", אמר קוריאן. "זה יוצר דרישות חדשות לתשתית, לממשל, לשליטה ולאבטחת מידע. ככל שארגונים מעבירים מיזמי בינה מלאכותית מפיילוט לייצור, תשתית נתונים חכמה הופכת לקריטית".

לדבריו, 93% מהארגונים מדווחים שלפחות אתגר נתונים אחד מעכב את שאיפות הבינה המלאכותית שלהם. קוריאן ציין כי כדי להפיק ידע אמין, ארגונים נדרשים לא רק לאיכות נתונים גבוהה, אלא גם לתשתית שמאפשרת לנהל אותם, להעביר אותם בין סביבות שונות ולהגן עליהם. "כמו כל טרנספורמציה, גם זו של הבינה המלאכותית אינה טרנספורמציה טכנולוגית", אמר. "היא מתאפשרת על ידי טכנולוגיה, אבל מונעת על ידי מניעים עסקיים ומנהיגות".

המעבדים הגרפיים לא צריכים לחכות לנתונים

ארז גל-חן, CTO נטאפ ישראל, אמר בראיון לאנשים ומחשבים לאחר ששב מהכנס כי אחת הבעיות המרכזיות בתשתיות בינה מלאכותית היא ניצול לא מלא של המעבדים הגרפיים. "כל שעה שמעבד גרפי מבלה בהמתנה לנתונים היא שעה מבוזבזת, ללא תשואה", אמר. לדבריו, הדבר קורה גם משום שהמידע אינו מגיע לעיבוד במהירות מספקת וגם משום ששרתי GPU ממוקמים לעיתים במקום שבו יש די חשמל, ולא בהכרח במקום שבו הארגון זקוק להם.

גל-חן אמר כי נטאפ מנסה להפוך את כיוון התנועה של המידע: במקום להעביר את הנתונים ממערכות האחסון אל משאבי העיבוד, החברה מבקשת לקרב את העיבוד אל הנתונים עצמם. לדבריו, הגישה הזו נפרסת כיום לצד AWS, גוגל ו־Azure, וגם בסביבות של אורקל ושל סאפ, כך שהארגון יכול לגשת לנתונים מסביבות ענן שונות מבלי לבנות בכל פעם תשתית נפרדת.

ג׳ורג׳ קוריאן, מנכ״ל נטאפ, בכנס אינסייט 2026 בלאס וגאס צילום: יח״צ נטאפ

Novus נועדה להתמודד עם עומסי בינה מלאכותית גדולים

אחת ההכרזות המרכזיות בכנס הייתה Novus, ארכיטקטורת נתונים חדשה שמיועדת למפעלי בינה מלאכותית בקנה מידה גדול. לדברי גל-חן, הארכיטקטורה תוכננה לפעול בקנה מידה של זטה־בייטים ולהפריד בין שכבת המטא־דאטה לבין הנתונים עצמם. ההפרדה הזו מאפשרת לכל אחת מהשכבות לגדול באופן עצמאי, בלי ליצור צוואר בקבוק יחיד. נטאפ טוענת כי Novus מסוגלת להגיע לקצב מצרפי של עד 100 טרה־בייט לשנייה, במטרה לצמצם את זמני ההמתנה של המעבדים הגרפיים ולשפר את ניצול התשתית.

גל-חן אמר כי החברה חיברה במסגרת הארכיטקטורה 600 מערכות למערכת אחת גדולה, עם קובץ בנפח של 1.8 זטה־בייט וביצועי משיכת מידע בקצב של 100 טרה־בייט לשנייה.

עסקת PEAK:AIO עדיין ממתינה להשלמה

כחלק מהמאמץ להרחיב את יכולות האחסון לעומסי בינה מלאכותית, נטאפ הודיעה בחודש שעבר על כוונתה לרכוש את PEAK:AIO, חברה בריטית שמפתחת תוכנת אחסון בעלת ביצועים גבוהים.

הטכנולוגיה של החברה מתמקדת בין היתר בארכיטקטורת מטא־דאטה ובמערכות קבצים מקביליות שנועדו לעבוד לצד אשכולות גדולים של מעבדים גרפיים. העסקה טרם הושלמה והיא עדיין כפופה לתנאי סגירה ולאישורים הנדרשים.

להפוך מידע מפוזר לנתונים שמוכנים לבינה מלאכותית

גל-חן התייחס גם ל־AI Data Engine, שירות שנועד לאפשר לארגונים לגלות, לנהל ולהפוך מידע ארגוני מפוזר ולא מובנה לנכסים שמוכנים לניתוח ולשימוש של סוכני בינה מלאכותית. לדבריו, השירות מרחיב את גילוי המטא־דאטה גם לסביבות אחסון שאינן של נטאפ, מתוך מטרה לתת לארגונים תמונה אחידה יותר של המידע שברשותם. בכנס הוצג גם פתרון משותף עם קומוולט, שמיועד לזיהוי איומים קרוב לזמן אמת, ביצוע סריקות עמוקות יותר ושחזור נקי בסביבות מבודדות.

גל-חן סיכם כי נטאפ מבקשת להרחיב את פעילותה מעבר לאנשי התשתיות המסורתיים ולהגיע גם לאנשי הדאטה ואגמי הנתונים. לדבריו, שינוי זה צפוי להרחיב את ההזדמנויות העסקיות של החברה במהלך השנה הבאה.