AI・機械学習向けソリューション

1. 課題: データグラビティ

大規模モデルの学習には、膨大なデータセットが必要です。自動運転のログからゲノム解析まで、データセットはペタバイト規模に達しています。 このデータの移動は、計算そのものよりも遅く、結果が読みにくいことがよくあります。

AI チームは、転送に関する大きなボトルネックに直面しています。

• データセンター間の移行の問題: 学習クラスターは電力コストの安い遠隔地のデータセンターにあることが多い一方、データの収集は世界中で行われます。リージョンをまたいで大量のデータをアップロードすると、帯域幅の利用率が上がりません。
• 中断による高いコスト: 50TB のデータセットの転送が、再開機能がないまま途中で失敗すると、数日分の時間が無駄になり、高価な GPU リソースが遊んだままになります。
• プライバシーとコンプライアンス: 顔、音声、医用画像を含む学習データは、非常に機密性が高いものです。一般的なツールでは、GDPR などのコンプライアンス要件を満たせないことがよくあります。

2. スピード: 高性能クラスターにデータを供給する

FileBolt は UDP ベースの最適化により物理帯域幅を最大限に使い、計算速度とデータ転送速度を揃えます。

• 専用線を使い切る: 10Gbps のネットワークでも 100Gbps のネットワークでも、FileBolt のマルチスレッド並列処理により、帯域幅の利用率を 98% 以上に引き上げます。
• モデルの迅速な配布: 学習済みの LLM の重みを、エッジネットワークを使って世界各地の推論ノードへ即座に配布し、モデルのデプロイサイクルを短縮します。

3. セキュリティ: データ資産を守る

データは AI 企業の中核となる競争優位です。全経路の暗号化と制御を提供し、中核となるデータセットやモデルパラメーターの流出を防ぎます。

• エンドツーエンド暗号化: データは収集地点を出る前に暗号化され、学習サーバーに到達したときにのみ復号されます。経由するノードが内容をのぞき見ることはできません。
• アクセス監査: (エンタープライズ機能) データセットへのアクセスごとに、IP、タイムスタンプ、ダウンロード量の詳細なログを記録し、追跡可能性を確保して、コンプライアンス監査にも対応します。

4. 使いやすさ: データサイエンティストのために設計

MLOps をシンプルにし、データエンジニアがファイル転送ではなくアルゴリズムに集中できるようにします。

• ディレクトリ構造のサポート: 何百万ものアノテーションファイルや小さな画像を含むフォルダー構造を、時間のかかる圧縮と展開なしで、そのまま転送できます。
• 自動化との連携: API で転送タスクを起動し、データのクレンジングと転送からモデルの学習まで、一連の流れを自動化できます。