通过使用人工智能，我们可以快速分析数据，并根据应用培训期间预先确定的标准提供结果。它能让用户快速回答诸如 “这个产品没有缺陷吗？”或 “这是军事目标吗？”甚至 “机场检查站的人在禁飞名单上吗？”等问题。

要回答这些问题以及其他问题，需要超快地获取数据，通常是从远程位置获取数据。然后，这些数据必须通过网络传输，避免拥堵和延迟，并进入评估数据的专用硬件引擎。其中一些数据必须在多个系统中共享，而其他数据最终会被永久保存下来，用于取证或未来的培训目的。

典型的存储系统无法处理 VCA 系统中的大量数据。它们无法跟上，而延迟限制又消除了提供及时分析的可能性。关键的挑战在于如何将数据可靠、快速地传送到人工智能引擎，然后将完成的元数据写入数据库。

在服务器层面，提高性能的方案通常涉及叉车升级或增加多台配置为仅用作存储的服务器。这些方案都非常昂贵，相当于 “厨房水槽 “方法，无法有效解决存储延迟这一核心问题。

由于存储很可能已经是基于闪存的共享存储，因此性能已经是最好的了。增加 JBOF 可能会增加容量，但不会提高速度，也不会解决存储延迟问题。

此外，传统的以太网网络可能已经过时一代或更久，而且难以配置以获得最佳性能，从而限制了 VCA 生态系统中的人工智能引擎获取数据的速度。

大多数存储供应商对这些应用以及这些环境所面临的特殊挑战知之甚少。幸运的是，虹科 ATTO Technology 是支持数字视频和实时分析应用的存储生态系统方面的专家，在过去的 33 年中，我们已经为知名客户解决了与存储相关的问题。