2025 智慧醫療研討會 會後報導
生成式 AI 在醫療領域的成功實踐高度依賴高效能的儲存基礎架構支援。若儲存方案效能不足，AI 伺服器運算將受限，影響臨床應用進程與投資回報。Pure Storage 的 FlashBlade 平臺以高效能、動態擴展及雲端就緒特性，助力生成式 AI在智慧醫療中迅速落地。
文／林裕洋
在為病患提供最好醫療服務、降低醫療人員工作負擔等前提下，醫療產業加速將 AI 應用於不同情境之中，只是背後需要處理資料量也非常驚人。以近來極為熱門的基因定序為例，預計未來 10 年內將產生超過 40 Exabytes 資料量，且每筆基因樣本所產生的 FastQ、BAM、VCF 等格式資料量高達 110GB。若沒有一套高效能的儲存基礎架構，恐怕難以讓 AI 伺服器發揮預期效益，最終影響到 AI 分析效率與臨床應用時程，導致高額 AI 投資難以發揮效益。
[ 加入 CIO Taiwan 官方 LINE 、 Facebook 與 IG，與全球CIO同步獲取精華見解 ]
Pure Storage 資深技術顧問陳立穎指出，任何產業在執行 AI 模型的訓練與推論過程中，儲存架構扮演前所未有的重要角色。如在大型醫療影像資料庫或 AI 模型訓練場景中，儲存系統需支援 10TB/s ~ 50TB/s 資料處理能力，以及具備數百 PB 到 EB 級別的儲存空間，才能滿足多臺 AI 伺服器同時間進行處理與分析需求。而 Pure Storage FlashBlade 平臺正是為 AI 專案量身設計的最佳方案，目前已深受眾多產業採用與肯定。
獨步市場五大特色 徹底發揮 AI 伺服器算力
Pure Storage FlashBlade 平臺擁有「多維高效能與資料吞吐能力」、「動態擴展能力」、「持續高可用」、「雲端智能儲存管理」、「多協定支援」等特色。這款產品採用橫向擴充機制，用戶可從最初的單一機箱 168TB，擴充至多機箱 30PB 儲存空間，讓效能、容量等獲得可線性提升。而藉由透過支援 NFS、SMB、S3 等多種檔案協定、高可用性、雲端就緒等特色，能滿足醫療機構執行影像儲存、AI 分析、雲端備份等多樣需求。
陳立穎說，「在 FlashBlade 平臺之外，我們也與 NVIDIA 合作推出多款經過認證的 AI 解決方案架構，如 AIRI、DGX SuperPOD 等，支援 RAG 檢索擴增、模型訓練與推論等應用，提供金融、電信、醫療等行業垂直整合方案，加速 GenAI 與臨床應用落地。儲存基礎架構已成為左右 AI 成敗的關鍵。Pure Storage 致力推出靈活、高效、安全的儲存平臺，扮演為智慧醫療轉型道路上的堅實後盾，在邁向以資料驅動的未來醫療場景中，可望成為不可或缺的角色。」
(本文授權非營利轉載，請註明出處：CIO Taiwan)
