Telset.id – Teknologi tape kembali menjadi sorotan dalam diskusi infrastruktur AI, bukan lagi sekadar media backup dan arsip jangka panjang. Menurut Product Leader and AI Strategist di Quantum, Skip Levens, tape generasi LTO terbaru kini berperan sebagai tier strategis di data center untuk menyimpan dataset AI berskala multi-petabyte dengan biaya per terabyte yang jauh lebih murah dibanding flash atau bahkan HDD.
Pernyataan ini menjawab tantangan utama yang selama ini dibahas dalam diskusi infrastruktur AI, yaitu biaya data center, kebutuhan daya, dan compute untuk melatih serta menjalankan model. Data sebagai komoditas utama untuk model AI menjadi persoalan tersendiri, terutama ketika ukuran dataset untuk pelatihan LLM terus membengkak.
Stanford University dalam 2025 AI Index Report mencatat bahwa ukuran dataset untuk pelatihan LLM berlipat ganda setiap delapan bulan. Artinya, setiap kali model baru dibangun, sebagian data akan bergerak cepat ke lingkungan kurasi dan pengembangan model yang membutuhkan akses cepat, sementara sebagian besar lainnya harus menunggu lebih lama hingga tim menentukan relevansinya untuk kasus penggunaan AI tertentu.
Skip Levens menegaskan bahwa dataset tidak membutuhkan performa yang sama di setiap tahap pipeline AI. Yang terpenting adalah data siap ketika dibutuhkan, bukan selalu berada di infrastruktur berperforma tinggi yang aktif terus-menerus karena pada skala besar hal itu menjadi mahal tanpa perlu.
Di Mana Data Besar Harus Disimpan?
Pertanyaan bagi perencana infrastruktur bukan lagi apakah AI membutuhkan storage cepat, melainkan di mana organisasi harus menyimpan dataset sangat besar yang akan dibutuhkan di masa depan sebelum siap diproses. Pilihan ini bersifat strategis, bukan sekadar urusan housekeeping.
Tier kapasitas yang tepat harus menjaga data tetap terlindungi dan mudah dipulihkan ke pipeline AI, pelatihan, dan transformasi. Performa hanya ditempatkan di tempat pekerjaan benar-benar terjadi, dan selisih biaya dikembalikan ke anggaran. Pendekatan ini menjadi relevan seiring meningkatnya kebutuhan kapasitas penyimpanan di lingkungan enterprise, sejalan dengan langkah industri seperti yang terlihat pada inisiatif Storage-Next dari Nvidia.
Setiap organisasi berada di tahap perjalanan AI yang berbeda. Sebagian sudah memiliki sistem dalam produksi, sementara banyak lainnya masih mengeksplorasi bagaimana data yang mereka miliki, seperti dokumen, gambar dan video, catatan operasional, hingga informasi dari sistem terhubung, dapat mendukung inisiatif AI.
Karena itu, mengenali data sendiri menjadi pengungkit kompetitif, bukan tugas IT semata. Model kini tersedia untuk semua orang, sehingga data proprietary menjadi keunggulan kompetitif jika organisasi dapat mengakses dan menggunakannya dalam skala besar. Organisasi yang bergerak paling cepat adalah yang sudah tahu apa yang mereka miliki, di mana data itu berada, dan seberapa cepat data tersebut dapat digunakan.
Baca Juga:
Memperpendek jarak antara pertanyaan bisnis dan data yang menjawabnya kini menjadi ukuran seberapa cepat perusahaan dapat mengeksekusi dan sukses. Data bukan sekadar input untuk AI, melainkan apa yang membentuk model. Semakin banyak data milik organisasi sendiri yang dapat dimanfaatkan, semakin tajam dan spesifik alat yang dihasilkan.
Tape dan Perlindungan Data yang Tidak Bisa Digantikan
Pendekatan konvensional selama ini adalah menyimpan dataset besar di data lake berbasis disk hingga dibutuhkan untuk pemrosesan lebih lanjut. Namun seiring pertumbuhan dataset yang semakin besar, biaya juga berpotensi membengkak. Jika setiap kandidat dataset harus berada di infrastruktur berperforma tinggi yang aktif terus-menerus, biaya akan menjadi batas atas berapa banyak data yang mampu dijaga organisasi.
Tantangannya adalah menjaga semuanya tetap tersedia untuk workflow sesuai kebutuhan, sehingga faktor penentu adalah kasus penggunaan, bukan tagihan storage. Langkah cerdasnya bukan menambah pengeluaran, melainkan berhenti overspending ketika ada cara yang lebih baik.
Tape menjadi salah satu jawaban terkuat. Teknologi ini terus berinovasi melalui generasi LTO yang mengubah kapasitas, throughput, dan keamanannya. Teknologi dan sistem tape terbaru kini berperilaku seperti tier lain di stack, siap mengalirkan data ke storage cepat ketika kurasi atau pelatihan siap dilakukan.
Ekonomi tape semakin membaik seiring pertumbuhannya. Pada skala multi-petabyte yang kini dicapai program AI, biaya per terabyte hanya sebagian kecil dari flash atau bahkan infrastruktur HDD. Performa dan kapasitas juga dapat diskalakan secara independen, dengan menambah drive untuk throughput dan menambah cartridge untuk kapasitas.
Jika dipertimbangkan bersama efisiensi energi tape yang luar biasa, teknologi storage ini muncul sebagai kemampuan strategis yang dibangun ke dalam data center. Organisasi dapat menjaga seluruh data estate tetap aktif dengan biaya yang dapat diprediksi.
Dari sisi perlindungan, tape menawarkan sesuatu yang tidak dapat dilakukan tier online secara struktural. Enkripsi ditangani di hardware pada cartridge. Media Write-Once-Read-Many (WORM) membuat dataset tidak dapat diubah secara fisik, sehingga data yang tidak tergantikan tidak bisa ditulis ulang. Untuk material paling berharga, set tape dapat keluar dari library dan disimpan di lokasi aman atau offsite, sepenuhnya offline, sepenuhnya air-gapped, dan terisolasi dari apa pun yang terjadi pada lingkungan produksi.
Yang penting saat ini dalam membangun pipeline data dan AI adalah memastikan data siap berpindah ke tier performa yang tepat begitu dibutuhkan. Data adalah bahan bakar untuk model yang dibangun organisasi, keputusan yang diambil, dan seberapa cepat organisasi dapat bertindak. Tape membuat semuanya terjangkau untuk menjaga seluruh bahan bakar data dalam skala besar, melindungi apa yang tidak bisa digantikan, dan memanfaatkan semuanya sesuai permintaan.
Membangunnya sejak sekarang membuat apa yang bisa dilakukan dengan data tidak lagi dibatasi oleh apa yang mampu dijaga tetap online. Sebaliknya, data menjadi sarana untuk unggul dan tetap unggul dari kompetisi. Untuk organisasi yang masih menata kapasitas penyimpanan di perangkat pengguna, panduan seperti mengatasi storage boros bisa menjadi referensi praktis di sisi lain skala infrastruktur.
[IMAGE: https://cdn.mos.cms.futurecdn.net/h8PtKoPckFsFwU8xPtXRhk.jpg]
Pendekatan ini menegaskan bahwa persoalan storage AI bukan sekadar soal kapasitas, melainkan soal strategi menempatkan data di tier yang tepat pada waktu yang tepat. Tape, yang pernah dianggap teknologi masa lalu, justru menjadi bagian dari jawaban untuk tantangan biaya dan perlindungan data di era AI.
Komentar
Belum ada komentar.