[字幕已自动生成。] 欢迎大家。 我是Brian Wink、我是 智能数据基础架构不仅是 我们的口号、也是我们的使命。 今天、我很高兴地展示 Google Cloud NetApp卷与Google Cloud的协同优势、 尤其是在人工智能领域。 我特别高兴地宣布、在此演示中、 我将使用我们的新AI工具包。 此工具包为企业 在其环境中集成和利用AI提供了一个起点。 它旨在简化您 进入AI环境的过程、 我们期待您 亲自体验其功能。 现在、让我们重点介绍一下 我们的组合解决方案提供的三大优势、 这些优势对于 充分发挥AI的潜能尤其有用。 首先、借助Google Cloud NetApp卷和Google Cloud、 我们可以直接将数据带到您的视线中。 这意味着您的数据 无需大规模数据移动 或转换即可进行AI处理、让您可以 更快、更高效地获得洞察力。 检索、增强型生成或RAG流程 通过确保AI模型引用 权威知识库以获得可靠的输出来增强这一点、 而这正是将 数据引入AI为何如此重要的基石。 其次、我们确保整个生态系统( 包括数据和索引向量文件) 安全地驻留在Google Cloud NetApp卷上。 这样可以维护您的安全模式、并将控制权 掌握在用户和管理员手中、从而 提供一个安全的环境、其中监管 和数据控制权至关重要。 最后、我们赋予数据科学家 以最高效率运行的能力。 Google Cloud NetApp卷提供了一些工具 、可用于快速创建用于测试的数据克隆 、并可从受到破坏 或不必要的测试数据快速恢复。 数据科学家 只需单击一下鼠标、即可恢复到先前已知的正常状态、从而 无需耗时的 LMS重建或重新培训。 这是一项关键优势、可加快开发 周期并推动AI计划向前发展。 现在、让我们来进行一个简短的演示、我将 从我们全新AI工具包的角度演示Google Cloud、NetApp卷和Google Cloud如何集成来实现这些优势。 请注意、虽然此演示简而言之、但它抓住了 我们的解决方案可以为您带来的优势的本质。 在第一个演示中、我将向您展示 我们如何将实时数据直接引入AI。 我将与 某个卷上当前存储的一组文件进行交互并进行报告。 欢迎使用我们的AI工具包的主界面。 此 平台提供了多种方式来处理我们的数据。 但是、为了进行今天的演 示、我要选择一个恰当命名为演示卷的卷、 该卷托管在Google Cloud NetApp卷上。 本卷包含大量信息、 我们将共同探讨这些信息。 通过访问演示卷、我们可以放大 产品文档文件夹。 在这里、我们详细查看了文件、每个文件都 有由顶点AI生成的见解。 作为一个对技术细节非常了解的人、 我对 这些文档中讨论的关键技术以及 提及的知名人士特别感兴趣。 您在此处看到的AI生成的摘要超越了基本文件信息、 可提供内容的更丰富、更丰富的视图。 现在、让我们深入了解GCP托管存储 文件本身、以便进行更精细的分析。 Google的Sumit Agarwal强调了 Google Cloud客户的优势。 虽然此演示很短、但它清楚地展示了 将数据引入AI 并允许用户直接与其交互的强大功能。 当我们过渡到演示的第二部分时、 我在Google云控制台中 的NetApp卷部分下。 您会发现我们列出了一个卷、 我们将在本演示中使用该卷。 迁移到Jupyter笔记本中、您可以看到卷 已成功挂载、并显示两个演示文件。 这些文件将成为顶点AI交互的基础。 现在、回到已挂载卷的AI工具包中、 我将提出一个问题。 借助顶点AI、我们可以获得动态 响应、不仅可以回答我的查询、 还可以将 用于生成此信息的文件及其位置放在站点上。 这是检索增强型新一代RAG的实际应用、 为您提供经过验证的源、以 确保对AI输出的信心。 因为我对 该演示卷的当前状态很满意、所以 我将 直接在Google Cloud Console中使用手动快照捕获这一时刻。 虽然快照可以自动化处理、但 我需要手动创建一个。 此快照可即时创建、不会 中断我们的日常服务。 回到Jupyter笔记本、我添加了第三个文件。 但是、此文件故意包含无效数据、 我们将使用这些 数据来证明数据科学家面临的共同挑战。 在查询顶点AI时、它引用的新文件包含 不正确的数据、从而导致响应不准确。 此情景说明了数据 科学家在尝试 模型时可能遇到的挫折。 此幻灯片直观地展示了 错误的情形、错误的数据以红色突出显示、 表示意外添加。 借助Google Cloud NetApp卷和我们的集成快照、 只需单击一下、即可轻松还原到所需的先前状态。 无需复杂的恢复过程。 下面是我们 在Jupyter笔记本电脑中的当前状态的提醒。 三个文件都是准确的、其中一个文件存在错误、 并且其LLM的向量索引也是错误的。 所有这些信息(包括 源数据和AI生成的内容)都必须 驻留在Google Cloud NetApp卷上、以 确保全面的安全性和控制。 返回Google Cloud Console后、我将导航到 卷的可用快照并执行 简单还原。 无论 模型的大小、大小或复杂性如何、此过程都是快速而简单的。 返回 到Jupyter笔记本、 您将看到卷已还原到先前已知的 正常状态、其中仅包含两个原始文件。 现在、数据科学家可以 顺利完成其项目、不会遇到任何挫折、也不会有任何顾虑。 虽然这个演示很短,我只使用了2或3个文件. 投入的工作量和时间相同。 无论文件数量、复杂程度 或模型大小如何。 只需单击一下鼠标、一切都 可以瞬时完成、 让您可以完全控制数据科学家的 工作、并使他们能够高效地开展工作。 在结束演示时、我想感谢大家 通过 Google Cloud、NetApp 卷和我们的AI工具包的功能与我一起踏上这段旅程。 今天、我们亲眼目睹了我们的 解决方案如何将数据引入AI。 通过 与AI模型的无缝交互、检索、 增强生成以及 即时 快照功能的弹性、保持强大的安全性和控制力、并使数据科学家能够以无与伦比的效率开展工作。 我们的平台旨在支持您 最严苛的数据和AI挑战、 无论是保持工作完整性 还是轻松恢复到可信状态。 Google Cloud NetApp卷随时可以 提升您的云体验。 我希望此演示能为您提供 有关Google Cloud NetApp卷如何转变您的 数据基础架构和AI计划的宝贵见解。 我们很高兴您能够 在自己的环境中开始利用这些工具、 并看到您将构建的创新解决方案。 再次感谢您抽出宝贵时间关注我们。 如果您有任何疑问或希望 进一步了解我们的产品或服务、请随时联系我们。 我们随时为您提供支持、帮助您迈向更智能、更 高效、更安全的云未来。 谢谢你。 再见。