Da storage a piattaforma di inferenza: la strategia di Scality

Scality, nota a livello globale per le sue soluzioni di storage oggetto (Object Storage) e file system distribuiti, ha annunciato una svolta strategica: estendere il proprio portafoglio verso infrastrutture dedicate all’inferenza di modelli di intelligenza artificiale (IA). L’obiettivo è creare un ecosistema che unisca la capacità di gestire enormi volumi di dati con la potenza di calcolo necessaria per eseguire inferenze in tempo reale, soprattutto in ambienti edge.

Motivazioni di mercato

Il mercato dell’inferenza IA sta crescendo rapidamente. Secondo le stime di IDC, entro il 2028 la spesa globale per infrastrutture IA supererà i 300 miliardi di dollari, con una quota significativa destinata all’inferenza, che rappresenta il 70% delle richieste di calcolo rispetto all’addestramento. Molte aziende, dalle banche alle case automobilistiche, hanno bisogno di elaborare dati vicino alla fonte per ridurre latenza e costi di banda.

Architettura integrata di Scality

Object Storage distribuito: la base rimane la piattaforma Ring, che garantisce scalabilità orizzontale, durabilità a “eleven nines” (99,999999999%) e accesso multi‑tenant.
Edge Nodes con GPU: Scality aggiunge nodi edge dotati di GPU Nvidia H100 o AMD Instinct, in grado di eseguire inferenze direttamente sul dispositivo di raccolta dati, evitando il trasferimento verso il cloud centrale.
Data Plane ottimizzato: il trasferimento dei dati tra storage e motori di inferenza avviene tramite protocolli a bassa latenza (RDMA, NVMe‑over‑Fabric) per mantenere throughput superiori a 10 GB/s.
Catalogazione e metadata AI‑aware: ogni oggetto è arricchito da metadata specifici (versione modello, timestamp di inferenza, precisione) per facilitare il tracciamento e la governance.

Esempi concreti di implementazione

Una delle prime collaborazioni è avvenuta con un gruppo sanitario europeo. Scality ha fornito una soluzione edge in ospedali regionali per eseguire inferenze su scansioni TC e RM. I modelli di detection di lesioni hanno potuto analizzare le immagini in meno di 200 ms, riducendo i tempi di diagnosi del 35% rispetto al flusso tradizionale basato su server centralizzati.

Nel settore automotive, un produttore di veicoli elettrici ha integrato la piattaforma Scality nei propri impianti di test. I dati dei sensori LIDAR e delle telecamere, che superano i 5 PB al mese, vengono archiviati in Scality Ring e, grazie ai nodi edge GPU, i modelli di riconoscimento degli ostacoli vengono inferiti in tempo reale, migliorando la precisione del 12% nei test di guida autonoma.

Benefici per le imprese

Le aziende che adottano la piattaforma di inferenza di Scality ottengono diversi vantaggi: riduzione della latenza (fino a 80% rispetto a soluzioni cloud‑only), diminuzione dei costi di trasferimento dati (stimata in $0,02 per GB rispetto a $0,12 in ambienti tradizionali), e maggiore conformità normativa grazie alla possibilità di mantenere i dati sensibili in sede.

Roadmap tecnologica e partnership

Scality ha definito una roadmap triennale. Nel 2025 prevede il lancio di un SDK open‑source per integrazioni con framework AI come TensorFlow, PyTorch e ONNX Runtime. Inoltre, ha siglato partnership con Nvidia (per le GPU) e con Red Hat (per l’integrazione con OpenShift), garantendo un’esperienza DevOps completa.

Nel 2026, l’obiettivo è introdurre funzionalità di federated learning, consentendo a più nodi edge di addestrare modelli in maniera collaborativa senza condividere dati grezzi, un passo cruciale per settori altamente regolamentati come la sanità e le telecomunicazioni.

Impatto sul panorama competitivo

L’ingresso di Scality nel mercato dell’inferenza IA rappresenta una sfida per giganti come Amazon Web Services (SageMaker Edge Manager) e Microsoft Azure (Azure IoT Edge). La differenza chiave di Scality risiede nella sua capacità di unire storage a lungo termine con calcolo low‑latency, riducendo la complessità di gestione di più fornitori.

Altri attori, come Dell Technologies e Pure Storage, stanno puntando su soluzioni “converged” ma tendono a concentrare le loro offerte su ambienti data‑center, mentre Scality si posiziona come “data‑centric edge”, un modello più adatto a scenari dove la generazione dei dati avviene in modo distribuito e dove la privacy è una priorità.

Conclusioni e consigli per le imprese

Per le organizzazioni che valutano di adottare la piattaforma di Scality, è consigliabile:

Condurre un assessment della latenza attuale e dei costi di banda, identificando carichi di lavoro che beneficerebbero di inferenza edge.
Definire una strategia di governance dei metadata AI per garantire tracciabilità e compliance.
Pianificare un rollout graduale, iniziando con pilot in ambienti a basso rischio (es. monitoraggio ambientale) per validare performance e integrazioni DevOps.

In sintesi, la transizione di Scality dal semplice storage a una piattaforma completa per l’inferenza IA sta creando nuove opportunità per le imprese che vogliono accelerare la trasformazione digitale, ridurre i costi operativi e mantenere il controllo sui propri dati critici.