GPU-de töökoormuse näidik võib näidata 70% kasutust, kuid tegelikult seisavad 40 000 dollari väärtuses kiirendid jõude, oodates faile, mis asuvad mitme võrgusammu kaugusel NAS-serveris. Artikkel toob välja, et tänapäeva AI-taristu probleem pole enam salvestusmaht, vaid andmete paigutus ja juurdepääs — kus failid asuvad, kuidas need GPU-deni jõuavad ning kui palju kopeerimist toimub. Hammerspace’i andmeplatvorm pakub lahendust, paiknedes arvutusvõimsuse ja olemasoleva salvestuse vahel (NAS, objektisalvestus, NVMe-kettad GPU-serverites). Platvorm muudab kõik andmed kättesaadavaks ühtse globaalse nimeruumi kaudu ning teeb arvutusvõimsuse teadlikuks andmete asukohast, mitte ei liiguta andmeid GPU-de juurde. Juurdepääs toimub standardprotokollide kaudu (NFS, SMB, S3). Andmete killustatus on suur probleem: treeningandmed paiknevad eri osakondades, asukohtades ja pilvedes. Hammerspace’i esindaja Jonathan Flynni sõnul on kureeritud andmekogumi olemasolu haruldane. Gartneri andmetel arvab 57% organisatsioonidest, et nende andmed pole tehisintellekti (AI) jaoks valmis, ning kaks kolmandikku juhtidest leiab, et keegi nende organisatsioonis ei mõista täielikult kogutud andmeid.
