AI định hình lại ngành lưu trữ dữ liệu: cơ hội bùng nổ đi kèm rủi ro chưa từng có

Sự bùng nổ của AI và ML (machine learning, tức học máy) đang đẩy ngành lưu trữ CNTT vào một giai đoạn biến động mạnh nhất trong nhiều năm. Nếu trước đây lưu trữ doanh nghiệp chủ yếu xoay quanh các hệ thống ổn định, phục vụ ứng dụng truyền thống, thì nay mọi thứ thay đổi vì các mô hình AI cần được cấp dữ liệu nhanh hơn, nhiều hơn và an toàn hơn. Kể từ khi ChatGPT mở ra kỷ nguyên AI tạo sinh, nhu cầu đưa dữ liệu tới các mô hình và tác nhân AI, hay còn gọi là AI agent, đã tạo ra một cuộc dịch chuyển gần như không thể đảo ngược trong kiến trúc lưu trữ.

Ở trung tâm của làn sóng này là GPU, bộ xử lý đồ họa hiện đã trở thành phần cứng chủ lực để huấn luyện và suy luận AI. Vấn đề là GPU chỉ phát huy tối đa khi dữ liệu được đưa tới đủ nhanh, nếu không sẽ rơi vào trạng thái IO-bound, tức bị nghẽn bởi tốc độ nhập xuất dữ liệu thay vì thiếu sức mạnh tính toán. Điều đó khiến ổ đĩa SSD, đặc biệt là SSD dùng giao thức NVMe, tăng vai trò mạnh mẽ. NVMe là chuẩn truy cập lưu trữ tốc độ cao thiết kế cho flash hiện đại, còn PCIe là đường truyền dữ liệu tốc độ lớn trong máy chủ. So với các giao thức cũ như SAS hay SATA, bộ đôi NVMe và PCIe giúp giảm độ trễ đáng kể, rất phù hợp cho tải công việc AI.

Một trong những thay đổi kỹ thuật đáng chú ý nhất là GPUDirect, công nghệ cho phép dữ liệu đi tới GPU theo đường ngắn hơn, bỏ qua một số tầng trung gian như bộ điều khiển lưu trữ truyền thống. Đi kèm với đó là RDMA, viết tắt của Remote Direct Memory Access, tức cơ chế cho phép truy cập trực tiếp vào bộ nhớ từ xa qua mạng với độ trễ thấp và ít tiêu tốn CPU. Những công nghệ này giúp dữ liệu từ SSD tới GPU nhanh hơn nhiều. Cùng lúc, các cơ chế KV caching cũng nổi lên. Đây là dạng bộ nhớ đệm dành cho key-value, được dùng để giảm thời gian chờ dữ liệu trong các mô hình ngôn ngữ lớn, đồng thời hạn chế việc phải tính toán lại token, đơn vị dữ liệu nhỏ mà mô hình AI xử lý khi đọc và tạo nội dung.

Làn sóng AI không chỉ thay đổi công nghệ mà còn làm xáo trộn cán cân thị trường. Bên cạnh các tên tuổi lâu năm như Dell, HPE hay NetApp, nhiều nhà cung cấp xuất thân từ mảng all-flash array, tức hệ thống lưu trữ hoàn toàn dùng flash, và HPC, tức điện toán hiệu năng cao, đang tăng trưởng nhanh. Các công ty như DDN, Pure Storage, VAST Data và WEKA hưởng lợi nhờ khả năng cung cấp truy cập dữ liệu song song, yếu tố rất quan trọng khi nhiều GPU cùng đọc dữ liệu cho huấn luyện và suy luận. Đồng thời, một lớp hạ tầng đám mây mới cũng hình thành với mô hình GPU-as-a-Service, nghĩa là cho thuê GPU như một dịch vụ, tiêu biểu là CoreWeave hay Lambda.

Giai đoạn đầu của AI hiện đại chủ yếu tập trung vào training, tức huấn luyện mô hình. Nhưng hiện nay, trọng tâm đang chuyển nhanh sang inference, tức suy luận, khi doanh nghiệp đưa AI vào vận hành thực tế. Nhiều tổ chức bắt đầu xây dựng “AI factory” hay nhà máy AI, nơi họ phát triển, tinh chỉnh, triển khai và vận hành các mô hình cũng như agent của riêng mình hoặc từ bên thứ ba. Sự thay đổi này khiến lưu trữ không chỉ cần nhanh mà còn phải có khả năng quản trị truy cập dữ liệu chặt chẽ, ghi nhận hành động và hỗ trợ khôi phục nếu AI đưa ra quyết định sai.

Một điểm mới nổi bật là AI agent ngày càng giống “nhân viên số” hơn là công cụ thụ động. Nhờ những công nghệ như MCP, viết tắt của Model Context Protocol, tức giao thức giúp mô hình AI kết nối ngữ cảnh, công cụ và dữ liệu; cùng công nghệ đồ thị, các agent có thể suy luận, truy cập cả dữ liệu có cấu trúc lẫn phi cấu trúc, thậm chí thay đổi dữ liệu. Nhưng chính vì có quyền hành động, chúng cũng có thể mắc lỗi. Điều đó làm xuất hiện nhu cầu về Agent Identity Access Management, tức quản lý danh tính và quyền truy cập dành riêng cho agent AI, tương tự IAM truyền thống nhưng mở rộng cho thực thể không phải con người.

Ngoài tốc độ lưu trữ, doanh nghiệp còn phải giải quyết bài toán làm sao đưa toàn bộ “tài sản dữ liệu” vào quy trình AI mà không cần sao chép mọi thứ về một kho duy nhất. Đây là lúc các đường ống dữ liệu AI, hay AI data pipeline, trở nên quan trọng. Một số công nghệ như Apache Iceberg đang được dùng để giúp data lake, tức hồ dữ liệu lưu trữ khối lượng lớn dữ liệu thô, có thể truy cập dữ liệu nằm ngoài hệ thống một cách logic. Nhờ vậy, doanh nghiệp tận dụng được dữ liệu phân tán mà không tạo ra thêm quá nhiều bản sao, vừa giảm chi phí vừa hạn chế rủi ro quản trị.

Khi mô hình AI xử lý token, dữ liệu thường được chuyển thành vector embedding, tức biểu diễn dữ liệu dưới dạng các dãy số để máy có thể hiểu mức độ tương đồng về ngữ nghĩa. Kiểu dữ liệu này cần được lưu trữ và tìm kiếm theo cách khác với cơ sở dữ liệu truyền thống. Vì thế, vector database, tức cơ sở dữ liệu chuyên cho dữ liệu vector, đang phát triển mạnh với các tên tuổi như Pinecone, Qdrant, Weaviate hay Zilliz. Đồng thời, nhiều hệ quản trị cơ sở dữ liệu phân tích và giao dịch cũng bổ sung hỗ trợ vector để không bị bỏ lại phía sau.

Một xu hướng khác là DASE, viết tắt của Disaggregated Storage Array Engine, tức kiến trúc mảng lưu trữ tách rời tài nguyên tính toán và tài nguyên lưu trữ. Cách tiếp cận này cho phép mở rộng linh hoạt hơn và thậm chí chạy trực tiếp một số tác vụ AI trên chính hệ thống lưu trữ. Điều đó biến mảng lưu trữ từ nơi “cất dữ liệu” thành nền tảng dịch vụ cho pipeline AI và agent. VAST Data thậm chí gọi lớp phần mềm mở rộng của mình là AIOS, hàm ý một “hệ điều hành cho AI”. Trong khi đó, các hệ thống lưu trữ nguyên khối cao cấp truyền thống chậm thích nghi hơn với GPUDirect, DASE hay KV caching, khiến chúng dần giống một phân khúc ngách cần thiết nhưng ít năng động hơn.

Không chỉ các nhà cung cấp lưu trữ chính, các hãng backup và cyber resilience, tức khả năng chống chịu và phục hồi trước tấn công mạng, cũng đang tận dụng AI mạnh mẽ. Các công ty như Cohesity, Commvault, Druva, Rubrik và Veeam nhận ra rằng bản sao lưu không chỉ để khôi phục sau sự cố mà còn là nguồn dữ liệu quý cho mô hình AI. Bởi backup chứa dấu vết thay đổi dữ liệu theo thời gian, AI có thể phân tích các thay đổi này để tìm mối liên hệ giữa những sự kiện tưởng như rời rạc, từ đó phát hiện dấu hiệu của một cuộc tấn công đang diễn ra.

Theo xu hướng mới, agent AI có thể xác định thời điểm cuộc tấn công bắt đầu, dữ liệu nào bị ảnh hưởng, đâu là bản sao “sạch” gần nhất và tự động đề xuất hoặc hỗ trợ khôi phục. Điều này đặc biệt quan trọng trong các cuộc tấn công ransomware, nơi tốc độ phản ứng quyết định thiệt hại. Một số nhà cung cấp còn tổ chức mô phỏng tấn công mạng với khách hàng để chứng minh rằng ứng phó hiệu quả không chỉ là câu chuyện của đội CNTT mà cần sự phối hợp ở cấp lãnh đạo và toàn doanh nghiệp.

Mặt tối của AI nằm ở chỗ công nghệ này có thể gây ra sự cố dữ liệu ngoài ý muốn hoặc bị kẻ xấu lợi dụng để tăng tốc tấn công. Khi doanh nghiệp triển khai hàng nghìn agent hoạt động bên trong hệ thống CNTT, nguy cơ thao tác nhầm, truy cập sai quyền hoặc thay đổi dữ liệu hàng loạt sẽ tăng lên nhiều lần so với con người. Khác với nhân viên thông thường, agent hoạt động ở tốc độ micro giây và diễn ra hoàn toàn trong hệ thống, khiến việc giám sát bằng cách thủ công gần như bất khả thi.

Chính vì vậy, ngành công nghệ đang tiến tới một thực tế mới: phải dùng agent để giám sát agent. Các nhà cung cấp như Cohesity, Druva, HYCU, Rubrik và Veeam đều đang phát triển công cụ dùng AI để quản trị quyền truy cập, hành vi và rủi ro của AI khác. Song song, một lĩnh vực mới cũng nổi lên là ghi lại hoạt động của agent, bao gồm các tệp tạm và chuỗi hành động, để có thể truy vết, đảo ngược hoặc sửa sai khi một agent đi chệch hướng. Đây là nền tảng quan trọng nếu doanh nghiệp muốn tin tưởng AI trong môi trường sản xuất thực sự.

Bên trong các hệ thống lưu trữ, AI cũng đang thay đổi cách vận hành hàng ngày. Trước đây, machine learning thường được dùng để phân tích telemetry, tức dữ liệu giám sát hoạt động hệ thống, nhằm phát hiện lỗi phần cứng hoặc bất thường hiệu năng. Giờ đây, AI hiện đại có thể tiến xa hơn: trở thành trợ lý vận hành cho quản trị viên. Thay vì cấu hình thủ công qua CLI, tức giao diện dòng lệnh, hoặc GUI, tức giao diện đồ họa, quản trị viên có thể dùng ngôn ngữ tự nhiên để hỏi hệ thống, chẩn đoán sự cố, áp chính sách mới hay tối ưu giữa hiệu năng, chi phí và điện năng.

Các chatbot và trợ lý AI được huấn luyện trên tính năng sản phẩm, tài liệu hỗ trợ và dữ liệu vận hành thực tế có thể hoạt động như kỹ sư chẩn đoán giàu kinh nghiệm. Điều này giúp đội ngũ quản trị viên nâng cao năng lực mà không cần đi sâu vào từng chi tiết cấu hình phức tạp. Trong bối cảnh hệ thống dữ liệu và bảo vệ dữ liệu ngày càng rối rắm, đây được xem là một trong những ứng dụng AI có khả năng lan rộng nhanh nhất trong doanh nghiệp.

Dù mang lại nhiều lợi ích, AI cũng tạo ra một vấn đề căn bản: con người quá chậm để theo dõi các thực thể số ra quyết định chỉ trong vài micro giây. Agent AI là vô hình, không ngừng hoạt động và có thể hành xử ngoài dự đoán nếu bị cấu hình sai, bị chiếm quyền hoặc bị khai thác. Vì vậy, bài toán lớn nhất của ngành lưu trữ hiện nay không chỉ là làm sao cấp dữ liệu nhanh hơn cho AI, mà còn là làm sao xây dựng các lớp giám sát đủ tin cậy, bất biến và chống bị giả mạo danh tính để ngăn chặn agent độc hại trước khi thiệt hại xảy ra.

Tổng thể, AI đang mở ra cơ hội tăng trưởng khổng lồ cho ngành lưu trữ: nhiều dữ liệu hơn, truy cập nhanh hơn, khôi phục an toàn hơn và phần mềm vận hành thông minh hơn. Nhưng cùng lúc, nó cũng tạo ra bề mặt tấn công mới và những kiểu rủi ro mà hạ tầng truyền thống chưa từng phải đối mặt. Trong giai đoạn tới, bên thắng cuộc sẽ không chỉ là nhà cung cấp có phần cứng nhanh nhất, mà là những công ty kết hợp được hiệu năng, quản trị dữ liệu, an ninh danh tính cho agent và khả năng phục hồi trước các cuộc tấn công do AI dẫn dắt.