人工智慧資料會無限循環。

1.取得資料

首先要定義、尋找和準備資料。

資料集有各種可能性，也許是小型的結構化資料庫，也可能是網際網路本身。網路硬碟機可提供原始資料，且能長期保留，也有資料保護功能。網路 SSD 可做為立即存取的資料層。

2.訓練模型

接下來會使用儲存的資料訓練模型，讓模型學習。

訓練是不斷試錯的過程，模型會逐漸趨同，也會再各個檢查點受到保護。訓練工作需要高速的資料存取能力。這種需要大量運算的階段，會將 HBM、DRAM 和本機 SSD 用於訓練。網路硬碟機和 SSD 可儲存檢查點，以求保護模型訓練過程，並使之完善。

3.建立內容

在推論的過程，會使用訓練過的模型來產生輸出。

根據所需用途，可能會將模型用於聊天、影像分析或影片建立等工作。使得這種反覆生成的作業得以實現的主儲存設備，便是 HBM、DRAM 和本機 SSD。

4.儲存內容

迭代過程中會建立經過驗證的新資料，而需要儲存起來。

這些資料會儲存起來，等待繼續受到精製、確保品質，並確實符合法規。建立內容的複製版本，可由硬碟機加以儲存和保護。網路 SSD 可提供高速的資料存取層。

5.保存資料

複製的資料集會跨地區和環境加以保留。

AI 要值得信賴，儲存的資料便是骨幹。如此資料科學家才能確保模型依預期運作。資料之所以能長期儲存並受到保護，主要就是靠硬碟機。網路 SSD 會做硬碟機和本機 SSD 層之間的效能銜接，協助資料在生態系統之間移動。

6.重新利用資料

資料來源、模型、推論資料，是下個階段的動力來源。

內容輸出的成果會輸回模型之中，改善模型的準確度，並能藉此建立新模型。網路硬碟機和 SSD 可支援地理位置分散的 AI 資料建立作業。原始資料集和生成的內容，會變成新工作流程的資料來源。