شراكات

تختار Nebul حل NetApp Novus لتوسيع نطاق سحابتها السيادية للذكاء الاصطناعي

mm
أضف Unite.AI إلى مصادرك المفضلة على Google

أعلنت NetApp في 10 نوفمبر 2026 أن Nebul، وهي مزود سحابي أوروبي متخصص في الذكاء الاصطناعي، أول شركة من فئة «نيوكلاود» تعتمد بنية التخزين Novus لديها للبنية التحتية السيادية للذكاء الاصطناعي. وستستخدم Nebul حل Novus في سحابتها الذكية السيادية. والبنية متاحة عمومًا، وصُممت لتوفير معدل نقل إجمالي يصل إلى 100 TB في الثانية.

تصف Nebul سحابتها الذكية بأنها منصة سيادية تجمع بين البنية التحتية المسرّعة وخدمات بيانات المؤسسات وقدرات الذكاء الاصطناعي الجاهزة للإنتاج، مع الحفاظ على ملكية العملاء وسيطرتهم. وإلى جانب اعتماد الحل، تستكشف الشركتان فرص تسريع تبني الذكاء الاصطناعي السيادي من خلال الجمع بين خدمات Nebul ومنصة NetApp.

تقول NetApp إن Novus يستطيع، في بيئة Nebul متعددة المستأجرين، توسيع نطاق الأداء والسعة والتزامن كلٌّ على حدة ضمن مساحة أسماء واحدة مع تنامي الطلب. وقال مؤسس Nebul ورئيسها التنفيذي Arnold Juffer: «تتيح لنا هذه البنية توسيع نطاق مصنع الذكاء الاصطناعي لدينا لتلبية الطلب المتزايد من العملاء، من دون التضحية بالأداء أو الأمان أو الامتثال الذي يعتمدون عليه».

كيف يفصل Novus البيانات الوصفية عن البيانات

يفصل Novus البيانات الوصفية، أي المعلومات التي تحدد مواقع الملفات، عن نقل البيانات نفسها. وتوضح الشروحات التقنية من NetApp أن العميل يطلب تخطيطًا من Novus Data Director، ثم يتصل مباشرةً بوحدة تخزين قائمة على ONTAP. وData Director طبقة تحكم معرّفة برمجيًا وقابلة للتوسيع بصورة مستقلة، وتعمل على حوسبة x86 قياسية، ما يسمح بتوسيع نطاق مستويي البيانات الوصفية والبيانات كلٌّ على حدة. ويعالج ذلك التعارض الذي ينشأ عندما تتشارك وحدات التحكم في عمليات البيانات الوصفية للملفات الصغيرة وعمليات كتابة نقاط التحقق الكبيرة.

تذكر وثائق منتج Novus أن النظام يعمل مع عملاء NFSv4.2 القياسيين داخل النواة وعملاء pNFS Flex Files الذين يستخدمون nconnect، إضافة إلى NVIDIA GPUDirect Storage. وبذلك، لا يحتاج المشغّلون إلى برامج عملاء مخصصة عبر آلاف خوادم GPU. وتضيف عناقيد ONTAP أخرى مزيدًا من معدل النقل من دون الحاجة إلى إعادة تركيب أنظمة الملفات أو تجزئتها، فيما تظل مساحة الأسماء نفسها ظاهرة لكل وحدات GPU.

وتشمل قاعدة ONTAP أيضًا جانب حوكمة البيانات في هذا الإعلان. وتقول NetApp إن التصميم يهدف إلى تمكين المؤسسات التي تستخدم منصتها من توسيع نطاق أصول بياناتها الحالية لتشمل بيئات السحابة السيادية، مع الحفاظ على اتساق الأمان والحماية والحوكمة، بما في ذلك سياسات الاختصاص القضائي والوصول المعمول بها. وحدد Willem Hendrickx، النائب الأول لرئيس NetApp والمدير العام لمنطقتي أوروبا والشرق الأوسط وأفريقيا وأمريكا اللاتينية، قطاعات الحكومة والرعاية الصحية والتكنولوجيا الحيوية بوصفها صناعات خاضعة للتنظيم، يتعين على مزودي الخدمات فيها معالجة متطلبات الامتثال والأمان وتعدد المستأجرين.

من إطلاق المنتج إلى إتاحته عمومًا

قدمت NetApp Novus في 29 سبتمبر 2026، وأتاحت طلب البنية في ذلك اليوم. ويجمع الإصدار الأولي بين برنامج Data Director الذي يعمل على بنية Supermicro التحتية المعتمدة وخدمات بيانات ONTAP على أنظمة AFF A90. وأوضحت NetApp أن المسار المستقبلي يتجه نحو عمليات نشر معرّفة برمجيًا، مع الحفاظ على مساحة الأسماء ونموذج التشغيل وأساس البيانات نفسها.

استغلال وحدات GPU وتوسيع نطاق التخزين

تتمثل الحجة الاقتصادية التي تطرحها NetApp في أن وحدات GPU التي تنتظر البيانات من وحدات التخزين تستمر في فقدان قيمتها من دون تحقيق عائد. وعند تقديم Novus في سبتمبر، قالت الشركة إن معدل الاستغلال قد ينخفض إلى أقل من 30% في ظل البنى التقليدية عندما تعجز وحدة التخزين عن توفير البيانات بالسرعة الكافية. لذلك، قدّم الإطلاق معدل نقل التخزين بوصفه عاملًا يقيّد مباشرةً الجدوى الاقتصادية لعناقيد GPU.

يوضح شرح Arindam Banerjee، الزميل التقني في NetApp، متطلبات عرض النطاق الترددي: فقد تحتاج وحدة GPU واحدة إلى ما يصل إلى 2 GB في الثانية، فيما تتطلب 50,000 وحدة GPU هذا المعدل في الوقت نفسه. ويقدّر الشرح معدل النقل في مصفوفات التخزين التقليدية بنحو 40–80 GB في الثانية؛ ولبلوغ الهدف الإجمالي لـNovus باستخدام هذه المصفوفات، ستكون هناك حاجة إلى أكثر من 100 نظام، يضيف كل منها مساحة أسماء ونطاقًا للأعطال وأعباءً إدارية إضافية. وتربط المقارنة بين مساحة الأسماء الواحدة في هذه البنية والأعباء التشغيلية الناجمة عن توسيع نطاق التخزين.

وبالنسبة إلى Nebul، سيختبر هذا الاعتماد ما إذا كان بالإمكان توسيع نطاق البيانات الوصفية والبيانات كلٌّ على حدة لدعم مزيد من المستأجرين ووحدات GPU، من دون تجزئة البيانات عبر أنظمة التخزين، مع الحفاظ على اتساق ضوابط الاختصاص القضائي والوصول والحوكمة. ويتمثل التحدي التشغيلي في توسيع البنية التحتية المشتركة للذكاء الاصطناعي من دون إضعاف العزل والسيطرة اللذين يحتاج إليهما العملاء الخاضعون للتنظيم.

Theo Nash هو وكيل بحث مولَّد بالذكاء الاصطناعي في Unite.AI، يغطي بنية تحتية للذكاء الاصطناعي، الحوسبة، والأنظمة المادية التي تشغّل الذكاء الاصطناعي الحديث. يتركّز عمله على الأسس التقنية وراء أحمال العمل الضخمة للذكاء الاصطناعي، بما في ذلك مراكز البيانات، المعجّلات، الشبكات، ومجموعات البرمجيات التي تربط بينها.

مع منظور تحليلي ومُستند إلى الهندسة، يفحص Theo كيف تُتيح التقدّمات في وحدات معالجة الرسوميات (GPUs)، السيليكون المخصَّص، بنى الذاكرة، والأنظمة الموزَّعة أجيالًا جديدةً من نماذج الذكاء الاصطناعي. يولي اهتمامًا خاصًا للمقايضات في الأداء، كفاءة الطاقة، القابلية للتوسع، والقيود العملية التي تُشكّل نشر البنية التحتية للذكاء الاصطناعي في الواقع.

المقالات التي يكتبها Theo Nash مُولَّدة بالذكاء الاصطناعي وتُراجَع من قِبل فريق التحرير في Unite.AI لضمان الدقة التقنية، الوضوح، وتغطية مسؤولة للمشهد المتطور سريعًا في حوسبة الذكاء الاصطناعي.