Hitachi Vantara føjer forespørgsler direkte i lakehouse til VSP One Object

Hitachi Vantara annoncerede den 11. november 2026, at VSP One Object kan forespørge direkte på understøttede data i åbne formater på lagerplatformen med en startkonfiguration på fire noder, der skal gøre implementeringen enklere. Opdateringen tilføjer også governancefunktioner til Hitachi iQ Studio til AI-applikationer og agenter i virksomheder.

Meddelelsen forbinder objektlagring, lakehouse-analyse og den software, der bruges til at udvikle og styre AI-applikationer og agenter. VSP One leverer datagrundlaget for Hitachi iQ, der kombinerer valideret AI-infrastruktur og software for at forbinde applikationer og agenter med virksomhedens data, modeller, værktøjer og arbejdsgange.

Et mindre udgangspunkt for AI-lagring

Konfigurationen med fire noder giver organisationer en mindre indgang til objektlagring, der er klar til AI, mens den forenklede implementering skal gøre den indledende opsætning lettere og give mulighed for at skalere kapaciteten efter behov. Hitachi Vantara oplyser, at løbende forbedringer af ydeevnen for små objekter understøtter op til 5,5 gange hurtigere dataadgang til AI-, analyse- og S3-arbejdsbelastninger.

Udvidede funktioner til replikering mellem flere lokationer og regionale behov skal sikre, at data forbliver tilgængelige, beskyttede og brugbare under driftsforstyrrelser. For AI- og analysearbejdsbelastninger, der er fordelt på flere lokationer, imødekommer disse funktioner et andet driftsbehov end forespørgselshastighed: fortsat adgang til de underliggende data, når noget går galt.

Forespørgsler på lakehouse-data dér, hvor de ligger

VSP One Object understøtter direkte forespørgsler på Iceberg-, Parquet-, JSON- og CSV-data. Hitachi Vantara oplyser, at de nye funktioner giver op til 5 gange hurtigere ydeevne for analytiske forespørgsler med 80 % færre CPU’er. Når forespørgsler køres på objektlagerplatformen, mindskes behovet for at kopiere understøttede data til separate analysesystemer. Det kan reducere antallet af dublerede datasæt og datapipelines samt den infrastruktur, der kræves for at vedligeholde dem.

En tilhørende forklaring fra Hitachi Vantara på analyse direkte på dataenes placering peger på to governanceproblemer med eksporterede data. Kopier kan afvige fra originalen, så en forklaring, der genereres ud fra et ældre udtræk eller et udtræk med andre filtre, muligvis ikke stemmer overens med de data, der ligger til grund for en forudsigelse; analyse af de samme data på deres oprindelige placering sikrer, at forklaringen og forudsigelsen stemmer overens. Det giver også et tydeligere spor af dataenes oprindelse gennem de tabeller, kolonner og transformationer, der indgik i en model.

Virksomheden fremhæver, at denne tilgang er relevant for arbejdsbelastninger inden for energi og medicin. Eksemplerne omfatter sammenkobling af tidsserier fra sensorer med data om aktiver, strømafbrydelser og fakturering til analyse af elnettet samt forespørgsler på billedmetadata og strukturerede rapporter uden at kopiere følsomme oplysninger til separate analysemiljøer.

Styring af modeller og agenter i Hitachi iQ Studio

Hitachi iQ Studio er virksomhedssoftwaren til udvikling, implementering, administration og styring af AI-applikationer og agenter. De nye videnskilder fra filsystemer og NFS udvider adgangen til strukturerede og ustrukturerede virksomhedsdata til retrieval-augmented generation (RAG), som tilfører AI-svar og agenter kontekst fra virksomheden, uden at organisationer først skal flytte eller omstrukturere alle dataene.

En ny Model Gateway styrer adgangen til lokale og eksterne modeller. Udgivelsen tilføjer også styret forbindelse via Model Context Protocol, så agenter kan forbindes med værktøjer, understøttelse af ServiceNow samt rollebaseret adgang, observerbarhed og livscyklusstyring på tværs af virksomhedens AI-applikationer og agenter. Dermed udvides styringen fra lagerlaget til også at omfatte modeladgang, værktøjer og agentdrift.

Chief Product Officer Octavian Tanase knyttede dette fokus til virksomhedens budskab om AI i produktion: »AI-strategi kan nu ikke adskilles fra datastrategi.«

For virksomheder, der tager AI i brug i produktionen, betyder det, at beslutninger om infrastruktur og styring hænger tættere sammen. Mindre dataflytning kan forenkle analysearbejdet og bevare dataenes oprindelse, men hvor nyttig tilgangen er, afhænger af, om adgangskontroller, observerbarhed og replikering fortsat er konsistente, efterhånden som implementeringerne vokser fra den indledende konfiguration.