Vultr og SUSE indgår partnerskab for at bringe fuld-stack NVIDIA Enterprise AI-platform til produktionsarbejdsbyrden

Vultr og SUSE har meddelt om et nyt partnerskab, der retter sig mod en af de største flaskehalse i virksomheds-AI: Overgangen fra eksperimentering til produktion. Virksomhederne har lanceret SUSE AI Factory med NVIDIA på Vultr-infrastruktur, en valideret fuld-stack-platform, der kombinerer SUSE’s virksomheds-AI-software, NVIDIA AI Enterprise-teknologier og Vultr’s globale cloud-infrastruktur.

Meddelelsen blev offentliggjort på RAISE Summit i Paris og er designet til virksomheder, der ønsker at implementere AI-applikationer på en sikker og skalerbar måde uden selv at skulle samle den fulde stack. Dette inkluderer infrastruktur-laget, GPU-acceleration, Kubernetes-orchestration, AI-software, sikkerheds kontroller og support-modellen, der kræves for at køre virksomheds-AI-arbejdsbyrden i produktion.

Hvorfor dette er vigtigt

Mange virksomheder er allerede gået videre fra den første AI-bevis-for-koncept-fase. Den hårdere udfordring nu er operationel. Virksomhederne skal beslutte, hvor modellerne skal køre, hvordan GPU’er styres, hvordan følsomme data beskyttes, hvordan AI-applikationer styres og hvordan holdene kan undgå måneder med integrationsarbejde, før den første arbejdsbyrd går live.

Vultr-SUSE-partnerskabet er positioneret omkring det eksakte problem. I stedet for kun at tilbyde beregningskapacitet eller kun software-værktøjer bringer den nye platform infrastruktur- og applikationslagene sammen i en valideret arkitektur. Målet er at reducere “integrations-afgiften”, der ofte langsommeliggør AI-projekter, når de forlader laboratoriet.

Denne distinktion er vigtig. Produktions-AI handler ikke kun om at have adgang til kraftfulde GPU’er. Det kræver gentagne implementeringsmønstre, sikkerhed, overvågning, orchestration, modelstyring og en supportstruktur, som virksomhedens IT-hold kan stole på.

En fuld-stack AI-platform bygget på åben infrastruktur

SUSE AI Factory med NVIDIA er bygget på en åben, Kubernetes-baseret arkitektur. Dette giver virksomhederne fleksibilitet til at implementere AI-arbejdsbyrden på tværs af cloud, on-premises, edge og suveræne miljøer, afhængigt af ydelse, overholdelse, data-residens eller forretningskrav.

SUSE beskriver sin AI-fabrik som en åben infrastruktur-platform til privat virksomheds-AI, designet til at integrere i eksisterende Linux- og Kubernetes-miljøer, samtidig med at virksomhederne hjælper med at flytte arbejdsbyrden fra sandkasse-miljøer til produktion. SUSE positionerer også platformen omkring forvaliderede skabeloner, GitOps-arbejdsgange og suveræne AI-krav, i stedet for at tvinge virksomhederne ind i en proprietær cloud-model.

NVIDIA-aktiveret version tilføjer NVIDIA AI Enterprise direkte til SUSE’s styringslag. NVIDIA AI Enterprise er NVIDIA’s kommercielle software-suite til produktions-AI, der kombinerer mikrotjenester, rammer, biblioteker, GPU-orchestration og infrastruktur-management-værktøjer til virksomhedsimplementering.

Hvad NVIDIA bringer til stacken

Platformen inkluderer NVIDIA AI Enterprise-komponenter som NVIDIA NIM, NVIDIA NeMo og NVIDIA Run: ai. Hver af disse adresserer en anden del af virksomheds-AI-livscyklussen.

NVIDIA NIM hjælper virksomheder med at implementere optimeret AI-model-inferens via mikrotjenester, hvilket reducerer mængden af tilpasset ingeniørarbejde, der kræves for at bringe modeller i produktion. NVIDIA NeMo er fokuseret på at bygge, tilpasse, optimere og styre AI-agenter og generative AI-systemer på tværs af cloud, on-premises og hybrid-miljøer.

NVIDIA Run: ai hjælper med at styre GPU-orchestration og arbejdsbyrdsplanlægning, en kritisk krav, da virksomheder forsøger at maksimere udnyttelsen af dyre accelereret infrastruktur. NVIDIA AI Enterprise inkluderer også Kubernetes-operatører og infrastruktur-management-værktøjer, der hjælper med at standardisere GPU-aktiverede AI-implementeringer på tværs af virksomheds-miljøer.

For virksomhederne er dette vigtigt, fordi AI-infrastruktur kan hurtigt blive fragmenteret. Hold kan bruge forskellige rammer, model-serveringsværktøjer, orchestration-lag og sikkerhedspraksis på tværs af afdelinger. En valideret NVIDIA-baseret software-lag hjælper med at skabe en mere konsistent grundlag.

Vultr tilbyder den globale AI-infrastruktur-lag

Vultr’s rolle er at tilbyde infrastrukturgrundlaget under software-stacken. Virksomheden tilbyder cloud-GPU’er, bare metal, cloud-computere, Kubernetes, lagring og netværkstjenester, der giver virksomhederne en implementeringsmiljø for AI-arbejdsbyrden, der kræver både ydelse og geografisk fleksibilitet.

Vultr har udvidet sin positionering omkring AI-infrastruktur med adgang til AMD- og NVIDIA-GPU’er, managed Kubernetes, bare metal, lagring og cloud-computere. Deres platform bruges til arbejdsbyrden, der kræver GPU-acceleration, herunder AI/ML, høj-ydelses-computing, rendering og andre beregningsintensive applikationer.

Den globale fodaftryk er central for partnerskabet. AI-arbejdsbyrden skal ofte køre tæt på datakilder, brugere eller regulerede jurisdiktioner. En bank, sundhedsudbyder, telekommunikationsoperatør, fabrikant eller offentlig sektor-organisation må ikke altid ønske, at hver AI-arbejdsbyrd skal routese gennem en enkelt centraliseret cloud-region. Vultr’s distribuerede infrastruktur giver SUSE AI Factory med NVIDIA en bredere implementeringsfodaftryk for kunder, der har brug for regional eller suveræn kontrol.

Designet til produktion, ikke kun til pilotprojekter

Det vigtigste aspekt af meddelelsen er ikke, at tre store infrastruktur- og software-virksomheder samarbejder. Det er, at partnerskabet afspejler, hvor virksomheds-AI er på vej.

Den første bølge af generativ AI-adopteringsprocess var domineret af eksperimenter: interne copilot’er, prototype-chatbots, retrieval-augmented generation-pilotprojekter og afdelingsproduktivitetsværktøjer. Den næste fase er mere krævende. Virksomheder søger at implementere AI i kundefacende systemer, regulerede arbejdsprocesser, industrielle operationer og kerneforretningsprocesser.

Dette løfter standarden. AI-systemer skal være sikre, skalerbare, gennemskuelige og vedligeholdelige. De skal kunne køre på tværs af komplekse hybrid-miljøer. De skal understøtte styringskrav. Og de skal undgå at skabe nye former for vendor-lås.

SUSE’s åbne infrastruktur-tilgang, NVIDIA’s enterprise-AI-software og Vultr’s globale cloud-infrastruktur kombineres for at imødekomme disse krav på en mere integreret måde.

Reducerer kompleksiteten ved AI-implementering

En af de mest tydelige temaer i meddelelsen er simplificering. Virksomhederne underskatter ofte, hvor meget ingeniørarbejde der kræves, før AI kan køre pålideligt i produktion. Holdene skal konfigurere GPU-drivere, Kubernetes-kluster, model-serveringsværktøjer, data-pipelines, adgangskontroller, overvågnings-systemer og sikkerheds-politikker. De skal også sikre, at udviklings-, test- og produktions-miljøer forbliver aligneret.

SUSE AI Factory med NVIDIA er designet til at reducere denne kompleksitet via forvaliderede skabeloner og en management-plane leveret gennem Rancher-udvidelser og Kubernetes-operatører. SUSE-dokumentation beskriver AI Factory som en måde at opdage AI-applikationer og kombinere dem i immutable, version-kontrollerede skabeloner.

Denne skabelon-baserede model er vigtig, fordi den hjælper holdene med at gå fra enkelt-implementeringer til gentagne infrastruktur-mønstre. I stedet for at genopbygge AI-stacken for hvert nyt projekt kan virksomhederne standardisere, hvordan AI-arbejdsbyrden pakkes, implementeres, styres og skaleres.

Sikkerhed, suverænitet og kontrol

Meddelelsen læner også tungt på sikker og suveræn AI. Dette afspejler en voksende virksomheds-behuft: hvor AI-arbejdsbyrden skal køre, hvem der kontrollerer dataene og hvordan immaterielle rettigheder beskyttes.

SUSE’s bredere AI-strategi understreger privat virksomheds-AI, data-kontrol, zero-trust-sikkerhed og implementerings-fleksibilitet på tværs af cloud, datacenter og edge-miljøer. Virksomhedens produkt-materialer fremhæver sandkasse-til-produktions-paritet, forvaliderede skabeloner, GitOps-arbejdsgange og understøttelse af suveræne AI-krav.

Dette er særligt relevant for brancher som finansielle tjenester, sundhedssektoren, regering, telekommunikation, fabrikation og forsvars-relaterede sektorer, hvor AI-adopteringsprocessen er begrænset ikke kun af teknisk kapacitet, men også af regulering, overholdelse og operationel risiko.

Et tegn på, at virksomheds-AI-markedet modnes

Vultr-SUSE-partnerskabet er en del af en bredere skift i virksomheds-AI-infrastruktur. Markedet bevæger sig væk fra isolerede værktøjer og mod AI-fabrikker: integrerede miljøer, hvor data, modeller, beregning, orchestration, styring og implementerings-pipelines arbejder sammen.

For virksomhederne ligger værdien ikke kun i hurtig adgang til GPU’er eller endnu en AI-platform-dashboard. Værdien ligger i at reducere afstanden mellem AI-ambition og operationel realitet. Hvis platformen fungerer som tiltænkt, kan organisationerne bruge mindre tid på at sy sammen infrastruktur og mere tid på at bygge AI-applikationer, der producerer målbare resultater.

Eksisterende SUSE-kunder vil kunne arbejde med SUSE-kontoteams for at evaluere platformen, med SUSE og Vultr samarbejdende om proof-of-concept-implementeringer tilpasset kundens arbejdsbyrden. En selvbetjenings-implementeringsmulighed gennem Vultr Marketplace er også planlagt.

Bottom Line

Lanceringen af SUSE AI Factory med NVIDIA på Vultr-infrastruktur viser, hvor hurtigt virksomheds-AI-infrastruktur udvikler sig. Virksomhederne ønsker ikke længere AI-eksperimenter, der lever i isolerede sandkasser. De ønsker styrede, sikre, skalerbare systemer, der kan køre, hvor forretningen kræver det.

Ved at kombinere SUSE’s åbne enterprise-software-fundament, NVIDIA’s produktions-AI-stack og Vultr’s globale cloud-infrastruktur giver partnerskabet organisationerne en mere direkte vej fra pilotprojekter til produktions-AI.

Dette eliminerer ikke det hårde arbejde ved AI-adopteringsprocessen. Virksomhederne har stadig brug for de rette data, styring, talent og forretnings-brugstilfælde. Men det adresserer en af de mest vedvarende barrierer: kompleksiteten ved at samle og operere AI-infrastruktur-stacken selv.