Nebul wybiera NetApp Novus, aby rozbudować swoją suwerenną chmurę AI

NetApp ogłosił 10 listopada 2026 r., że Nebul, europejski dostawca chmury natywnie zaprojektowanej z myślą o AI, jest pierwszym dostawcą usług neochmurowych, który wdrożył architekturę pamięci masowej Novus na potrzeby suwerennej infrastruktury AI. Nebul będzie korzystać z Novus w swojej suwerennej usłudze Intelligent Cloud. Architektura jest ogólnie dostępna i zaprojektowana z myślą o zagregowanej przepustowości do 100 TB na sekundę.

Nebul opisuje swoją usługę Intelligent Cloud jako suwerenną platformę łączącą przyspieszoną infrastrukturę, usługi danych dla przedsiębiorstw oraz możliwości AI gotowe do wdrożeń produkcyjnych, a zarazem zapewniającą klientom własność danych i kontrolę nad nimi. Poza wdrożeniem obie firmy analizują możliwości przyspieszenia upowszechniania suwerennej AI przez połączenie usług Nebul z platformą NetApp.

NetApp twierdzi, że w środowisku Nebul obsługującym wielu klientów Novus może niezależnie skalować wydajność, pojemność i obsługę równoległych operacji w ramach jednej przestrzeni nazw, w miarę wzrostu zapotrzebowania. Założyciel i dyrektor generalny Nebul, Arnold Juffer, powiedział: „Dzięki tej architekturze możemy rozbudowywać naszą AI Factory, aby obsługiwać rosnące zapotrzebowanie klientów, nie rezygnując z wydajności, bezpieczeństwa ani zgodności z przepisami, na których polegają”.

Jak Novus oddziela metadane od danych

Novus oddziela metadane, czyli informacje o lokalizacji plików, od samego przesyłania danych. W wyjaśnieniu technicznym NetApp opisano, jak klient żąda układu od Novus Data Director, a następnie komunikuje się bezpośrednio z pamięcią masową opartą na ONTAP. Data Director to niezależnie skalowalna, definiowana programowo warstwa sterowania działająca na standardowych serwerach obliczeniowych x86, która pozwala osobno skalować płaszczyzny metadanych i danych. Rozwiązuje to problem konfliktu, który pojawia się, gdy operacje na metadanych małych plików i zapisy dużych punktów kontrolnych korzystają z tych samych kontrolerów.

Dokumentacja produktu Novus informuje, że system współpracuje ze standardowymi klientami NFSv4.2 działającymi w jądrze oraz klientami pNFS Flex Files korzystającymi z nconnect, a także z NVIDIA GPUDirect Storage. Operatorzy nie muszą więc instalować niestandardowego oprogramowania klienckiego na tysiącach serwerów GPU. Dodatkowe klastry ONTAP zwiększają przepustowość bez konieczności ponownego montowania systemów plików ani fragmentacji, a każda karta GPU nadal widzi tę samą przestrzeń nazw.

Podstawa ONTAP obejmuje również kwestie zarządzania danymi poruszone w ogłoszeniu. NetApp twierdzi, że rozwiązanie ma umożliwić organizacjom korzystającym z jego platformy rozszerzenie istniejących zasobów danych na suwerenne środowiska chmurowe przy zachowaniu spójnych zabezpieczeń, ochrony i zasad zarządzania, w tym obowiązujących polityk dotyczących jurysdykcji i dostępu. Willem Hendrickx, starszy wiceprezes NetApp i dyrektor generalny na regiony EMEA i LATAM, wskazał administrację publiczną, ochronę zdrowia i biotechnologię jako branże regulowane, w których dostawcy muszą zadbać o zgodność z przepisami, bezpieczeństwo i obsługę wielu klientów.

Od premiery produktu do ogólnej dostępności

NetApp zaprezentował Novus 29 września 2026 r., a architektura była dostępna do zamówienia już tego dnia. Pierwsze wydanie łączy oprogramowanie Data Director działające na zatwierdzonej infrastrukturze Supermicro z usługami danych ONTAP w systemach AFF A90. NetApp opisał plan stopniowego przechodzenia na wdrożenia definiowane programowo, przy zachowaniu tej samej przestrzeni nazw, modelu operacyjnego i podstawy danych.

Wykorzystanie GPU i skalowanie pamięci masowej

Argument ekonomiczny NetApp sprowadza się do tego, że GPU oczekujące na dane z pamięci masowej nadal tracą na wartości, nie przynosząc zysku. Podczas wrześniowej prezentacji firma stwierdziła, że w tradycyjnych architekturach wykorzystanie GPU może spaść poniżej 30%, jeśli pamięć masowa nie dostarcza danych wystarczająco szybko. W ogłoszeniu przepustowość pamięci masowej przedstawiono więc jako bezpośrednie ograniczenie ekonomiki klastrów GPU.

Wyjaśnienie Arindama Banerjee, eksperta technicznego NetApp, ilustruje wymagania dotyczące przepustowości: jeden procesor GPU może potrzebować nawet 2 GB na sekundę, a 50 000 procesorów GPU może wymagać takiej przepustowości jednocześnie. Według niego tradycyjne macierze pamięci masowej osiągają przepustowość 40–80 GB na sekundę; osiągnięcie za ich pomocą zagregowanego celu Novus wymagałoby ponad 100 systemów, z których każdy wprowadzałby dodatkową przestrzeń nazw, domenę awarii i obciążenie związane z zarządzaniem. Porównanie łączy koncepcję jednej przestrzeni nazw w architekturze z obciążeniem operacyjnym wynikającym ze skalowania pamięci masowej.

Wdrożenie w Nebul pozwoli sprawdzić, czy niezależne skalowanie metadanych i danych może obsłużyć większą liczbę klientów i procesorów GPU bez fragmentowania danych między systemami pamięci masowej, przy zachowaniu spójnych mechanizmów kontroli jurysdykcji, dostępu i zarządzania. Wyzwaniem operacyjnym jest rozbudowa współdzielonej infrastruktury AI bez osłabiania izolacji i kontroli wymaganych przez klientów z branż regulowanych.