Nebul väljer NetApp Novus för att skala upp sitt suveräna AI-moln

NetApp meddelade den 10 november 2026 att Nebul, en europeisk molnleverantör med AI som grund, är det första neomolnet som använder företagets Novus-lagringsarkitektur för suverän AI-infrastruktur. Nebul ska använda Novus i sitt suveräna Intelligent Cloud. Arkitekturen är allmänt tillgänglig och utformad för en sammanlagd genomströmning på upp till 100 TB per sekund.

Nebul beskriver sitt Intelligent Cloud som en suverän plattform som förenar accelererad infrastruktur, datatjänster för företag och AI-funktioner för produktionsmiljöer, samtidigt som kunderna behåller ägandet och kontrollen. Utöver införandet undersöker företagen möjligheterna att påskynda användningen av suverän AI genom att sammanföra Nebuls tjänster med NetApp Platform.

För Nebuls miljö med flera klienter uppger NetApp att Novus kan skala prestanda, kapacitet och samtidighet oberoende av varandra under ett och samma namnrymd när efterfrågan växer. Nebuls grundare och vd Arnold Juffer sade: ”Med den här arkitekturen kan vi skala upp vår AI Factory för att möta kundernas växande efterfrågan utan att göra avkall på den prestanda, säkerhet eller regelefterlevnad som de är beroende av.”

Så skiljer Novus metadata från data

Novus skiljer metadata – informationen som anger var filer finns – från själva dataförflyttningen. NetApps tekniska beskrivning förklarar hur en klient begär en layout från Novus Data Director och sedan kommunicerar direkt med lagring baserad på ONTAP. Data Director är ett programvarudefinierat kontrollager som kan skalas oberoende och körs på standardiserad x86-beräkningskapacitet. Det gör att metadata- och dataplanen kan skalas separat. Detta löser den konflikt som uppstår när metadataoperationer för små filer och skrivningar av stora kontrollpunkter delar styrenheter.

Produktdokumentationen för Novus uppger att systemet fungerar med standardklienter för NFSv4.2 i kärnan och pNFS Flex Files som använder nconnect, samt med NVIDIA GPUDirect Storage. Operatörer behöver därför inte anpassad klientprogramvara på tusentals GPU-servrar. Ytterligare ONTAP-kluster ökar genomströmningen utan ommontering eller fragmentering, samtidigt som varje GPU fortsätter att se samma namnrymd.

ONTAP-grunden omfattar också den del av tillkännagivandet som rör dataförvaltning. NetApp uppger att utformningen ska göra det möjligt för organisationer som använder plattformen att utöka sina befintliga datamiljöer till suveräna molnmiljöer och samtidigt behålla enhetlig säkerhet, dataskydd och styrning, däribland gällande policyer för jurisdiktion och åtkomst. Willem Hendrickx, NetApps senior vice president och general manager för EMEA och LATAM, pekade ut offentlig sektor, hälso- och sjukvård samt bioteknik som reglerade branscher där leverantörer måste hantera regelefterlevnad, säkerhet och användning för flera klienter.

Från produktlansering till allmän tillgänglighet

NetApp introducerade Novus den 29 september 2026, och arkitekturen kunde beställas redan samma dag. Den första versionen kombinerar Data Director-programvara på kvalificerad Supermicro-infrastruktur med ONTAP-datatjänster på AFF A90-system. NetApp beskrev en plan för att med tiden övergå till programvarudefinierade driftsättningar, samtidigt som samma namnrymd, driftsmodell och datagrund behålls.

GPU-utnyttjande och lagringsskalning

NetApps ekonomiska argument är att GPU:er som väntar på lagring fortsätter att tappa i värde utan att generera avkastning. När företaget presenterade lösningen i september uppgav det att utnyttjandegraden kan sjunka under 30 procent med traditionella arkitekturer om lagringen inte kan leverera data tillräckligt snabbt. Lanseringen framställde därför lagringens genomströmning som en direkt begränsning för ekonomin i GPU-kluster.

NetApps tekniska expert Arindam Banerjee illustrerar bandbreddsbehovet med ett exempel där en GPU kräver upp till 2 GB per sekund och 50 000 GPU:er behöver samma hastighet samtidigt. Enligt honom ligger traditionella lagringssystem på 40–80 GB per sekund. För att nå Novus sammanlagda mål med sådana system skulle det krävas fler än 100 system, som vart och ett tillför en egen namnrymd, felzon och administrativ belastning. Jämförelsen kopplar arkitekturens enda namnrymd till den operativa belastning som uppstår när lagringen skalas upp.

För Nebul blir införandet ett test av om metadata och data kan skalas oberoende av varandra så att fler klienter och GPU:er kan hanteras utan att data fragmenteras mellan lagringssystem, samtidigt som kontrollerna för jurisdiktion, åtkomst och styrning förblir enhetliga. Den operativa utmaningen är att bygga ut delad AI-infrastruktur utan att försvaga den isolering och kontroll som reglerade kunder behöver.