Nebul เลือก NetApp Novus เพื่อขยายคลาวด์ AI อธิปไตย

NetApp ประกาศเมื่อวันที่ 10 พฤศจิกายน 2026 ว่า Nebul ผู้ให้บริการคลาวด์จากยุโรปที่พัฒนาขึ้นโดยมี AI เป็นแกนหลัก เป็นผู้ให้บริการนีโอคลาวด์รายแรกที่นำสถาปัตยกรรมพื้นที่จัดเก็บข้อมูล Novus มาใช้กับโครงสร้างพื้นฐาน AI อธิปไตย Nebul จะใช้ Novus ใน Intelligent Cloud อธิปไตยของตน สถาปัตยกรรมนี้พร้อมใช้งานทั่วไปแล้ว และออกแบบมาให้รองรับอัตรารับส่งข้อมูลรวมสูงสุด 100 TB ต่อวินาที

Nebul อธิบายว่า Intelligent Cloud ของตนเป็นแพลตฟอร์มอธิปไตยที่ผสานโครงสร้างพื้นฐานประสิทธิภาพสูง บริการข้อมูลระดับองค์กร และความสามารถด้าน AI สำหรับใช้งานจริงเข้าไว้ด้วยกัน พร้อมคงความเป็นเจ้าของและการควบคุมไว้กับลูกค้า นอกเหนือจากการนำ Novus มาใช้แล้ว ทั้งสองบริษัทยังกำลังสำรวจโอกาสในการเร่งการใช้งาน AI อธิปไตย โดยผสานบริการของ Nebul เข้ากับแพลตฟอร์ม NetApp

สำหรับสภาพแวดล้อมแบบหลายผู้เช่าของ Nebul NetApp ระบุว่า Novus สามารถปรับขนาดประสิทธิภาพ ความจุ และการทำงานพร้อมกันได้อย่างเป็นอิสระภายใต้เนมสเปซเดียว เมื่อความต้องการเพิ่มขึ้น Arnold Juffer ผู้ก่อตั้งและซีอีโอของ Nebul กล่าวว่า “ด้วยสถาปัตยกรรมนี้ เราสามารถขยาย AI Factory เพื่อรองรับความต้องการที่เพิ่มขึ้นของลูกค้า โดยไม่ลดทอนประสิทธิภาพ ความปลอดภัย หรือการปฏิบัติตามข้อกำหนดที่ลูกค้าพึ่งพา”

Novus แยกข้อมูลเมตาออกจากข้อมูลอย่างไร

Novus แยกข้อมูลเมตา ซึ่งเป็นข้อมูลที่ระบุตำแหน่งของไฟล์ ออกจากการเคลื่อนย้ายตัวข้อมูลเอง คำอธิบายทางเทคนิคของ NetApp ระบุว่าไคลเอ็นต์จะร้องขอผังการจัดวางจาก Novus Data Director จากนั้นจึงสื่อสารโดยตรงกับพื้นที่จัดเก็บข้อมูลที่ทำงานบน ONTAP Data Director เป็นชั้นควบคุมแบบกำหนดด้วยซอฟต์แวร์ที่ปรับขนาดได้อย่างเป็นอิสระและทำงานบนระบบประมวลผล x86 มาตรฐาน จึงทำให้สามารถปรับขนาดระนาบข้อมูลเมตาและระนาบข้อมูลแยกจากกันได้ วิธีนี้ช่วยแก้ปัญหาความขัดแย้งที่เกิดขึ้นเมื่อการทำงานกับข้อมูลเมตาของไฟล์ขนาดเล็กและการเขียนจุดตรวจสอบขนาดใหญ่ใช้ตัวควบคุมชุดเดียวกัน

เอกสารผลิตภัณฑ์ Novus ระบุว่าระบบทำงานร่วมกับไคลเอ็นต์ NFSv4.2 มาตรฐานที่ทำงานในเคอร์เนล และไคลเอ็นต์ pNFS Flex Files ที่ใช้ nconnect รวมถึง NVIDIA GPUDirect Storage ได้ ดังนั้น ผู้ดูแลระบบจึงไม่จำเป็นต้องติดตั้งซอฟต์แวร์ไคลเอ็นต์ที่พัฒนาขึ้นเฉพาะบนเซิร์ฟเวอร์ GPU หลายพันเครื่อง การเพิ่มคลัสเตอร์ ONTAP ช่วยเพิ่มอัตรารับส่งข้อมูลได้โดยไม่ต้องเมานต์ใหม่หรือทำให้ระบบแยกส่วน ขณะที่ GPU ทุกตัวจะยังคงมองเห็นเนมสเปซเดียวกัน

พื้นฐานของ ONTAP ยังครอบคลุมประเด็นด้านการกำกับดูแลข้อมูลในประกาศนี้ด้วย NetApp ระบุว่าแพลตฟอร์มดังกล่าวได้รับการออกแบบมาเพื่อให้องค์กรที่ใช้แพลตฟอร์มสามารถขยายระบบข้อมูลเดิมไปยังสภาพแวดล้อมคลาวด์อธิปไตย โดยยังคงรักษาความปลอดภัย การปกป้อง และการกำกับดูแลให้สอดคล้องกัน รวมถึงนโยบายด้านเขตอำนาจศาลและการเข้าถึงที่ใช้อยู่ในปัจจุบัน Willem Hendrickx รองประธานอาวุโสและผู้จัดการทั่วไปประจำ EMEA และ LATAM ของ NetApp ระบุว่าภาครัฐ สาธารณสุข และเทคโนโลยีชีวภาพเป็นอุตสาหกรรมที่อยู่ภายใต้การกำกับดูแล ซึ่งผู้ให้บริการต้องจัดการทั้งการปฏิบัติตามข้อกำหนด ความปลอดภัย และการรองรับผู้ใช้หลายราย

จากการเปิดตัวผลิตภัณฑ์สู่การวางจำหน่ายทั่วไป

NetApp เปิดตัว Novus เมื่อวันที่ 29 กันยายน 2026 และเปิดให้สั่งซื้อสถาปัตยกรรมนี้ได้ในวันเดียวกัน รุ่นแรกประกอบด้วยซอฟต์แวร์ Data Director บนโครงสร้างพื้นฐาน Supermicro ที่ผ่านการรับรอง พร้อมบริการข้อมูล ONTAP บนระบบ AFF A90 NetApp ระบุว่าในอนาคตจะพัฒนาไปสู่การติดตั้งใช้งานแบบกำหนดด้วยซอฟต์แวร์ โดยยังคงใช้เนมสเปซ รูปแบบการดำเนินงาน และพื้นฐานข้อมูลแบบเดิม

การใช้ประโยชน์จาก GPU และการขยายระบบจัดเก็บข้อมูล

เหตุผลทางเศรษฐกิจที่ NetApp ยกขึ้นมาคือ GPU ที่ต้องรอข้อมูลจากระบบจัดเก็บข้อมูลยังคงเสื่อมมูลค่าโดยไม่สร้างผลตอบแทน ในช่วงเปิดตัวเดือนกันยายน บริษัทระบุว่าอัตราการใช้ประโยชน์อาจลดลงต่ำกว่า 30% เมื่อใช้สถาปัตยกรรมแบบเดิม หากระบบจัดเก็บข้อมูลป้อนข้อมูลได้ไม่เร็วพอ ด้วยเหตุนี้ การเปิดตัวจึงชี้ให้เห็นว่าอัตรารับส่งข้อมูลของระบบจัดเก็บข้อมูลเป็นข้อจำกัดโดยตรงต่อความคุ้มค่าทางเศรษฐกิจของคลัสเตอร์ GPU

คำอธิบายของ Arindam Banerjee ผู้เชี่ยวชาญด้านเทคนิคของ NetApp แสดงให้เห็นถึงความต้องการแบนด์วิดท์ โดย GPU หนึ่งตัวอาจต้องการข้อมูลสูงสุด 2 GB ต่อวินาที และ GPU 50,000 ตัวต้องการอัตราดังกล่าวพร้อมกัน คำอธิบายระบุว่าอาร์เรย์จัดเก็บข้อมูลแบบเดิมรองรับอัตรารับส่งข้อมูลได้ 40–80 GB ต่อวินาที หากใช้อาร์เรย์ดังกล่าวเพื่อให้ได้อัตรารับส่งข้อมูลรวมตามเป้าหมายของ Novus จะต้องใช้ระบบมากกว่า 100 ชุด โดยแต่ละชุดจะเพิ่มเนมสเปซ ขอบเขตความล้มเหลว และภาระในการจัดการ การเปรียบเทียบนี้เชื่อมโยงการใช้เนมสเปซเดียวของสถาปัตยกรรมเข้ากับภาระในการดำเนินงานที่เกิดจากการขยายระบบจัดเก็บข้อมูล

สำหรับ Nebul การนำ Novus มาใช้จะเป็นการทดสอบว่าการปรับขนาดข้อมูลเมตาและข้อมูลแยกจากกันสามารถรองรับผู้เช่าและ GPU ที่เพิ่มขึ้นได้หรือไม่ โดยไม่ทำให้ข้อมูลกระจัดกระจายอยู่ในระบบจัดเก็บข้อมูลหลายชุด ขณะเดียวกันก็ยังคงการควบคุมด้านเขตอำนาจศาล การเข้าถึง และการกำกับดูแลให้สอดคล้องกัน ความท้าทายในการดำเนินงานคือการขยายโครงสร้างพื้นฐาน AI ที่ใช้ร่วมกัน โดยไม่ลดทอนการแยกส่วนและการควบคุมที่ลูกค้าในอุตสาหกรรมภายใต้การกำกับดูแลต้องการ