Broadcom ابر خصوصی هوش مصنوعی VMware را معرفی کرد
Broadcom در رویداد VMware Explore 2026 از VMware Private AI Cloud رونمایی کرده است؛ معماریای که میخواهد اجرای مدلهای هوش مصنوعی را در کنار دادههای سازمانی و در محیط تحت کنترل خود شرکت ممکن کند. ایدهٔ اصلی ساده اما مهم است: مدل و پردازش بهجای آنکه همیشه داده را به یک سرویس عمومی بیرونی بفرستند، تا حد امکان به محل نگهداری داده نزدیک شوند. این محصول برای سازمانهایی طراحی شده که بهدلیل محرمانگی، تأخیر یا هزینه نمیتوانند همهٔ بارهای استنتاج و عاملهای نرمافزاری را به ابر عمومی منتقل کنند.
Private AI Cloud چه مشکلی را حل میکند؟
بسیاری از شرکتها در زمان آزمایش یک مدل، از سرویس ابری آماده استفاده میکنند. راهاندازی سریع است و تیم نیاز ندارد سرور، درایور و چارچوب اجرای مدل را خودش مدیریت کند. اما هنگامی که کاربرد به دادهٔ مشتری، پروندهٔ مالی، طراحی محصول یا سیستم عملیاتی وصل میشود، نگرانیها افزایش مییابد. داده باید از مرز سازمان عبور کند، زمان رفتوبرگشت شبکه به تجربهٔ کاربر اضافه میشود و صورتحساب بر اساس میزان استفاده تغییر میکند. ابر خصوصی هوش مصنوعی قرار است گزینهای میانی ایجاد کند که کنترل محلی را با مدیریت متمرکز ترکیب میکند.
Broadcom این قابلیت را روی VMware Cloud Foundation قرار میدهد؛ مجموعهای که ماشین مجازی، کانتینر، شبکه و ذخیرهسازی را در یک بستر واحد کنار هم قرار میدهد. مشتری میتواند مدلهای مختلف و شتابدهندههای متفاوت را بر اساس نیاز انتخاب کند. این انعطاف برای سازمانهایی مهم است که بخشی از زیرساختشان با GPU انویدیا، بخشی با پردازندههای عمومی و بخشی با سختافزار اختصاصی کار میکند. اگر لایهٔ نرمافزار بتواند تفاوت این اجزا را پنهان کند، انتقال برنامهها میان سرورهای داخلی و محیطهای ترکیبی سادهتر خواهد شد.
اجرای مدل در کنار داده
در معماری سنتی، دادهٔ خام برای پردازش به یک سرویس بیرونی ارسال میشود و نتیجه به برنامه بازمیگردد. این رفتوبرگشت برای پرسشهای ساده قابل قبول است، اما برای پردازش ویدئو، تحلیل حسگر یا دستیار داخلی سازمان میتواند پرهزینه باشد. استقرار مدل نزدیک به منبع داده، حجم ترافیک را کم میکند و امکان پاسخگویی سریعتر را به وجود میآورد. سازمان همچنین میتواند قواعد نگهداری داده، ثبت رویداد و دسترسی کارکنان را بر اساس سیاست داخلی خود اجرا کند.
بااینحال، محلیبودن بهمعنی امنبودن خودکار نیست. سرور داخلی هم باید وصله شود، کلیدها را مدیریت کند و در برابر دسترسی غیرمجاز محافظت شود. مدل و دادهٔ آموزشی ممکن است اطلاعات حساسی در خود داشته باشند و لاگهای استنتاج هم نباید بدون کنترل ذخیره شوند. Private AI Cloud در صورتی ارزش دارد که ابزارهای هویت، جداسازی شبکه، رمزگذاری و ممیزی را در جریان کار روزانه وارد کند؛ نه اینکه فقط یک برچسب بازاری برای همان ماشینهای مجازی قبلی باشد.
عاملها در محیط سازمانی
تمرکز تازهٔ بازار فقط روی اجرای مدل پاسخگو نیست. عاملهای نرمافزاری میتوانند گزارش تهیه کنند، اطلاعات چند سامانه را کنار هم بگذارند و یک اقدام را تا مرحلهٔ اجرا پیش ببرند. چنین عاملهایی به ابزار و مجوز دسترسی نیاز دارند و به همین دلیل کنترل آنها دشوارتر از یک مدل تولید متن است. Broadcom میگوید بستر جدید برای inference، برنامههای agentic و بارهای معمول سازمانی در کنار هم آماده شده است. این ترکیب اجازه میدهد شرکت یک چارچوب عملیاتی واحد برای مدل و نرمافزار متعارف داشته باشد.
برای جلوگیری از اقدام ناخواسته، مدیر باید بتواند عامل را در محیط محدود اجرا کند، مجوزش را مرحلهبهمرحله افزایش دهد و هر درخواست را به کاربر یا سامانهٔ مسئول نسبت دهد. در یک سیستم خوب، عامل بهجای دسترسی مستقیم به پایگاه داده، از APIهای تعریفشده استفاده میکند و برای عملیات حساس تأیید میگیرد. ثبت دلیل اقدام و نمایش خروجی ابزار نیز به تیم امنیت کمک میکند رفتار غیرعادی را زودتر تشخیص دهد.
بحث هزینه و استفاده از منابع
مراکز دادهٔ سازمانی معمولاً نمیتوانند همهٔ بارهای هوش مصنوعی را با بزرگترین GPUها اجرا کنند. هزینهٔ خرید، برق و خنکسازی در صورت استفادهٔ کم، توجیه اقتصادی ندارد. یک بستر خصوصی باید بتواند مدل را بر اساس اندازهٔ کار به سختافزار مناسب بفرستد، منابع را میان تیمها سهمیهبندی کند و در زمان خلوت، ظرفیت بلااستفاده را پس بگیرد. زمانبندی هوشمند درخواستها و فشردهسازی مدل میتواند هزینهٔ هر پاسخ را کاهش دهد، اما ممکن است به افت کیفیت یا افزایش زمان واکنش منجر شود.
مزیت مدیریت یکپارچه این است که تیم فناوری اطلاعات میتواند ظرفیت پردازش، ذخیرهسازی و شبکه را در یک داشبورد ببیند. اگر یک مدل به حافظهٔ بیشتری نیاز داشته باشد، مدیر باید بتواند اثر آن را بر سایر برنامهها اندازهگیری کند. مشاهدهٔ مصرف بر اساس تیم و برنامه نیز برای تصمیمگیری مالی مهم است؛ بدون آن، هوش مصنوعی به سرویسی تبدیل میشود که همه از آن استفاده میکنند اما هیچکس هزینهٔ واقعیاش را نمیداند.
جایگاه در بازار ابر
VMware Private AI Cloud با ابر عمومی رقابت کامل ندارد، بلکه برای سازمانهایی ساخته شده که ترکیبی از محیطها را میخواهند. برخی مدلها ممکن است بهدلیل ظرفیت یا قیمت در ابر عمومی اجرا شوند و دادهٔ حساس روی زیرساخت داخلی بماند. این الگو به ابزار جابهجایی، سیاست یکسان و مدیریت هویت مشترک نیاز دارد. اگر برنامه در هر محیط تنظیمات جدا بخواهد، پیچیدگی عملیات بالا میرود. نقطهٔ قوت VMware سابقهٔ آن در مدیریت محیطهای ترکیبی است؛ نقطهٔ ضعف احتمالی، هزینهٔ مجوز و نیاز به تخصص ویژه خواهد بود.
سازمانها همچنین باید به قفلشدن به یک فروشنده توجه کنند. انتخاب سختافزار و مدل متنوع روی کاغذ مفید است، اما فرمت اختصاصی، قرارداد خدمات یا وابستگی به ابزارهای مدیریتی میتواند مهاجرت را دشوار کند. معماری باز، پشتیبانی از قالبهای رایج و امکان انتقال مدلها در تصمیم خرید اهمیت دارند. مشتری باید بداند در صورت تغییر شتابدهنده یا پایان قرارداد، داده و مدلهایش چگونه به محیط دیگر منتقل میشوند.
نتیجه برای مدیران فناوری
Private AI Cloud نشان میدهد مرحلهٔ بعدی پیادهسازی هوش مصنوعی، صرفاً انتخاب مدل نیست؛ مسئلهٔ اصلی محل اجرا، مسیر داده، کنترل مجوز و سنجش هزینه است. Broadcom تلاش میکند این تصمیمها را داخل یک بستر شناختهشدهٔ مجازیسازی جمع کند. موفقیت محصول به کیفیت ادغام با شتابدهندهها، سادگی ابزارها و توانایی شرکت در ارائهٔ امنیت واقعی بستگی دارد. سازمانهایی که دادهٔ حساس و بارهای متغیر دارند، احتمالاً چنین رویکردی را در کنار ابر عمومی بررسی خواهند کرد.
درنهایت، یک ابر خصوصی هوش مصنوعی زمانی ارزشمند است که از یک پروژهٔ آزمایشی فراتر برود و در عملیات روزمره قابل اتکا باشد. اندازهگیری زمان پاسخ، مصرف انرژی، نرخ خطا و هزینهٔ هر درخواست باید از روز نخست انجام شود. این سنجهها به شرکت کمک میکند بفهمد اجرای محلی واقعاً بهتر است یا فقط کنترل بیشتری به همراه آورده است. Private AI Cloud یک مسیر تازه برای این انتخاب ارائه میکند، اما نتیجه را معماری دقیق هر سازمان تعیین خواهد کرد.
تاریخ انتشار: ۲۵ شهریور ۱۴۰۵
منبع: Broadcom
