La base del sistema es OceanStor Pacific, una plataforma de almacenamiento distribuido escalable pensada para manejar grandes volúmenes de datos utilizados en entrenamiento e inferencia de modelos de IA.
Según Huawei, el sistema puede alcanzar hasta 11 petabytes de capacidad en un chasis de 2U, lo que busca maximizar la densidad de almacenamiento y reducir el coste total de propiedad en centros de datos de IA de gran tamaño.
Encima del almacenamiento se sitúa DME Omni‑Dataverse, una plataforma unificada para administrar datos a gran escala.
Entre sus funciones destacan:
La plataforma puede realizar búsquedas en segundos sobre cientos de miles de millones de vectores, lo que permite a los modelos acceder rápidamente a bases de conocimiento y embeddings utilizados por sistemas de IA.
La tercera capa está orientada a ejecutar modelos de IA de forma eficiente en entornos empresariales.
Entre las tecnologías incluidas están:
CMS permite trabajar con entornos de computación heterogéneos y agrupar grandes recursos de memoria KV‑cache, lo que puede acelerar procesos de inferencia. Huawei afirma que esta arquitectura puede reducir significativamente la latencia para generar el primer token en modelos generativos.
ModelEngine, por su parte, funciona como una plataforma de despliegue que permite implementar modelos rápidamente y gestionarlos desde un punto central.
Huawei también presentó Nexent, una plataforma de agentes de IA orientada al entorno empresarial. Trabaja junto con ModelEngine para coordinar agentes que ejecutan tareas dentro de procesos de negocio.
La idea es que los modelos de IA no solo respondan consultas, sino que puedan integrarse directamente en flujos operativos —automatización de procesos, soporte a decisiones o interacción con clientes— mediante sistemas de agentes que coordinan múltiples herramientas y modelos.
La última capa se centra en la seguridad y la continuidad operativa del sistema.
Huawei describe un marco de resiliencia que protege datos e infraestructura frente a fallos, ataques o corrupción de información.
Entre las capacidades mencionadas:
Estas funciones están diseñadas para mitigar amenazas como ataques de ransomware y otros riesgos que podrían afectar la integridad de los datos en sistemas de IA.
Durante el anuncio, Huawei también destacó varias mejoras potenciales en rendimiento y eficiencia operativa.
Entre las cifras citadas en reportes del lanzamiento:
Como ocurre con la mayoría de benchmarks de proveedores, estas cifras provienen de pruebas internas o cargas de trabajo específicas y no necesariamente reflejan todos los escenarios de producción.
Huawei también mencionó ejemplos tempranos de adopción de su infraestructura.
Uno de ellos es Auchan, el minorista francés, que ha desplegado hardware de Huawei y clústeres de infraestructura en tres centros de datos en Francia dentro de un proceso de modernización tecnológica.
Las fuentes confirman la implementación de infraestructura de Huawei en estos centros de datos, aunque no hay evidencia pública clara que vincule directamente esa implementación con reducciones específicas de costes de nube; el proyecto forma parte de una modernización más amplia del entorno de TI del minorista.
El anuncio refleja una tendencia más amplia en la industria tecnológica: la creación de plataformas de infraestructura de IA verticalmente integradas.
En lugar de utilizar herramientas separadas para almacenamiento, despliegue de modelos, gestión de datos y orquestación, cada vez más proveedores intentan ofrecer plataformas unificadas capaces de ejecutar todo el ciclo de vida de la IA.
En el caso de Huawei, el enfoque pone especial énfasis en la infraestructura de datos —almacenamiento, recuperación vectorial, caché de memoria y orquestación— como elementos clave para mejorar el rendimiento de los sistemas de inteligencia artificial.
Si este modelo se adopta ampliamente, este tipo de plataformas podría convertirse en la base operativa de los centros de datos diseñados para la era de la IA empresarial.
Comments
0 comments