ファーウェイ、AIデータセンター向けフルスタック基盤を公開

1. ストレージ層

基盤となるのは分散型ストレージシステムOceanStor Pacific。AI学習データやベクトルデータベースなど、大量データの保存と高速処理を想定して設計されている。

ファーウェイによれば、このシステムは2Uサイズで最大11ペタバイト（PB）の容量を実現でき、高密度ストレージによって大規模AIデータセンターの総所有コスト（TCO）削減を狙うとしている。

2. データ管理層

ストレージの上に位置するのがDME Omni‑Dataverse。複数のデータソースを統合し、企業全体のデータを管理するプラットフォームだ。

主な機能として次が挙げられている。

• マルチモーダルデータの取り込み
• 複数拠点間のデータ管理
• グローバルなデータ可視化
• 巨大ベクトルデータの高速検索

報道によれば、この仕組みにより数千億規模のベクトルデータに対して秒単位の検索が可能だとされている。

3. モデル実行・推論基盤層

AIモデルの運用を担うのがContext Memory Storage（CMS）とModelEngineである。

CMSは大規模推論クラスタ向けのメモリアーキテクチャで、異種計算資源（CPU・GPUなど）を組み合わせた環境でも利用できる設計。KVキャッシュを共有メモリとしてプール化し、推論処理を高速化する。

ModelEngineはAIモデルの実行環境として機能し、モデルの管理やデプロイを簡素化する。新しいモデルの導入や更新を少ない設定で迅速に展開できる点が特徴とされる。

4. AIエージェント連携層

AIモデルを実際の業務プロセスにつなげる役割を担うのがNexentと呼ばれるAIエージェントプラットフォームだ。

NexentはModelEngineと連携し、複数のAIモデルやツールを組み合わせたエージェントを構築。企業の業務システムやデータと接続することで、以下のような用途を想定している。

• 業務自動化
• 意思決定支援
• 顧客対応

この層によって、AIモデルを単なる分析ツールではなく実際に業務を実行するエージェントとして活用できるという位置づけだ。

5. データレジリエンス層

最上位にはセキュリティと耐障害性を担うレイヤーが配置されている。

ここでは次のような機能が提供される。

• イミュータブル（改ざん不可）スナップショット
• バックアップと災害復旧
• エンドツーエンドのデータ保護

こうした仕組みにより、ランサムウェア攻撃などのサイバー脅威からAIデータや運用基盤を保護することを目的としている。

性能向上に関する主張

ファーウェイは、この統合アーキテクチャによってAI推論と運用効率の向上が期待できるとしている。

報道で紹介されている主な数値は次の通り。

• 推論時のトークン生成速度が最大10倍向上するケースがある（CMSのメモリ最適化による）
• AIアプリケーションの導入期間を数週間から数日に短縮できる可能性
• KVキャッシュ管理などの技術による推論処理の高速化

ただし、これらの数値はベンダーのテスト環境や特定ワークロードでの結果であり、すべての環境で同じ性能が得られるわけではない点には注意が必要だ。

企業での導入例

ファーウェイはすでに企業環境での採用事例も紹介している。

例えばフランスの小売大手Auchan（オーシャン）は、データセンター近代化の一環としてフランス国内3カ所のデータセンターにHuaweiのインフラクラスタを導入していると報じられている。

ただし、公開情報では、同社のクラウドコスト削減が直接このプラットフォームによるものかどうかは明確ではなく、IT基盤全体の近代化の一部として複数の技術が使われている可能性がある。

AIインフラが「フルスタック化」する理由

今回の発表は、AI業界で進む**インフラの垂直統合（フルスタック化）**という流れを反映している。

従来は、

• ストレージ
• データ管理
• モデル実行
• AIアプリケーション

が別々のシステムとして運用されることが多かった。しかしAIワークロードが巨大化するにつれ、データ管理・メモリ・推論処理を一体化した設計が性能や運用効率に大きく影響するようになっている。

ファーウェイの新プラットフォームは、この考え方に基づきデータ、モデル、AIエージェントを単一スタックで接続するAIデータセンター基盤として位置づけられている。