Huawei lanserar fullstack-plattform för AI-datacenter – fem lager som ska förenkla företagens AI-resa

Arkitekturen i fem lager

Huawei beskriver plattformen som en stack i fem lager, där varje lager stödjer en specifik del av företagens AI-pipeline.

1. Lagring (Storage Layer)

Grunden är OceanStor Pacific, Huaweis distribuerade skalningslagring som är optimerad för att lagra massiva AI-dataset och vektorembeddings. Systemet är designat för hög densitet och storskalig databearbetning som är typisk för AI-träning och inferens.

Huawei uppger att OceanStor Pacific kan nå upp till 11 petabyte lagring i ett 2U-chassi, vilket ska ge hög densitet och lägre totalkostnad för stora AI-datacenter.

2. Datahantering (Data Management Layer)

Ovanpå lagringen finns DME Omni-Dataverse, en enhetlig datahanteringsplattform. Den aggregerar och hanterar data över olika miljöer och möjliggör:

• Multimodal datainmatning
• Datakontroll över flera platser
• Global synlighet och kontroll över data
• Snabb åtkomst från extremt stora vektordataset

Enligt Huawei och relaterad rapportering kan plattformen utföra sökning på sekundnivå över hundratals miljarder vektorer, vilket gör att AI-modeller snabbt kan nå kunskapsbaser och inbäddningar i stor skala.

3. Modellhantering och inferens (Model Deployment and Inference Layer)

Nästa lager fokuserar på att effektivt driftsätta och köra AI-modeller.

Nyckelkomponenter inkluderar:

• Context Memory Storage (CMS) – en minnesarkitektur för stora inferenskluster
• ModelEngine – Huaweis runtime-miljö för att driftsätta och hantera AI-modeller

CMS stöder heterogena datormiljöer och kan pool:a stora KV-cache-minnesresurser, vilket snabbar upp inferensarbeten. Huawei hävdar att arkitekturen avsevärt kan minska latensen för att generera den första token under inferens.

ModelEngine erbjuder modellgateway-kapacitet och verktyg för snabb driftsättning av nya modeller med minimal konfiguration.

4. AI-agentorkestrering (AI Agent Orchestration Layer)

Huawei introducerade också Nexent, en plattform för företags-AI-agenter som arbetar med ModelEngine för att orkestrera AI-agenter i affärsprocesser.

Målet är att låta organisationer direkt koppla AI-modeller till operativa uppgifter – som automatisering, beslutsstöd eller kundinteraktion – via agentsystem som samordnar flera modeller och verktyg.

I Huaweis arkitektur omvandlar detta lager driftsatta modeller till praktiska företags-AI-agenter som kan interagera med data, applikationer och användare.

5. Datasäkerhet och återställning (Data Resilience Layer)

Det sista lagret fokuserar på säkerhet, tillförlitlighet och dataskydd. Huawei beskriver det som ett heltäckande ramverk för återställning som skyddar AI-data och infrastruktur mot fel och cyberattacker.

Funktioner som lyfts fram i rapporteringen inkluderar:

• Oföränderliga ögonblicksbilder och säkerhetskopior
• Änd-till-ände-dataskydd
• Verktyg för katastrofåterställning och återställning

Dessa funktioner är avsedda att skydda mot hot som ransomware-attacker och andra integritetsrisker som kan störa AI-verksamheten.

Prestanda- och effektivitetsanspråk

Huawei presenterade plattformen som ett sätt att påskynda företagens AI-implementering och förbättra inferensprestanda.

Exempel som nämns i rapporteringen:

• Upp till 10× snabbare tokengenerering i vissa inferensscenarier tack vare CMS och minneshanteringsoptimeringar.
• AI-applikationsimplementering minskad från veckor till dagar tack vare integrerad orkestrering och plattformsverktyg.
• Inferensacceleration genom tekniker som KV-cache-minnesoptimering och enhetlig cachehantering.

Precis som med de flesta leverantörsbenchmarks återspeglar dessa siffror Huaweis interna tester eller specifika arbetsbelastningar, inte universella prestandaresultat.

Tidiga företagsimplementeringar

Huawei lyfte också fram tidiga användare av sin infrastruktur i företagsmiljöer.

Exempelvis har den franska dagligvarukedjan Auchan driftsatt Huawei-hårdvara och DCS-datacenterkluster i tre datacenter i Frankrike som en del av ett moderniseringsarbete.

Även om rapporter bekräftar användningen av Huawei-infrastruktur, visar offentliga källor inte tydligt att Auchans molnkostnadsminskningar direkt kan tillskrivas Huaweis plattform. Bevisen visar en bredare modernisering av kedjans IT-miljö, som kan involvera flera tekniker och molnleverantörer.

Varför Huawei bygger en fullstack-AI-infrastruktur

Tillkännagivandet speglar en bredare branschtrend mot vertikalt integrerad AI-infrastruktur. Istället för separata verktyg för lagring, modellhantering och orkestrering, paketerar leverantörer alltmer dem i enhetliga plattformar designade för:

• Storskaliga AI-inferenskluster
• Företags-AI-agenter
• Datacentrerade AI-pipelines

Huaweis strategi lägger stor vikt vid datainfrastruktur – att behandla datalagring, vektorhämtning, minnescache och orkestrering som kärnelement för AI-prestanda, snarare än sekundära komponenter.

Om företag i stor utsträckning anammar denna arkitektur, skulle plattformen kunna fungera som den operativa ryggraden för AI-drivna datacenter, och koppla samman rå data, AI-modeller och agentsystem inom en enda stack.