Huawei เปิดสถาปัตยกรรมดาต้าเซ็นเตอร์ AI แบบ Full‑Stack รวมทุกชั้นโครงสร้างพื้นฐานไว้ในแพลตฟอร์มเดียว

1. Storage Layer

ชั้นล่างสุดคือระบบจัดเก็บข้อมูล โดยใช้ OceanStor Pacific ซึ่งเป็นระบบ distributed scale‑out storage สำหรับจัดเก็บชุดข้อมูล AI ขนาดมหาศาลและเวกเตอร์ embedding ที่ใช้กับโมเดลสมัยใหม่

Huawei ระบุว่า OceanStor Pacific สามารถให้ความจุสูงสุด 11 เพตะไบต์ในโครงเครื่องขนาด 2U ซึ่งเน้นความหนาแน่นของข้อมูลสูงและช่วยลดต้นทุนรวมของดาต้าเซ็นเตอร์สำหรับงาน AI ขนาดใหญ่

2. Data Management Layer

เหนือระบบจัดเก็บข้อมูลคือ DME Omni‑Dataverse ซึ่งทำหน้าที่เป็นแพลตฟอร์มบริหารจัดการข้อมูลแบบรวมศูนย์

ความสามารถสำคัญประกอบด้วย

• การนำเข้าข้อมูลหลายรูปแบบ (multimodal)
• การจัดการข้อมูลข้ามศูนย์ข้อมูล
• การมองเห็นและควบคุมข้อมูลในระดับ global
• การค้นคืนข้อมูลเวกเตอร์ขนาดใหญ่ได้อย่างรวดเร็ว

Huawei ระบุว่าแพลตฟอร์มนี้สามารถค้นคืนข้อมูลจาก ชุดข้อมูลเวกเตอร์ระดับหลายแสนล้านรายการได้ภายในระดับวินาที เพื่อให้โมเดล AI เข้าถึงฐานความรู้ได้อย่างมีประสิทธิภาพ

3. Model Deployment และ Inference Layer

เลเยอร์ถัดมาคือโครงสร้างพื้นฐานสำหรับการ deploy และรันโมเดล AI โดยมีเทคโนโลยีสำคัญสองตัวคือ

• Context Memory Storage (CMS)
• ModelEngine

CMS เป็นสถาปัตยกรรมหน่วยความจำสำหรับคลัสเตอร์ inference ขนาดใหญ่ รองรับสภาพแวดล้อมการประมวลผลแบบ heterogeneous และสามารถรวมทรัพยากร KV‑cache เป็น pool ขนาดใหญ่เพื่อเร่งความเร็ว inference

Huawei ระบุว่าเทคโนโลยีนี้ช่วยลดเวลาในการสร้าง token แรกของโมเดล (first‑token latency) ได้อย่างมาก

ส่วน ModelEngine ทำหน้าที่เป็น runtime สำหรับการ deploy และบริหารจัดการโมเดล พร้อมความสามารถด้าน model gateway และการนำโมเดลใหม่มาใช้งานได้อย่างรวดเร็วโดยใช้การตั้งค่าขั้นต่ำ

4. AI Agent Orchestration Layer

Huawei ยังเปิดตัว Nexent ซึ่งเป็นแพลตฟอร์มสำหรับสร้างและควบคุม AI agents ระดับองค์กร ที่ทำงานร่วมกับ ModelEngine

แพลตฟอร์มนี้ถูกออกแบบมาเพื่อเชื่อมต่อโมเดล AI เข้ากับ workflow ทางธุรกิจ เช่น

• ระบบอัตโนมัติ
• ระบบช่วยตัดสินใจ
• การโต้ตอบกับลูกค้า

ในสถาปัตยกรรมของ Huawei เลเยอร์นี้จะเปลี่ยนโมเดล AI ให้กลายเป็น AI agents ที่สามารถทำงานจริงกับข้อมูล ระบบ และผู้ใช้ได้

5. Data Resilience Layer

ชั้นสุดท้ายคือระบบ ความปลอดภัยและความทนทานของข้อมูล เพื่อปกป้องดาต้าเซ็นเตอร์ AI จากความล้มเหลวของระบบหรือการโจมตีไซเบอร์

ความสามารถที่ถูกกล่าวถึง ได้แก่

• immutable snapshots และสำเนาสำรอง
• การป้องกันข้อมูลแบบ end‑to‑end
• เครื่องมือ disaster recovery

Huawei ระบุว่าเลเยอร์นี้ช่วยป้องกันภัยคุกคาม เช่น ransomware และความเสี่ยงด้านความสมบูรณ์ของข้อมูลใน pipeline ของ AI

ตัวเลขประสิทธิภาพที่ Huawei อ้าง

Huawei ระบุว่าโครงสร้างแพลตฟอร์มแบบรวมศูนย์นี้ช่วยเร่งการใช้งาน AI ในองค์กรได้อย่างมาก โดยตัวอย่างตัวเลขที่กล่าวถึงในรายงานข่าว ได้แก่

• การสร้าง token เร็วขึ้นสูงสุดประมาณ 10 เท่า ในบางสถานการณ์ของการ inference จากการจัดการหน่วยความจำแบบใหม่
• ลดเวลาการ deploy แอป AI จากหลายสัปดาห์เหลือเพียงไม่กี่วัน ด้วยเครื่องมือ orchestration ที่รวมอยู่ในแพลตฟอร์ม
• การเร่ง inference ผ่านเทคนิคอย่าง KV‑cache optimization และ unified cache management

อย่างไรก็ตาม ตัวเลขเหล่านี้มาจากการทดสอบหรือ workload เฉพาะของผู้ผลิต จึงอาจแตกต่างในสภาพแวดล้อมจริงของแต่ละองค์กร

ตัวอย่างการใช้งานในองค์กร

Huawei ระบุว่ามีองค์กรบางแห่งเริ่มนำโครงสร้างพื้นฐานของบริษัทไปใช้แล้ว

หนึ่งในตัวอย่างคือ Auchan เครือค้าปลีกจากฝรั่งเศส ซึ่งมีรายงานว่าได้ติดตั้งฮาร์ดแวร์และคลัสเตอร์ดาต้าเซ็นเตอร์ของ Huawei ใน สามศูนย์ข้อมูลในฝรั่งเศส เพื่อปรับปรุงโครงสร้างพื้นฐานด้านไอที

อย่างไรก็ตาม ข้อมูลสาธารณะยังไม่ยืนยันชัดเจนว่าการลดค่าใช้จ่ายด้านคลาวด์ของ Auchan มาจากแพลตฟอร์มของ Huawei โดยตรง เนื่องจากโครงการปรับปรุงระบบของบริษัทอาจเกี่ยวข้องกับหลายเทคโนโลยีและผู้ให้บริการหลายราย

ทำไมผู้ให้บริการเทคโนโลยีหันสู่ AI Infrastructure แบบ Full‑Stack

การเปิดตัวครั้งนี้สะท้อนแนวโน้มในอุตสาหกรรมที่ผู้ให้บริการเทคโนโลยีเริ่มสร้าง แพลตฟอร์ม AI แบบบูรณาการแนวตั้ง (vertical integration) มากขึ้น

แทนที่จะใช้เครื่องมือแยกกันหลายระบบ บริษัทเทคโนโลยีจำนวนมากกำลังรวม

• storage
• data platform
• model serving
• orchestration

เข้าไว้ในแพลตฟอร์มเดียว เพื่อรองรับ

• คลัสเตอร์ inference ขนาดใหญ่
• ระบบ AI agent ระดับองค์กร
• pipeline AI ที่เน้นข้อมูลเป็นศูนย์กลาง

แนวทางของ Huawei เน้นว่าประสิทธิภาพของ AI ไม่ได้ขึ้นอยู่กับโมเดลเพียงอย่างเดียว แต่ยังขึ้นกับ โครงสร้างพื้นฐานข้อมูลทั้งหมด ตั้งแต่การจัดเก็บ การค้นคืนข้อมูลเวกเตอร์ ไปจนถึงการจัดการหน่วยความจำและ orchestration ของ AI

หากสถาปัตยกรรมลักษณะนี้ถูกนำไปใช้อย่างแพร่หลาย ดาต้าเซ็นเตอร์ในอนาคตอาจกลายเป็นแพลตฟอร์มที่เชื่อมโยง ข้อมูล โมเดล AI และระบบอัตโนมัติขององค์กร เข้าด้วยกันในสแต็กเดียว