วิวัฒนาการจาก Delta Sharing

OpenSharing ไม่ได้ถูกสร้างขึ้นมาจากศูนย์ แต่เป็นการต่อยอดจากโปรโตคอล Delta Sharing ซึ่งเป็นที่รู้จักอย่างกว้างขวางและถูกพัฒนาโดย Databricks เช่นเดียวกัน โปรโตคอล Delta Sharing ช่วยให้องค์กรสามารถแชร์ข้อมูลสดจาก Delta Lake และแหล่งข้อมูลอื่นๆ ได้โดยไม่ต้องคัดลอกข้อมูล OpenSharing ได้ขยายขีดความสามารถจากรากฐานนี้ให้ครอบคลุมทรัพยากร AI ในวงกว้างยิ่งขึ้น จึงเป็นเส้นทางการอัปเกรดที่เป็นธรรมชาติสำหรับองค์กรจำนวนมากที่ลงทุนในระบบนิเวศของ Delta อยู่แล้ว

ความสามารถใหม่ที่เพิ่มเข้ามา

OpenSharing มาพร้อมความสามารถใหม่ที่สำคัญนอกเหนือจากสเปกของ Delta Sharing ดั้งเดิม:

• การรองรับ Apache Iceberg Client: โปรโตคอลนี้สามารถรองรับ Apache Iceberg IRC Clients ได้แล้ว ซึ่งเป็นการเพิ่มขีดความสามารถในการทำงานข้ามแพลตฟอร์ม (Cross-Platform Interoperability) ได้อย่างมีนัยสำคัญ ช่วยให้องค์กรที่ได้กำหนดมาตรฐานการใช้ Iceberg สามารถเข้าร่วมเวิร์กโฟลว์ AI ร่วมกันได้ง่ายขึ้น
• การเชื่อมต่อกับพื้นที่จัดเก็บข้อมูลภายในองค์กร (On-Premises Storage): ด้วยการเชื่อมต่อกับพาร์ทเนอร์อย่าง MinIO และ Qumulo ทำให้องค์กรสามารถเก็บข้อมูลไว้ในโครงสร้างพื้นฐานของตนเองได้ ในขณะที่ยังคงเป็นส่วนหนึ่งของระบบนิเวศการแชร์แบบเปิด โดย Linux Foundation และ Databricks ได้ระบุว่ากำลังจะมีพาร์ทเนอร์ด้าน On-Premises Storage เพิ่มเติมเข้าร่วมในเร็วๆ นี้
• กรอบการทำงานเพื่อการแลกเปลี่ยนที่เป็นหนึ่งเดียว: แทนที่จะมองว่าโมเดล AI, ข้อมูล และทักษะของ Agent เป็นปัญหาที่แยกจากกัน OpenSharing ได้มอบกรอบการทำงานเดียวสำหรับการแลกเปลี่ยนทรัพยากรทั้งสามประเภท ซึ่งช่วยลดความซับซ้อนในการบูรณาการระบบ

ผู้สนับสนุนเบื้องหลังโครงการ

โครงการนี้ได้รับการสนับสนุนจากกลุ่มพันธมิตรที่แข็งแกร่งทั้งจากโลกขององค์กรชั้นนำและผู้นำด้าน AI โดยมีรายชื่อผู้สนับสนุนหลัก อาทิ Amadeus, Atlassian, LSEG, SAP, Stripe, และ OpenAI การรวมตัวกันของบริษัทซอฟต์แวร์องค์กร ผู้ให้บริการโครงสร้างพื้นฐานทางการเงิน และห้องปฏิบัติการ AI ชั้นนำเช่นนี้ ชี้ให้เห็นว่า OpenSharing กำลังเข้ามาตอบโจทย์ความต้องการที่แท้จริงข้ามอุตสาหกรรม

OpenSharing พร้อมใช้งานแล้วหรือยัง

โปรเจกต์ OpenSharing อยู่บนแพลตฟอร์ม opensharing.io ภายใต้การดูแลของ Linux Foundation ซึ่งโครงสร้างการจัดการที่เป็นกลางนี้คือหัวใจสำคัญในการสร้างความเชื่อมั่นระหว่างคู่แข่ง และทำให้มั่นใจว่าโปรโตคอลจะถูกพัฒนาไปในทิศทางที่เป็นประโยชน์ต่อชุมชนในวงกว้าง ไม่ใช่เพื่อผู้ให้บริการรายใดรายหนึ่ง

ภาพใหญ่ของมาตรฐาน AI

การมาถึงของ OpenSharing เกิดขึ้นในช่วงเวลาที่อุตสาหกรรม AI กำลังเผชิญกับความกระจัดกระจายในหลายมิติ ตั้งแต่โปรโตคอลการสื่อสารระหว่าง Agent ไปจนถึงการอนุญาตสิทธิ์การใช้งานโมเดล Linux Foundation เองก็มีความเคลื่อนไหวในหลายด้านที่เกี่ยวข้อง รวมถึงงานก่อนหน้าอย่าง Agentic AI Foundation (AAIF) ซึ่งเป็นบ้านที่เป็นกลางสำหรับโปรเจกต์ต่างๆ อาทิ Model Context Protocol (MCP) ของ Anthropic และโปรโตคอล Agent2Agent (A2A) สำหรับการสื่อสารระหว่าง Agent OpenSharing เข้ามาเสริมความพยายามเหล่านี้ โดยมุ่งเน้นไปที่ชั้นข้อมูลและทรัพยากรที่เป็นรากฐานการขับเคลื่อนเวิร์กโหลด AI โดยเฉพาะ

ที่น่าสนใจคือ การที่โปรโตคอลนี้ให้ความสำคัญกับการรองรับ On-Premises Storage ยังเป็นการส่งสัญญาณถึงความเข้าใจว่า หลายอุตสาหกรรมที่อยู่ภายใต้กฎระเบียบเข้มงวด เช่น การเงินหรือการแพทย์ ยังคงต้องเก็บข้อมูลที่ละเอียดอ่อนไว้ภายในขอบเขตของตนเอง แม้ว่าจะต้องทำงานร่วมกันด้าน AI ก็ตาม การได้รับการสนับสนุนจาก MinIO, Qumulo และแนวโน้มที่จะมีพาร์ทเนอร์เพิ่มขึ้นอีก จึงเป็นการวางตำแหน่งให้โครงการนี้พร้อมสำหรับการนำไปใช้ในภาคส่วนเหล่านั้นทันที

วิวัฒนาการจาก Delta Sharing

OpenSharing ไม่ได้ถูกสร้างขึ้นมาจากศูนย์ แต่เป็นการต่อยอดจากโปรโตคอล Delta Sharing ซึ่งเป็นที่รู้จักอย่างกว้างขวางและถูกพัฒนาโดย Databricks เช่นเดียวกัน โปรโตคอล Delta Sharing ช่วยให้องค์กรสามารถแชร์ข้อมูลสดจาก Delta Lake และแหล่งข้อมูลอื่นๆ ได้โดยไม่ต้องคัดลอกข้อมูล OpenSharing ได้ขยายขีดความสามารถจากรากฐานนี้ให้ครอบคลุมทรัพยากร AI ในวงกว้างยิ่งขึ้น จึงเป็นเส้นทางการอัปเกรดที่เป็นธรรมชาติสำหรับองค์กรจำนวนมากที่ลงทุนในระบบนิเวศของ Delta อยู่แล้ว

ความสามารถใหม่ที่เพิ่มเข้ามา

OpenSharing มาพร้อมความสามารถใหม่ที่สำคัญนอกเหนือจากสเปกของ Delta Sharing ดั้งเดิม:

• การรองรับ Apache Iceberg Client: โปรโตคอลนี้สามารถรองรับ Apache Iceberg IRC Clients ได้แล้ว ซึ่งเป็นการเพิ่มขีดความสามารถในการทำงานข้ามแพลตฟอร์ม (Cross-Platform Interoperability) ได้อย่างมีนัยสำคัญ ช่วยให้องค์กรที่ได้กำหนดมาตรฐานการใช้ Iceberg สามารถเข้าร่วมเวิร์กโฟลว์ AI ร่วมกันได้ง่ายขึ้น
• การเชื่อมต่อกับพื้นที่จัดเก็บข้อมูลภายในองค์กร (On-Premises Storage): ด้วยการเชื่อมต่อกับพาร์ทเนอร์อย่าง MinIO และ Qumulo ทำให้องค์กรสามารถเก็บข้อมูลไว้ในโครงสร้างพื้นฐานของตนเองได้ ในขณะที่ยังคงเป็นส่วนหนึ่งของระบบนิเวศการแชร์แบบเปิด โดย Linux Foundation และ Databricks ได้ระบุว่ากำลังจะมีพาร์ทเนอร์ด้าน On-Premises Storage เพิ่มเติมเข้าร่วมในเร็วๆ นี้
• กรอบการทำงานเพื่อการแลกเปลี่ยนที่เป็นหนึ่งเดียว: แทนที่จะมองว่าโมเดล AI, ข้อมูล และทักษะของ Agent เป็นปัญหาที่แยกจากกัน OpenSharing ได้มอบกรอบการทำงานเดียวสำหรับการแลกเปลี่ยนทรัพยากรทั้งสามประเภท ซึ่งช่วยลดความซับซ้อนในการบูรณาการระบบ

ผู้สนับสนุนเบื้องหลังโครงการ

โครงการนี้ได้รับการสนับสนุนจากกลุ่มพันธมิตรที่แข็งแกร่งทั้งจากโลกขององค์กรชั้นนำและผู้นำด้าน AI โดยมีรายชื่อผู้สนับสนุนหลัก อาทิ Amadeus, Atlassian, LSEG, SAP, Stripe, และ OpenAI การรวมตัวกันของบริษัทซอฟต์แวร์องค์กร ผู้ให้บริการโครงสร้างพื้นฐานทางการเงิน และห้องปฏิบัติการ AI ชั้นนำเช่นนี้ ชี้ให้เห็นว่า OpenSharing กำลังเข้ามาตอบโจทย์ความต้องการที่แท้จริงข้ามอุตสาหกรรม

OpenSharing พร้อมใช้งานแล้วหรือยัง

โปรเจกต์ OpenSharing อยู่บนแพลตฟอร์ม opensharing.io ภายใต้การดูแลของ Linux Foundation ซึ่งโครงสร้างการจัดการที่เป็นกลางนี้คือหัวใจสำคัญในการสร้างความเชื่อมั่นระหว่างคู่แข่ง และทำให้มั่นใจว่าโปรโตคอลจะถูกพัฒนาไปในทิศทางที่เป็นประโยชน์ต่อชุมชนในวงกว้าง ไม่ใช่เพื่อผู้ให้บริการรายใดรายหนึ่ง

ภาพใหญ่ของมาตรฐาน AI

การมาถึงของ OpenSharing เกิดขึ้นในช่วงเวลาที่อุตสาหกรรม AI กำลังเผชิญกับความกระจัดกระจายในหลายมิติ ตั้งแต่โปรโตคอลการสื่อสารระหว่าง Agent ไปจนถึงการอนุญาตสิทธิ์การใช้งานโมเดล Linux Foundation เองก็มีความเคลื่อนไหวในหลายด้านที่เกี่ยวข้อง รวมถึงงานก่อนหน้าอย่าง Agentic AI Foundation (AAIF) ซึ่งเป็นบ้านที่เป็นกลางสำหรับโปรเจกต์ต่างๆ อาทิ Model Context Protocol (MCP) ของ Anthropic และโปรโตคอล Agent2Agent (A2A) สำหรับการสื่อสารระหว่าง Agent OpenSharing เข้ามาเสริมความพยายามเหล่านี้ โดยมุ่งเน้นไปที่ชั้นข้อมูลและทรัพยากรที่เป็นรากฐานการขับเคลื่อนเวิร์กโหลด AI โดยเฉพาะ

ที่น่าสนใจคือ การที่โปรโตคอลนี้ให้ความสำคัญกับการรองรับ On-Premises Storage ยังเป็นการส่งสัญญาณถึงความเข้าใจว่า หลายอุตสาหกรรมที่อยู่ภายใต้กฎระเบียบเข้มงวด เช่น การเงินหรือการแพทย์ ยังคงต้องเก็บข้อมูลที่ละเอียดอ่อนไว้ภายในขอบเขตของตนเอง แม้ว่าจะต้องทำงานร่วมกันด้าน AI ก็ตาม การได้รับการสนับสนุนจาก MinIO, Qumulo และแนวโน้มที่จะมีพาร์ทเนอร์เพิ่มขึ้นอีก จึงเป็นการวางตำแหน่งให้โครงการนี้พร้อมสำหรับการนำไปใช้ในภาคส่วนเหล่านั้นทันที