แนวคิดหลักฟังดูตรงไปตรงมา คือ เก็บข้อมูลสำคัญไว้ที่เดิม แล้วนำระบบวิเคราะห์ แอปพลิเคชัน AI และเอเจนต์อัตโนมัติที่อยู่ภายใต้การกำกับดูแลเข้าไปทำงานกับข้อมูลนั้น แนวทางนี้อาจเหมาะกับองค์กรที่มีข้อกำหนดด้านถิ่นที่อยู่ของข้อมูล โครงสร้างพื้นฐานเดิม หรือเวิร์กโหลดที่ต้องตอบสนองอย่างรวดเร็ว อย่างไรก็ตาม หลักฐานที่มีในขณะนี้ส่วนใหญ่ยังเป็นการนำเสนอผลิตภัณฑ์และรายงานการใช้งานช่วง early access ไม่ใช่ผลลัพธ์จากการใช้งานจริงในวงกว้าง

Anywhere Cloud พยายามแก้ปัญหาอะไร

โครงการ AI ระดับองค์กรจำนวนมากต้องทำงานบนหลายคลาวด์ โครงสร้างพื้นฐานแบบ private cloud ระบบภายในองค์กร และไซต์กระจายตัว การย้ายข้อมูลไปมาระหว่างสถานที่เหล่านี้อาจเพิ่มความหน่วง ทำให้เกิดสำเนาข้อมูลซ้ำ เพิ่มภาระด้านการเชื่อมต่อระบบ และสร้างความกังวลด้านการกำกับดูแล Cloudera จึงนำเสนอ Anywhere Cloud ในฐานะวิธีจัดการสภาพแวดล้อมเหล่านี้ด้วยประสบการณ์การใช้งานแบบคลาวด์ที่สอดคล้องกันและ control plane เดียว

Cloudera อ้างผลสำรวจของบริษัทว่า ผู้นำฝ่ายไอที 73% ระบุว่าข้อจำกัดด้านประสิทธิภาพของโครงสร้างพื้นฐานเป็นอุปสรรคต่อโครงการ AI ผลดังกล่าวเป็นตัวเลขจากการสำรวจที่ผู้จำหน่ายรายงาน ไม่ใช่สถิติระดับอุตสาหกรรมที่ผ่านการตรวจสอบโดยอิสระ

คำตอบของแพลตฟอร์มคือสถาปัตยกรรมแบบ composable หรือระบบที่เลือกประกอบส่วนต่าง ๆ ได้ แทนที่จะต้องใช้สแต็กแบบตายตัว Cloudera ระบุว่าลูกค้าสามารถเลือกบริการจากแค็ตตาล็อกแบบโมดูลาร์ ซึ่งประกอบด้วยบริการข้อมูลของ Cloudera บริการจากพาร์ตเนอร์ที่ Cloudera ตรวจสอบแล้ว และเอนจินโอเพนซอร์ส โดยมีองค์ประกอบสำหรับ data flow, event streaming, lakehouse analytics, การพัฒนา AI และการจัดการเวิร์กโฟลว์

ทำอย่างไรให้ข้อมูลยังอยู่ที่เดิม

Anywhere Cloud ตั้งใจให้แอปพลิเคชันข้อมูลและ AI ถูกติดตั้งในสภาพแวดล้อมที่ใกล้กับแหล่งข้อมูลที่สุด ไม่ว่าจะเป็นคลาวด์หรือระบบภายในองค์กร โดยการนำเสนอผลิตภัณฑ์ยังครอบคลุมสถานที่กระจายตัวและเอดจ์ด้วย เป้าหมายคือหลีกเลี่ยงการสร้างสำเนาข้อมูลส่วนกลางเพียงเพื่อทำให้ระบบ AI เข้าถึงข้อมูลได้

ส่วนสำคัญของแนวคิดนี้คือ Apache Iceberg ซึ่งเป็น open table format สำหรับจัดระเบียบชุดข้อมูลเชิงวิเคราะห์ขนาดใหญ่บนระบบไฟล์หรือ object storage เอกสารของ Cloudera อธิบายการใช้งาน Iceberg ในสถาปัตยกรรม open data lakehouse และไปป์ไลน์ข้อมูลขนาดใหญ่

Cloudera นำเสนอ Iceberg, Polaris Catalog และ unified APIs เป็นชั้นกลางเพื่อช่วยให้เอนจินวิเคราะห์เชื่อมต่อกับข้อมูลที่อยู่ในหลายสภาพแวดล้อมได้ ส่วนคำกล่าวเรื่อง zero-copy, federated analytics หมายถึงการเข้าถึงข้อมูลชุดเดิมโดยไม่ต้องสร้างสำเนาเต็มชุดใหม่สำหรับแต่ละเวิร์กโหลด

แนวทางนี้ไม่ได้ทำให้ภาระด้านวิศวกรรมและการกำกับดูแลของระบบ AI แบบกระจายหายไปทั้งหมด แต่กำลังมุ่งแก้ปัญหาเฉพาะจุด นั่นคือการทำให้แอปพลิเคชันเข้าถึงข้อมูลได้โดยไม่ต้องย้ายข้อมูลก่อน

เหตุใดแนวคิดแบบ agent-first จึงสำคัญ

เอเจนต์ AI ต้องการมากกว่าการอ่านแถวข้อมูลหรือตารางที่แยกจากกัน เพราะมักต้องอาศัยความสัมพันธ์ บริบท และสิทธิ์การเข้าถึงข้อมูลจากระบบองค์กรหลายประเภท Cloudera จึงวางตำแหน่งให้เอเจนต์ทำงานกับข้อมูล ณ แหล่งต้นทาง ลดความจำเป็นของขั้นตอนย้ายและซิงก์ข้อมูลแยกต่างหาก

แพลตฟอร์มยังมี agentic copilot และความสามารถด้านเวิร์กโฟลว์ ซึ่งตั้งใจให้เปลี่ยนคำขอภาษาธรรมชาติเป็นการดำเนินการแบบอัตโนมัติ แต่ข้อมูลที่มีอยู่ยังไม่ละเอียดพอที่จะประเมินโดยอิสระว่ากลไกการวางแผน การเลือกเครื่องมือ หรือการสั่งงานทำงานอย่างไร ดังนั้นความสามารถส่วนนี้ควรถือเป็นคำกล่าวเกี่ยวกับผลิตภัณฑ์ ไม่ใช่ผลการทดสอบประสิทธิภาพที่ได้รับการยืนยันแล้ว

อีกองค์ประกอบหนึ่งคือโมเดลการกำกับดูแลแบบ zero trust Cloudera ระบุว่าการติดตั้งแต่ละครั้งจะสืบทอดนโยบายการกำกับดูแลระดับองค์กร เพื่อสนับสนุนการควบคุมข้อมูล อธิปไตยของข้อมูล และการปฏิบัติตามข้อกำหนดอย่างต่อเนื่องในหลายสภาพแวดล้อม หลักฐานที่มีรองรับสิ่งนี้ในฐานะเป้าหมายของแพลตฟอร์มและคำกล่าวของผู้จำหน่าย แต่ยังไม่ได้ยืนยันใบรับรองด้านกฎระเบียบหรือรับประกันผลลัพธ์ด้าน compliance เฉพาะด้าน

PuppyGraph กับกรณีใช้งานช่วง early access

PuppyGraph เป็นหนึ่งในตัวอย่างที่ชัดเจนที่สุดของการใช้แพลตฟอร์มเพื่อสนับสนุน Agentic AI บริษัทกำลังใช้ Anywhere Cloud ในช่วง early access เพื่อสืบค้นข้อมูลบน Iceberg เป็น knowledge graph แบบเรียลไทม์โดยไม่ต้องทำ ETL

ในโมเดลนี้ ระบบสร้างบริบทแบบกราฟทับบนข้อมูลเดิม แทนการคัดลอกตารางเชิงสัมพันธ์ไปไว้ในฐานข้อมูลกราฟแยกต่างหากแล้วดูแลไปป์ไลน์อีกชุดหนึ่ง วิธีดังกล่าวอาจช่วยรักษาความสัมพันธ์และบริบทที่เป็นประโยชน์ต่อเอเจนต์ AI พร้อมหลีกเลี่ยงขั้นตอนการเคลื่อนย้ายข้อมูลเพิ่มเติม

อย่างไรก็ตาม ข้อมูลที่มีอยู่ยืนยันเพียงกรณีใช้งานในช่วง early access ยังไม่มีตัวเลขจากการตรวจสอบโดยอิสระ เช่น การลดความหน่วง การลดต้นทุน หรือความแม่นยำของเอเจนต์

ใครคือ design partners ระยะแรก

ประกาศของ Cloudera ระบุรายชื่อลูกค้า design partners ของ Anywhere Cloud 5 ราย ได้แก่

• ADMIRAL Technologies
• ExxonMobil
• IQVIA
• IXEN.ai
• Mastercard

การได้รับการระบุชื่อเป็น design partner หมายถึงการมีส่วนร่วมในช่วงพัฒนาหรือประเมินผลิตภัณฑ์ระยะแรก ไม่ได้แปลว่าแพลตฟอร์มเปิดให้ใช้งานทั่วไปแล้ว มีการใช้งานในระดับ production ขนาดใหญ่ หรือมีผลลัพธ์ทางธุรกิจที่วัดเป็นตัวเลขได้

แพลตฟอร์มนี้อาจเหมาะกับงานแบบใด

ธนาคารและบริการทางการเงิน

ธนาคารและสถาบันการเงินอาจต้องเก็บระบบซื้อขาย ตรวจจับทุจริต และธุรกรรมไว้ภายในองค์กรหรือในสภาพแวดล้อมที่ควบคุมอย่างเข้มงวด เนื่องจากข้อกำหนดด้านความหน่วง ความลับ การตรวจสอบย้อนหลัง และกฎระเบียบ

แพลตฟอร์มที่นำ AI ซึ่งมีการกำกับดูแลเข้าไปทำงานกับระบบเหล่านี้ อาจช่วยให้เกิดการวิเคราะห์โดยไม่ต้องส่งออกข้อมูลธุรกรรมหรือข้อมูลตลาดไปยังคลาวด์ส่วนกลาง แต่จากหลักฐานปัจจุบัน นี่เป็น use case ที่ผลิตภัณฑ์ตั้งเป้าไว้ ไม่ใช่ผลลัพธ์จากลูกค้าที่มีการรายงานแล้ว

โทรคมนาคมและการประมวลผลที่เอดจ์

เครือข่ายโทรคมนาคมสร้างข้อมูลจำนวนมากและมีความอ่อนไหวต่อเวลา จากระบบ 5G และอุปกรณ์เอดจ์ การประมวลผลใกล้แหล่งกำเนิดอาจลดการเดินทางไปกลับของข้อมูลไปยังคลาวด์ส่วนกลาง และช่วยให้องค์กรจัดการข้อมูล ณ จุดที่ข้อมูลถูกสร้างขึ้น Cloudera มีองค์ประกอบด้าน data flow และ event streaming ในแค็ตตาล็อก ซึ่งสอดคล้องกับสถาปัตยกรรมลักษณะนี้

หลักฐานระยะแรกบอกอะไรได้บ้าง

ข้อมูลที่มีอยู่สนับสนุนข้อสรุปหลัก 3 ประการ

1. ผลิตภัณฑ์มุ่งรองรับการติดตั้งแบบไฮบริด Cloudera ต้องการให้ลูกค้าสร้างและดำเนินงานแอปพลิเคชันข้อมูลและ AI ข้ามคลาวด์ ระบบภายในองค์กร และสภาพแวดล้อมแบบกระจายตัว ผ่านรูปแบบการปฏิบัติงานร่วมกัน
2. สถาปัตยกรรมแบบประกอบได้ตั้งใจลดความตายตัวของสแต็ก ลูกค้าสามารถเลือกส่วนประกอบจาก Cloudera พาร์ตเนอร์ และโอเพนซอร์ส แทนการมองแพลตฟอร์มเป็นแอปพลิเคชันก้อนเดียวที่แยกส่วนไม่ได้
3. ตัวอย่างที่เป็นรูปธรรมที่สุดยังอยู่ในช่วง early access กรณีของ PuppyGraph แสดงรูปแบบการเข้าถึงข้อมูลแบบ zero-ETL และการสร้าง knowledge graph บน Iceberg แต่ยังไม่ใช่ตัวชี้วัดผลกระทบทางธุรกิจที่ผ่านการตรวจสอบโดยอิสระ

นอกจากนี้ ยังมีคำกล่าวจากการนำเสนอผลิตภัณฑ์ของ Cloudera ว่า time-to-value อาจลดลงเหลือน้อยกว่า 60 นาที เมื่อใช้งานบน bare-metal ภายในองค์กรหรือเครื่องเสมือนบนคลาวด์ ตัวเลขดังกล่าวเป็นคำกล่าวจากการนำเสนอของ Cloudera ไม่ใช่ benchmark ที่ลูกค้าทดสอบและยืนยันในหลักฐานที่มี

บทสรุป

ในตอนนี้ ควรทำความเข้าใจ Anywhere Cloud ในฐานะชั้นโครงสร้างพื้นฐานที่ Cloudera เสนอสำหรับการรัน AI ภายใต้การกำกับดูแล ณ จุดใดก็ตามที่ข้อมูลขององค์กรอยู่ จุดขายจะโดดเด่นเป็นพิเศษสำหรับองค์กรที่ไม่สามารถหรือไม่ต้องการรวบรวมข้อมูลสำคัญไว้ในศูนย์กลางเดียว

แต่คำถามสำคัญยังอยู่ที่การใช้งานจริง ได้แก่ แพลตฟอร์มจะรองรับขนาดการติดตั้งและประสิทธิภาพของเวิร์กโหลดได้มากเพียงใด การกำกับดูแลจะถูกนำไปใช้ในสภาพแวดล้อมจริงอย่างไร และ design partners ที่มีชื่อจะรายงานผลลัพธ์ที่วัดได้หรือไม่

แนวคิดหลักฟังดูตรงไปตรงมา คือ เก็บข้อมูลสำคัญไว้ที่เดิม แล้วนำระบบวิเคราะห์ แอปพลิเคชัน AI และเอเจนต์อัตโนมัติที่อยู่ภายใต้การกำกับดูแลเข้าไปทำงานกับข้อมูลนั้น แนวทางนี้อาจเหมาะกับองค์กรที่มีข้อกำหนดด้านถิ่นที่อยู่ของข้อมูล โครงสร้างพื้นฐานเดิม หรือเวิร์กโหลดที่ต้องตอบสนองอย่างรวดเร็ว อย่างไรก็ตาม หลักฐานที่มีในขณะนี้ส่วนใหญ่ยังเป็นการนำเสนอผลิตภัณฑ์และรายงานการใช้งานช่วง early access ไม่ใช่ผลลัพธ์จากการใช้งานจริงในวงกว้าง

Anywhere Cloud พยายามแก้ปัญหาอะไร

โครงการ AI ระดับองค์กรจำนวนมากต้องทำงานบนหลายคลาวด์ โครงสร้างพื้นฐานแบบ private cloud ระบบภายในองค์กร และไซต์กระจายตัว การย้ายข้อมูลไปมาระหว่างสถานที่เหล่านี้อาจเพิ่มความหน่วง ทำให้เกิดสำเนาข้อมูลซ้ำ เพิ่มภาระด้านการเชื่อมต่อระบบ และสร้างความกังวลด้านการกำกับดูแล Cloudera จึงนำเสนอ Anywhere Cloud ในฐานะวิธีจัดการสภาพแวดล้อมเหล่านี้ด้วยประสบการณ์การใช้งานแบบคลาวด์ที่สอดคล้องกันและ control plane เดียว

Cloudera อ้างผลสำรวจของบริษัทว่า ผู้นำฝ่ายไอที 73% ระบุว่าข้อจำกัดด้านประสิทธิภาพของโครงสร้างพื้นฐานเป็นอุปสรรคต่อโครงการ AI ผลดังกล่าวเป็นตัวเลขจากการสำรวจที่ผู้จำหน่ายรายงาน ไม่ใช่สถิติระดับอุตสาหกรรมที่ผ่านการตรวจสอบโดยอิสระ

คำตอบของแพลตฟอร์มคือสถาปัตยกรรมแบบ composable หรือระบบที่เลือกประกอบส่วนต่าง ๆ ได้ แทนที่จะต้องใช้สแต็กแบบตายตัว Cloudera ระบุว่าลูกค้าสามารถเลือกบริการจากแค็ตตาล็อกแบบโมดูลาร์ ซึ่งประกอบด้วยบริการข้อมูลของ Cloudera บริการจากพาร์ตเนอร์ที่ Cloudera ตรวจสอบแล้ว และเอนจินโอเพนซอร์ส โดยมีองค์ประกอบสำหรับ data flow, event streaming, lakehouse analytics, การพัฒนา AI และการจัดการเวิร์กโฟลว์

ทำอย่างไรให้ข้อมูลยังอยู่ที่เดิม

Anywhere Cloud ตั้งใจให้แอปพลิเคชันข้อมูลและ AI ถูกติดตั้งในสภาพแวดล้อมที่ใกล้กับแหล่งข้อมูลที่สุด ไม่ว่าจะเป็นคลาวด์หรือระบบภายในองค์กร โดยการนำเสนอผลิตภัณฑ์ยังครอบคลุมสถานที่กระจายตัวและเอดจ์ด้วย เป้าหมายคือหลีกเลี่ยงการสร้างสำเนาข้อมูลส่วนกลางเพียงเพื่อทำให้ระบบ AI เข้าถึงข้อมูลได้

ส่วนสำคัญของแนวคิดนี้คือ Apache Iceberg ซึ่งเป็น open table format สำหรับจัดระเบียบชุดข้อมูลเชิงวิเคราะห์ขนาดใหญ่บนระบบไฟล์หรือ object storage เอกสารของ Cloudera อธิบายการใช้งาน Iceberg ในสถาปัตยกรรม open data lakehouse และไปป์ไลน์ข้อมูลขนาดใหญ่

Cloudera นำเสนอ Iceberg, Polaris Catalog และ unified APIs เป็นชั้นกลางเพื่อช่วยให้เอนจินวิเคราะห์เชื่อมต่อกับข้อมูลที่อยู่ในหลายสภาพแวดล้อมได้ ส่วนคำกล่าวเรื่อง zero-copy, federated analytics หมายถึงการเข้าถึงข้อมูลชุดเดิมโดยไม่ต้องสร้างสำเนาเต็มชุดใหม่สำหรับแต่ละเวิร์กโหลด

แนวทางนี้ไม่ได้ทำให้ภาระด้านวิศวกรรมและการกำกับดูแลของระบบ AI แบบกระจายหายไปทั้งหมด แต่กำลังมุ่งแก้ปัญหาเฉพาะจุด นั่นคือการทำให้แอปพลิเคชันเข้าถึงข้อมูลได้โดยไม่ต้องย้ายข้อมูลก่อน

เหตุใดแนวคิดแบบ agent-first จึงสำคัญ

เอเจนต์ AI ต้องการมากกว่าการอ่านแถวข้อมูลหรือตารางที่แยกจากกัน เพราะมักต้องอาศัยความสัมพันธ์ บริบท และสิทธิ์การเข้าถึงข้อมูลจากระบบองค์กรหลายประเภท Cloudera จึงวางตำแหน่งให้เอเจนต์ทำงานกับข้อมูล ณ แหล่งต้นทาง ลดความจำเป็นของขั้นตอนย้ายและซิงก์ข้อมูลแยกต่างหาก

แพลตฟอร์มยังมี agentic copilot และความสามารถด้านเวิร์กโฟลว์ ซึ่งตั้งใจให้เปลี่ยนคำขอภาษาธรรมชาติเป็นการดำเนินการแบบอัตโนมัติ แต่ข้อมูลที่มีอยู่ยังไม่ละเอียดพอที่จะประเมินโดยอิสระว่ากลไกการวางแผน การเลือกเครื่องมือ หรือการสั่งงานทำงานอย่างไร ดังนั้นความสามารถส่วนนี้ควรถือเป็นคำกล่าวเกี่ยวกับผลิตภัณฑ์ ไม่ใช่ผลการทดสอบประสิทธิภาพที่ได้รับการยืนยันแล้ว

อีกองค์ประกอบหนึ่งคือโมเดลการกำกับดูแลแบบ zero trust Cloudera ระบุว่าการติดตั้งแต่ละครั้งจะสืบทอดนโยบายการกำกับดูแลระดับองค์กร เพื่อสนับสนุนการควบคุมข้อมูล อธิปไตยของข้อมูล และการปฏิบัติตามข้อกำหนดอย่างต่อเนื่องในหลายสภาพแวดล้อม หลักฐานที่มีรองรับสิ่งนี้ในฐานะเป้าหมายของแพลตฟอร์มและคำกล่าวของผู้จำหน่าย แต่ยังไม่ได้ยืนยันใบรับรองด้านกฎระเบียบหรือรับประกันผลลัพธ์ด้าน compliance เฉพาะด้าน

PuppyGraph กับกรณีใช้งานช่วง early access

PuppyGraph เป็นหนึ่งในตัวอย่างที่ชัดเจนที่สุดของการใช้แพลตฟอร์มเพื่อสนับสนุน Agentic AI บริษัทกำลังใช้ Anywhere Cloud ในช่วง early access เพื่อสืบค้นข้อมูลบน Iceberg เป็น knowledge graph แบบเรียลไทม์โดยไม่ต้องทำ ETL

ในโมเดลนี้ ระบบสร้างบริบทแบบกราฟทับบนข้อมูลเดิม แทนการคัดลอกตารางเชิงสัมพันธ์ไปไว้ในฐานข้อมูลกราฟแยกต่างหากแล้วดูแลไปป์ไลน์อีกชุดหนึ่ง วิธีดังกล่าวอาจช่วยรักษาความสัมพันธ์และบริบทที่เป็นประโยชน์ต่อเอเจนต์ AI พร้อมหลีกเลี่ยงขั้นตอนการเคลื่อนย้ายข้อมูลเพิ่มเติม

อย่างไรก็ตาม ข้อมูลที่มีอยู่ยืนยันเพียงกรณีใช้งานในช่วง early access ยังไม่มีตัวเลขจากการตรวจสอบโดยอิสระ เช่น การลดความหน่วง การลดต้นทุน หรือความแม่นยำของเอเจนต์

ใครคือ design partners ระยะแรก

ประกาศของ Cloudera ระบุรายชื่อลูกค้า design partners ของ Anywhere Cloud 5 ราย ได้แก่

• ADMIRAL Technologies
• ExxonMobil
• IQVIA
• IXEN.ai
• Mastercard

การได้รับการระบุชื่อเป็น design partner หมายถึงการมีส่วนร่วมในช่วงพัฒนาหรือประเมินผลิตภัณฑ์ระยะแรก ไม่ได้แปลว่าแพลตฟอร์มเปิดให้ใช้งานทั่วไปแล้ว มีการใช้งานในระดับ production ขนาดใหญ่ หรือมีผลลัพธ์ทางธุรกิจที่วัดเป็นตัวเลขได้

แพลตฟอร์มนี้อาจเหมาะกับงานแบบใด

ธนาคารและบริการทางการเงิน

ธนาคารและสถาบันการเงินอาจต้องเก็บระบบซื้อขาย ตรวจจับทุจริต และธุรกรรมไว้ภายในองค์กรหรือในสภาพแวดล้อมที่ควบคุมอย่างเข้มงวด เนื่องจากข้อกำหนดด้านความหน่วง ความลับ การตรวจสอบย้อนหลัง และกฎระเบียบ

แพลตฟอร์มที่นำ AI ซึ่งมีการกำกับดูแลเข้าไปทำงานกับระบบเหล่านี้ อาจช่วยให้เกิดการวิเคราะห์โดยไม่ต้องส่งออกข้อมูลธุรกรรมหรือข้อมูลตลาดไปยังคลาวด์ส่วนกลาง แต่จากหลักฐานปัจจุบัน นี่เป็น use case ที่ผลิตภัณฑ์ตั้งเป้าไว้ ไม่ใช่ผลลัพธ์จากลูกค้าที่มีการรายงานแล้ว

โทรคมนาคมและการประมวลผลที่เอดจ์

เครือข่ายโทรคมนาคมสร้างข้อมูลจำนวนมากและมีความอ่อนไหวต่อเวลา จากระบบ 5G และอุปกรณ์เอดจ์ การประมวลผลใกล้แหล่งกำเนิดอาจลดการเดินทางไปกลับของข้อมูลไปยังคลาวด์ส่วนกลาง และช่วยให้องค์กรจัดการข้อมูล ณ จุดที่ข้อมูลถูกสร้างขึ้น Cloudera มีองค์ประกอบด้าน data flow และ event streaming ในแค็ตตาล็อก ซึ่งสอดคล้องกับสถาปัตยกรรมลักษณะนี้

หลักฐานระยะแรกบอกอะไรได้บ้าง

ข้อมูลที่มีอยู่สนับสนุนข้อสรุปหลัก 3 ประการ

1. ผลิตภัณฑ์มุ่งรองรับการติดตั้งแบบไฮบริด Cloudera ต้องการให้ลูกค้าสร้างและดำเนินงานแอปพลิเคชันข้อมูลและ AI ข้ามคลาวด์ ระบบภายในองค์กร และสภาพแวดล้อมแบบกระจายตัว ผ่านรูปแบบการปฏิบัติงานร่วมกัน
2. สถาปัตยกรรมแบบประกอบได้ตั้งใจลดความตายตัวของสแต็ก ลูกค้าสามารถเลือกส่วนประกอบจาก Cloudera พาร์ตเนอร์ และโอเพนซอร์ส แทนการมองแพลตฟอร์มเป็นแอปพลิเคชันก้อนเดียวที่แยกส่วนไม่ได้
3. ตัวอย่างที่เป็นรูปธรรมที่สุดยังอยู่ในช่วง early access กรณีของ PuppyGraph แสดงรูปแบบการเข้าถึงข้อมูลแบบ zero-ETL และการสร้าง knowledge graph บน Iceberg แต่ยังไม่ใช่ตัวชี้วัดผลกระทบทางธุรกิจที่ผ่านการตรวจสอบโดยอิสระ

นอกจากนี้ ยังมีคำกล่าวจากการนำเสนอผลิตภัณฑ์ของ Cloudera ว่า time-to-value อาจลดลงเหลือน้อยกว่า 60 นาที เมื่อใช้งานบน bare-metal ภายในองค์กรหรือเครื่องเสมือนบนคลาวด์ ตัวเลขดังกล่าวเป็นคำกล่าวจากการนำเสนอของ Cloudera ไม่ใช่ benchmark ที่ลูกค้าทดสอบและยืนยันในหลักฐานที่มี

บทสรุป

ในตอนนี้ ควรทำความเข้าใจ Anywhere Cloud ในฐานะชั้นโครงสร้างพื้นฐานที่ Cloudera เสนอสำหรับการรัน AI ภายใต้การกำกับดูแล ณ จุดใดก็ตามที่ข้อมูลขององค์กรอยู่ จุดขายจะโดดเด่นเป็นพิเศษสำหรับองค์กรที่ไม่สามารถหรือไม่ต้องการรวบรวมข้อมูลสำคัญไว้ในศูนย์กลางเดียว

แต่คำถามสำคัญยังอยู่ที่การใช้งานจริง ได้แก่ แพลตฟอร์มจะรองรับขนาดการติดตั้งและประสิทธิภาพของเวิร์กโหลดได้มากเพียงใด การกำกับดูแลจะถูกนำไปใช้ในสภาพแวดล้อมจริงอย่างไร และ design partners ที่มีชื่อจะรายงานผลลัพธ์ที่วัดได้หรือไม่