其目標是打造一個可擴展的生產級 AI 工廠，讓數據能夠持續被攝取、精煉、治理，並傳遞給 AI 模型進行訓練與推論，並能在企業本地資料中心與公有雲之間一致地運作。

核心瓶頸：GPU 飢餓

此合作旨在解決的特定問題是 GPU 飢餓 (GPU starvation)——即昂貴的加速器叢集因傳統架構無法支援涵蓋資料準備、訓練、推論與分析的連續 AI 管道而處於閒置狀態 。

以下是解決方案如何改善此問題：

• VAST 的分散式共享架構 (Disaggregated Shared Everything architecture) 提供 EB 級 (exabyte-scale) 資料基礎設施，具備超高頻寬、低延遲的資料管道，確保持續為 GPU 供給數據 。
• VAST AI 作業系統整合了向量資料庫服務與 NVIDIA cuVS，用於 GPU 加速的向量索引與搜尋 。
• Cloudera 提供可移植的資料工程、串流、分析、機器學習及 AI 服務，這些服務可在混合雲與多雲環境中一致部署 。
• Apache Spark 工作負載可透過 NVIDIA cuDF 加速，使 Cloudera 上的 Spark 任務能夠透過 GPU 加速處理，利用 VAST 的高吞吐量資料服務 。

正如 Cloudera 的長官 Abhas Ricky 所言：「企業在 GPU 上投資了數十億美元，但許多卻因資料瓶頸而難以達到完全利用率。我們與 VAST 的合作消除了 GPU 飢餓，使客戶能夠建立真正的 AI 工廠。」

更廣泛的產業背景與 VAST Data 近期合作

NVIDIA：最深度的整合

NVIDIA 參與了 VAST Data 在 2026 年 4 月進行的、估值 300 億美元的 10 億美元 F 輪融資 。Cloudera–VAST 解決方案正是採用了 NVIDIA AI 資料平台參考設計，且 NVIDIA NIM 微服務加速了 Cloudera AI 推論服務 。除此之外，VAST 推出了 CNode-X 伺服器，該伺服器將 VAST AI 作業系統與 NVIDIA 資料處理庫及板載的 NVIDIA PRO 6000 Blackwell Server Edition GPU 結合 。2026 年初，VAST 與 NVIDIA 共同為 NVIDIA Rubin 平台的 Inference Context Memory Storage (ICMS) 平台推出了全新的推論架構 。2026 年 2 月，VAST 擴大了與 NVIDIA 的合作，使 VAST AI 作業系統能直接在 GPU 加速伺服器上運行 。

Cisco：打造安全的 AI 工廠

VAST 的 AI 作業系統作為 Cisco AI PODs 的共享資料基礎，並通過 Cisco Validated Design (CVD) 驗證，證明運行 VAST AI OS 的 Cisco EBox 是首個統一的 AI 資料平台 。Cisco、NVIDIA 與 VAST Data 共同提供了一個經驗證的企業級 AI 資料平台，用於加速 RAG 管道、簡化資料移動並擴展代理式 AI 。VAST 也是首個獲得優化並支援 Cisco Nexus HyperFabric 的資料平台，可與 Cisco 的雲端管理解決方案整合，用於資料中心網路 。

Mistral AI：歐洲的 AI 工廠

2026 年 5 月，VAST Data 獲選為 Mistral 在歐洲由 NVIDIA 加速的 AI 工廠 提供資料基礎，部署了歐洲最龐大的 NVIDIA GB300 NVL72 容量之一 。Mistral Compute 採用 VAST AI 作業系統作為資料基礎，VAST 則提供了統一的資料層，以確保在歐洲各地進行安全、主權性的 AI 營運 。

其他值得注意的動向

• Google Cloud： 2025 年 11 月，VAST 與 Google Cloud 合作，在混合雲環境中實現企業級 AI 大規模部署 。
• CoreWeave： VAST 與 GPU 雲端供應商 CoreWeave 簽署了價值 11.7 億美元的商業協議 。
• 規模里程碑： VAST 近期建立了一個單一系統的 1 EB AI 儲存叢集，約佔全球數據量的 1% 。

結論

Cloudera 與 VAST 的合作直接針對導致昂貴 GPU 叢集閒置的資料吞吐量瓶頸，透過結合 Cloudera 的混合湖倉服務、VAST 的 AI 作業系統以及 NVIDIA AI 資料平台參考設計來解決。此公告出現在 VAST 積極擴展生態系統的浪潮中——涵蓋與 NVIDIA 的深度聯合工程、Cisco 驗證的 AI PODs，以及為 Mistral 在歐洲的 AI 工廠提供動力——所有這些都旨在將 VAST 定位為企業 AI 時代的基礎資料層。

其目標是打造一個可擴展的生產級 AI 工廠，讓數據能夠持續被攝取、精煉、治理，並傳遞給 AI 模型進行訓練與推論，並能在企業本地資料中心與公有雲之間一致地運作。

核心瓶頸：GPU 飢餓

此合作旨在解決的特定問題是 GPU 飢餓 (GPU starvation)——即昂貴的加速器叢集因傳統架構無法支援涵蓋資料準備、訓練、推論與分析的連續 AI 管道而處於閒置狀態 。

以下是解決方案如何改善此問題：

• VAST 的分散式共享架構 (Disaggregated Shared Everything architecture) 提供 EB 級 (exabyte-scale) 資料基礎設施，具備超高頻寬、低延遲的資料管道，確保持續為 GPU 供給數據 。
• VAST AI 作業系統整合了向量資料庫服務與 NVIDIA cuVS，用於 GPU 加速的向量索引與搜尋 。
• Cloudera 提供可移植的資料工程、串流、分析、機器學習及 AI 服務，這些服務可在混合雲與多雲環境中一致部署 。
• Apache Spark 工作負載可透過 NVIDIA cuDF 加速，使 Cloudera 上的 Spark 任務能夠透過 GPU 加速處理，利用 VAST 的高吞吐量資料服務 。

正如 Cloudera 的長官 Abhas Ricky 所言：「企業在 GPU 上投資了數十億美元，但許多卻因資料瓶頸而難以達到完全利用率。我們與 VAST 的合作消除了 GPU 飢餓，使客戶能夠建立真正的 AI 工廠。」

更廣泛的產業背景與 VAST Data 近期合作

NVIDIA：最深度的整合

NVIDIA 參與了 VAST Data 在 2026 年 4 月進行的、估值 300 億美元的 10 億美元 F 輪融資 。Cloudera–VAST 解決方案正是採用了 NVIDIA AI 資料平台參考設計，且 NVIDIA NIM 微服務加速了 Cloudera AI 推論服務 。除此之外，VAST 推出了 CNode-X 伺服器，該伺服器將 VAST AI 作業系統與 NVIDIA 資料處理庫及板載的 NVIDIA PRO 6000 Blackwell Server Edition GPU 結合 。2026 年初，VAST 與 NVIDIA 共同為 NVIDIA Rubin 平台的 Inference Context Memory Storage (ICMS) 平台推出了全新的推論架構 。2026 年 2 月，VAST 擴大了與 NVIDIA 的合作，使 VAST AI 作業系統能直接在 GPU 加速伺服器上運行 。

Cisco：打造安全的 AI 工廠

VAST 的 AI 作業系統作為 Cisco AI PODs 的共享資料基礎，並通過 Cisco Validated Design (CVD) 驗證，證明運行 VAST AI OS 的 Cisco EBox 是首個統一的 AI 資料平台 。Cisco、NVIDIA 與 VAST Data 共同提供了一個經驗證的企業級 AI 資料平台，用於加速 RAG 管道、簡化資料移動並擴展代理式 AI 。VAST 也是首個獲得優化並支援 Cisco Nexus HyperFabric 的資料平台，可與 Cisco 的雲端管理解決方案整合，用於資料中心網路 。

Mistral AI：歐洲的 AI 工廠

2026 年 5 月，VAST Data 獲選為 Mistral 在歐洲由 NVIDIA 加速的 AI 工廠 提供資料基礎，部署了歐洲最龐大的 NVIDIA GB300 NVL72 容量之一 。Mistral Compute 採用 VAST AI 作業系統作為資料基礎，VAST 則提供了統一的資料層，以確保在歐洲各地進行安全、主權性的 AI 營運 。

其他值得注意的動向

• Google Cloud： 2025 年 11 月，VAST 與 Google Cloud 合作，在混合雲環境中實現企業級 AI 大規模部署 。
• CoreWeave： VAST 與 GPU 雲端供應商 CoreWeave 簽署了價值 11.7 億美元的商業協議 。
• 規模里程碑： VAST 近期建立了一個單一系統的 1 EB AI 儲存叢集，約佔全球數據量的 1% 。

結論

Cloudera 與 VAST 的合作直接針對導致昂貴 GPU 叢集閒置的資料吞吐量瓶頸，透過結合 Cloudera 的混合湖倉服務、VAST 的 AI 作業系統以及 NVIDIA AI 資料平台參考設計來解決。此公告出現在 VAST 積極擴展生態系統的浪潮中——涵蓋與 NVIDIA 的深度聯合工程、Cisco 驗證的 AI PODs，以及為 Mistral 在歐洲的 AI 工廠提供動力——所有這些都旨在將 VAST 定位為企業 AI 時代的基礎資料層。