무슨 일이 일어났나요?
CRN에 따르면 Nutanix CEO Rajiv Ramaswami는 자사가 AMD GPU 및 Nvidia GPU에서 AI 추론을 지원하기 위해 하이브리드 클라우드 플랫폼을 확장하고 있다고 밝혔습니다. Ramaswami는 Nutanix가 올해 말까지 최초의 AMD 기반 솔루션을 출시할 것으로 기대하고 있으며 이 작업이 AMD가 Nutanix에 2억 5천만 달러를 투자하여 지원하는 공동 개발 노력이라고 설명했습니다.
CRN의 보고에 따르면 Ramaswami는 Nutanix가 하이퍼컨버지드 인프라의 근원을 넘어 가상 머신, 컨테이너, 퍼블릭 클라우드, 외부 스토리지 및 AI 애플리케이션을 위한 더 광범위한 소프트웨어 플랫폼으로 이동했다고 설명했습니다. 보고서에 따르면 뉴타닉스의 소프트웨어는 AWS, Microsoft Azure, Google Cloud가 제공하는 베어메탈 인프라와 GPU 중심 네오클라우드에서 실행될 수 있습니다. 고객은 Dell, HPE, Lenovo 및 Cisco와 같은 공급업체의 Supermicro 어플라이언스 또는 서버를 선택할 수 있지만 회사는 하드웨어를 재고 기반 비즈니스로 판매하지 않습니다.
보고서의 AI 관련 개발은 추론 스택을 Nvidia GPU에서 AMD GPU로 확장하려는 Nutanix의 계획입니다. Ramaswami는 CRN에 Nutanix가 현재 Nvidia 하드웨어에서 소프트웨어 스택을 실행하고 있으며 올해 말까지 첫 번째 AMD 솔루션을 기대하고 있다고 말했습니다. 그는 Nutanix에 대한 AMD의 2억 5천만 달러 투자가 공동 개발, AMD GPU에 대한 조기 액세스 및 공동 마케팅을 지원한다고 말했습니다. 그는 Nutanix가 첫 번째 액세스를 받는다는 점을 명시적으로 거부했으며 회사가 조기 액세스를 제공한다고만 말했습니다.
Ramaswami는 Nutanix의 AI 플랫폼은 대규모 언어 모델과 소규모 언어 모델을 포함하여 고객이 선택한 개방형 모델을 제공할 수 있는 추론 엔드포인트를 제공하기 위한 것이라고 말했습니다. CRN은 그가 애플리케이션과 애플리케이션이 사용하는 모델 간의 게이트웨이에 대해서도 설명했다고 보고합니다. 게이트웨이는 비용 및 액세스에 대한 가시성을 제공하고, 사용량 제어를 적용하며, 애플리케이션이 프론티어 모델 또는 저렴한 개방형 모델을 사용해야 하는 시기를 결정하는 데 도움을 줍니다. 소스는 특정 AMD GPU 모델, 벤치마크 결과, 고객 배포 또는 이러한 기능에 대한 가격을 식별하지 않습니다.
또한 인터뷰에서는 고객이 새 서버나 스토리지를 쉽게 얻을 수 없는 경우 Nutanix를 유용하게 만들기 위해 GPU 작업을 더 폭넓은 노력에 배치했습니다. CRN은 외부 스토리지 지원이 여전히 작지만 빠르게 성장하는 배포 점유율이라고 보고합니다. Ramaswami는 Dell PowerFlex, Dell PowerStore 및 Everpure에 대한 지원을 언급했으며 NetApp 지원은 온라인으로 제공될 것이라고 설명했습니다. 그는 이 접근 방식을 통해 일부 고객은 새 하드웨어를 구입하는 대신 기존 서버와 스토리지 어레이를 사용할 수 있지만 보고서에서는 이러한 일이 얼마나 자주 발생하는지 또는 고객이 얼마나 많은 돈을 절약하는지에 대한 독립적인 측정을 제공하지 않는다고 말했습니다.
왜 중요한가요?
보고된 확장은 기업 고객들에게 AI 추론을 실행하기 위한 또 다른 하드웨어 옵션을 제공할 것이며, Nutanix는 자사 소프트웨어를 온프레미스 데이터 센터, 퍼블릭 클라우드 및 GPU 중심 네오클라우드 전반에서 작동할 수 있는 레이어로 포지셔닝할 것입니다. 실제 가치는 호환성, 성능, 가용성 및 비용에 따라 달라지며 CRN이 보고서에서 독립적으로 테스트한 항목은 없습니다.
엔터프라이즈 AI 배포에는 외부 공급자의 프론티어 모델을 사용하는 것과 추론 인프라를 직접 운영하는 것 사이에서 선택하는 일이 점점 더 많아지고 있습니다. CRN은 Nutanix가 두 가지 경로를 모두 제공하려고 노력하고 있다고 보고합니다. 고객은 OpenAI 또는 Anthropic와 같은 제공업체의 모델을 사용하거나 Nutanix에서 관리하는 인프라를 통해 개방형 모델을 실행할 수 있습니다. 애플리케이션, 모델, GPU 및 거버넌스 제어를 연결하는 플랫폼은 클라우드와 온프레미스 리소스의 혼합을 관리하는 조직의 운영을 단순화할 수 있습니다.
AMD 지원은 고객에게 추가 가속기 공급업체를 제공하기 때문에 중요할 수도 있습니다. CRN이 인용한 Ramaswami의 특성에 따르면 Nvidia는 여전히 시장 선두주자이지만 기업은 가격, 가용성, 조달 제약 또는 전략적 선호로 인해 대안을 찾을 수 있습니다. 이 보고서는 Nutanix의 계획된 AMD 통합 및 AMD 투자의 존재를 뒷받침합니다. AMD 하드웨어가 성능, 소프트웨어 지원, 가용성 또는 총 소유 비용 측면에서 Nvidia와 일치할지 여부는 입증되지 않습니다.
모델 교육보다는 추론에 중점을 두는 것은 기존 모델을 프로덕션 환경에서 운영하려는 기업의 경우 필연적으로 발생합니다. 추론 워크로드는 지속적으로 실행될 수 있으며 중요한 기업 데이터, 사용 제어 및 반복적인 토큰 비용이 포함될 수 있습니다. Nutanix의 명시된 게이트웨이 접근 방식은 모델에 액세스하는 사람과 사용 비용에 대한 가시성을 포함하여 이러한 운영 문제를 원칙적으로 해결합니다. 그러나 CRN은 게이트웨이의 기능, 보안 제어, 대기 시간, 지원되는 모델 또는 프로덕션 환경의 결과를 독립적으로 확인하지 않습니다.
보고된 외부 스토리지 전략은 인프라 문제를 GPU 이상으로 확대합니다. 고객이 기존 서버에 Nutanix 소프트웨어를 배치하고 지원되는 스토리지 어레이를 연결할 수 있다면 모든 하드웨어 구성 요소를 교체하지 않고도 소프트웨어를 현대화할 수 있습니다. 이는 구성 요소가 부족한 경우 유용할 수 있지만 인증, 지원 및 통합 요구 사항도 발생합니다. 소스에는 안정성, 배포 복잡성 또는 고객 결과에 대한 독립적인 테스트가 아닌 전략 및 인용된 플랫폼에 대한 Ramaswami의 설명이 포함되어 있습니다.
대화형 메커니즘: 실제로 작동하는 방식
이 개발의 이면에 있는 기본 기술을 대화식으로 살펴보세요.
Which component of an AI application is the machine-learning model itself?
다음에 무엇을 볼 것인가
핵심 이정표는 Nutanix가 예정대로 약속된 AMD 솔루션을 제공하는지 여부, AMD 가속기 및 서버 구성이 지원되는지 여부, 고객이 측정 가능한 비용 또는 용량 이점을 얻을 수 있는지 여부입니다. Nutanix의 추론 게이트웨이, 외부 스토리지 지원 및 채널 전략이 인터뷰에서 설명된 주장을 넘어서 어떻게 발전하는지 지켜볼 가치가 있습니다.
가장 즉각적인 테스트는 배송입니다. Ramaswami는 CRN에 Nutanix가 올해 말까지 첫 번째 AMD GPU 솔루션을 기대하고 있지만 보고서에는 출시 날짜, 지원되는 가속기 제품군, 지리적 가용성 또는 일반 가용성 상태가 명시되어 있지 않다고 말했습니다. 후속 보고에서는 첫 번째 릴리스가 광범위하게 구매 가능한지, 선택된 고객으로 제한되는지, 아니면 주로 기술 통합인지를 확인해야 합니다.
기술적인 세부 사항에 따라 발표로 인해 구매 결정이 변경되는지 여부가 결정됩니다. 중요한 미지수로는 추론 처리량, 지연 시간, 메모리 용량, 전력 요구 사항, 지원되는 프레임워크, 모델 형식, 서버 인증, AMD 및 Nvidia 배포의 상대적 비용 등이 있습니다. 소스는 AMD 기반 Nutanix 추론에 대한 비교 벤치마크, 독립적 검증 또는 고객 참조를 제공하지 않으므로 이러한 질문은 여전히 열려 있습니다.
Nutanix의 소프트웨어 제어 역시 면밀한 조사를 보장합니다. 회사는 자사의 게이트웨이가 비용을 추적하고, 액세스 및 사용량을 관리하고, 애플리케이션을 다른 모델로 라우팅할 수 있다고 밝혔습니다. 사용자는 기록되는 데이터, 권한 적용 방법, 관리자가 지출 또는 모델 정책을 설정할 수 있는지 여부, 시스템이 실패 또는 부정확한 모델 출력을 처리하는 방법을 보여주는 문서를 찾아야 합니다. CRN 보고서에는 이러한 구현 세부 정보가 제공되지 않습니다.
마지막으로, 채널 전략은 플랫폼이 얼마나 널리 채택되는지를 결정할 수 있습니다. Ramaswami는 파트너가 HCI 판매를 넘어 마이그레이션, 컨테이너, 클라우드 및 AI 서비스로 확장할 것으로 예상되며 Nutanix는 더 많은 외부 스토리지 플랫폼을 추가하고 Kubernetes 및 AI 제품을 계속 개발할 계획이라고 말했습니다. 실질적인 질문은 파트너가 이러한 프로젝트를 수행하기 위해 충분한 교육, 인증 및 인센티브를 받는지, 그리고 고객이 혼합된 하드웨어, 클라우드 및 모델 환경에서 지원을 받을 수 있는지 여부입니다. CRN은 경영진의 우선순위를 보고하지만 파트너 활용 또는 배포 결과를 독립적으로 확인하지는 않습니다.