
何が起きたか
NetAppのCTO Arindam Banerjee氏によると、Novusアーキテクチャはデータとメタデータを分離し、独立にスケールさせ、GPUを稼働させ続ける。
なぜ重要か
従来のアーキテクチャは片方のワークロードしかうまく扱えず、同時には対応できなかった。同社によると、ストレージ遅延で高価なGPUが使われないまま電力を消費してしまう。
注目点
数千のエージェントが一時的な権限で同時にデータへアクセスするエージェント型ワークロードが対象。実現するかはBanerjee氏が説明した新たなAPI駆動型コントロールプレーンにかかっている。
誰に効くかGPUクラスタを運用する企業のストレージアーキテクトやAIインフラチームは、エージェント型ワークロードの拡大に伴い、メタデータ管理とデータ管理の分離がGPUのアイドル時間を減らすかどうかを評価する必要がある。
こういう要約が、毎朝あなたのメールに届きます。
NetAppとNvidiaの提携は10年以上前にさかのぼり、今ではAIインフラ周辺の共同設計も含む。この長い関係が重要なのは、Banerjee氏が挙げるストレージの問題が抽象論ではないからだ。AIが実験段階から、NvidiaのJason Hardy氏が主流の本番運用の「フェーズ2」と呼ぶ段階へ移るにつれ、インフラは新しいユースケースごとに再設計することなくスケールする必要がある。
Banerjee氏の主張は、AIワークロードが特有の衝突を生むというものだ。トランザクションのメタデータ処理と、チェックポイントのような重いシーケンシャル処理が同時に発生し、旧来のアーキテクチャは片方しかうまくこなせなかった。メタデータとデータが同じリソースを共有すると、データ処理が小規模なメタデータ処理の後ろで待たされ、GPUが使われないまま電力を消費する。Novusの答えは、これらの機能を別々のスケーリング軸に分けることだ。
エージェントはさらに事態を難しくする。数千が一時的な権限で同時にデータへアクセスし、メタデータ量が増えるからだ。狙いは、ストレージ専門家がすべてのリクエストを管理するのではなく、API駆動型でエージェントに優しい利用が当たり前になることだ。これが個々の企業にとって重要かどうかは、エージェント型の本番ワークロードがどれだけ早く到来するか、そして新しいコントロールプレーンが本来使うAIチームにとってこの層を不可視にできるかどうかにかかっている。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る
OneTrustはOneTrust CORIEを基盤とするFall '26リリースを発表し、厳選した基盤モデルライブラリからモデルの関連付けと非推奨指標を継続的に更新するAI台帳を追加した
11月18日の日経「Dialogues on the Future」で、ソフトバンクグループの孫正義氏はAnthropicへの出資見送りを「僕の失敗の一つ」と語った

Cassava TechnologiesがNvidia製チップ購入のため最大10億ドルの調達を検討

Microsoft Ignite 2026でWindows Server 2028のパブリックプレビューが公開され、Microsoft Foundry、Windows ML、vLLM、Llama.cppによるAI推論ホス…

BrightAIがSmith Point Capital主導のラウンドで97百万ドルを調達

AUMOVIOはDatabricks Unity GatewayをLLMへの唯一の経路に採用
