Huawei introduceert nieuwe AI-opslagarchitectuur in Parijs

De groei van generatieve AI en autonome AI-agents stelt hogere eisen aan datacenterinfrastructuren. Huawei heeft daarom tijdens het Huawei Innovative Data Infrastructure (IDI) Forum 2026 in Parijs een nieuwe referentiearchitectuur voor AI-datacenters aangekondigd, samen met uitbreidingen van zijn portfolio voor AI-opslag, dataverwerking en modelbeheer.

Volgens Huawei moeten traditionele datacenterarchitecturen evolueren naar gespecialiseerde AI-omgevingen waarin opslag, compute, modellen en databescherming nauwer geïntegreerd zijn. De nieuwe referentiearchitectuur omvat daarom verschillende lagen van AI-infrastructuur, waaronder data lakes, AI-dataplatformen, resourcebeheer, modelengineering, agentframeworks en databescherming.

Huawei positioneert de architectuur als een praktisch raamwerk voor organisaties die AI-workloads op grotere schaal willen implementeren.

Binnen het opslagportfolio presenteerde Huawei onder meer uitbreidingen van het OceanStor Pacific-platform voor gedistribueerde opslag. Volgens het bedrijf ondersteunt het systeem opslagdichtheden tot 11 PB per 2U en is het gericht op grootschalige dataopslag met een geoptimaliseerde total cost of ownership.

In combinatie met het DME Omni-Dataverse-platform moet realtime data-integratie, centraal databeheer en vectorzoekfunctionaliteit mogelijk worden. Het platform ondersteunt daarbij multimodale datasets en realtime gegevensuitwisseling tussen verschillende locaties.

Voor AI-inferentieomgevingen introduceerde Huawei daarnaast Context Memory Storage (CMS), een systeem voor gedeelde KV-cacheopslag binnen grootschalige AI-clusters. Volgens Huawei kan CMS de latency bij AI-inferentie verlagen door semantische verwerking deels naar gespecialiseerde DPU-hardware te verplaatsen.

Daarnaast presenteerde het bedrijf een zogenoemd “3+1”-AI-dataplatform voor enterprise-omgevingen, waarin cacheversnelling, kennisdatabases en geheugenfunctionaliteit worden gecombineerd. Huawei stelt dat deze aanpak de efficiëntie en nauwkeurigheid van AI-inferentie moet verbeteren.

Ook breidde Huawei zijn ModelEngine-platform verder uit. Dit platform ondersteunt onder meer modelimplementatie, modelbeheer en resourceplanning voor AI-workloads. Volgens Huawei maakt het systeem fijnmazige verdeling van compute-resources mogelijk, zodat hardware efficiënter benut kan worden.

Daarnaast introduceerde het bedrijf ModelEngine Nexent, een framework voor de ontwikkeling van AI-agents op basis van natuurlijke taalinteractie. Huawei positioneert het platform als een omgeving waarmee organisaties AI-agents sneller kunnen ontwikkelen en uitrollen.

Naast infrastructuur en modelbeheer legde Huawei nadruk op databescherming binnen AI-omgevingen. Het bedrijf presenteerde hiervoor een end-to-end beveiligingsaanpak die bescherming moet bieden tegen onder meer manipulatie, datavervuiling, misbruik van AI-tools en ransomware-aanvallen.

Volgens Huawei wordt databescherming daarmee een integraal onderdeel van AI-infrastructuren, mede vanwege de groeiende afhankelijkheid van AI-systemen binnen bedrijfsprocessen.

Met de nieuwe referentiearchitectuur en uitbreidingen van het AI-portfolio richt Huawei zich nadrukkelijk op organisaties die AI op grotere schaal willen integreren binnen bestaande IT-omgevingen. Daarbij legt het bedrijf de nadruk op schaalbaarheid, efficiënter gebruik van rekenkracht en databescherming als centrale bouwstenen van toekomstige AI-datacenters.