Broadcom presenterade VMware Cloud Foundation 9.1, vilket positionerar plattformen som en privat molnbas optimerad för AI-arbetsbelastningar i produktionen. Versionen fokuserar på en tätare integration av AI och Kubernetes, utökat hårdvarustöd för AMD, Intel och NVIDIA, samt inbäddade säkerhetsfunktioner utformade för AI-distributioner på företag. Uppdateringen riktar sig till organisationer som kör inferens och framväxande agentiska AI-applikationer, med betoning på kostnadskontroll, infrastrukturflexibilitet och datastyrning.
Radius Tech sammanställde data för Private Cloud Outlook 2026 i samarbete med Broadcom. Den globala undersökningen omfattade 1 800 IT-beslutsfattare i stora företag.
Företaget delade också tidiga resultat från sin kommande rapport Private Cloud Outlook 2026, som indikerar en fortsatt övergång mot privata moln för produktions-AI. Enligt förhandsgranskningsdata kör eller planerar 56 % av organisationerna att köra inferensarbetsbelastningar i privata miljöer, jämfört med 41 % i publika moln, en minskning jämfört med föregående år. Kostnadsproblem är fortfarande en primär drivkraft, där 62 % av IT-cheferna anger kostnader för generativ AI-infrastruktur som ett stort problem. Dessutom rapporterar 36 % nya krav kring dataskydd, integritet och riskhantering som drivs av AI-implementeringen.
Krish Prasad, Senior Vice President och General Manager för VMware Cloud Foundation Division på Broadcom, lyfte fram tre huvudutmaningar som företag står inför när de anammar AI: oro för data- och IP-sekretess, stigande infrastrukturkostnader och beredskap för agentbaserad AI. Han betonade att VCF 9.1 erbjuder en enhetlig plattform som hanterar dessa problem genom att tillhandahålla avancerad infrastruktur för privat AI, möjliggöra nollförtroendesäkerhet, optimera kostnader genom intelligenta infrastrukturval och stödja både agentbaserade arbetsflöden och accelererad inferens på en enda plattform.
Kostnads- och infrastruktureffektivitet
VCF 9.1 introducerar flera infrastrukturoptimeringar för att förbättra resurseffektiviteten för blandade AI- och traditionella arbetsbelastningar. Broadcom hävdar upp till 40 % minskning av serverkostnaderna genom intelligent minnesnivåindelning, vilket möjliggör högre arbetsbelastningstäthet utan ytterligare hårdvara. Lagringseffektiviteten åtgärdas också genom förbättrade komprimerings- och dedupliceringstekniker i AI-datapipelines, vilket minskar den totala ägandekostnaden (TCO) med upp till 39 %.
Kubernetes-drift är ett annat fokusområde. Plattformen är utformad för att sänka driftskostnaderna med upp till 38 % samtidigt som skalbarheten och driftsättningshastigheten förbättras. Broadcom lyfter också fram operativa förbättringar, inklusive fyra gånger snabbare klusteruppgraderingar och en fördubbling av flottkapaciteten, vilket gör det möjligt för företag att skala AI-infrastruktur snabbare över distribuerade miljöer.
Enhetlig plattform för blandade arbetsbelastningar
VCF 9.1 fortsätter VMwares strävan mot en enhetlig infrastrukturmodell som stöder virtuella maskiner, containrar och AI-arbetsbelastningar på samma plattform. Detta inkluderar stöd för både GPU-accelererad inferens och CPU-tunga agentiska arbetsflöden, vilket återspeglar det växande behovet av att balansera heterogena beräkningskrav.
Plattformen utökar Kubernetes kapacitet genom att erbjuda större klusterskala, snabbare distributionstider och kortare uppgraderingsfönster än tidigare versioner. Dessa förbättringar är avsedda att stödja AI-tjänster i produktionsklass som kräver kontinuerlig tillgänglighet och minimal driftstopp.
De operativa verktygen har också förbättrats med nya observationsfunktioner som tillhandahåller mätvärden som tid till första token, tokengenomströmning och GPU-utnyttjande över flera acceleratortyper. Detta möjliggör mer detaljerad prestandajustering och kapacitetsplanering. Dessutom gör återanvändbara applikationsritningar det möjligt för team att standardisera distributioner av flera virtuella datorer och containerbaserade enheter, vilket minskar konfigurationsavvikelser mellan miljöer.
Hårdvaruflexibilitet och ekosystemintegration
Broadcom betonar stöd för öppna ekosystem i VCF 9.1, med kompatibilitet med flera acceleratorer för GPU:er som omfattar AMD- och NVIDIA-GPU:er, samt stöd för AMD- och Intel-processorer. Plattformen integrerar också med standardbaserade nätverkstekniker som EVPN och VXLAN, inklusive interoperabilitet med Arista Universal Cloud Network.
Denna metod gör det möjligt för företag att mixa och matcha hårdvara baserat på arbetsbelastningskrav och tillgänglighet, en viktig faktor med tanke på de pågående utbudsbegränsningarna på GPU-marknaden.
Automatisering och skalbar verksamhet
Automatisering är ett centralt tema i versionen. VCF 9.1 utökar funktionerna för flotthantering till att stödja upp till 5 000 värdar och inkluderar automatiserade livscykelåtgärder som minskar manuella ingrepp. Klusteruppgraderingar accelereras avsevärt, med stöd för distribuerade och luftgappade miljöer.
Fleranvändarmöjligheter förbättras också, vilket möjliggör isolering av AI-arbetsbelastningar mellan team eller kunder samtidigt som hög utnyttjandegrad av delade GPU- och CPU-resurser bibehålls. Detta är särskilt relevant för tjänsteleverantörer och stora företag som konsoliderar AI-infrastruktur.
Plattformen minskar ytterligare beroendet av externa enheter genom att integrera virtualiserade lastbalanserings- och säkerhetstjänster via VMware Avi Load Balancer och vDefend. Detta bidrar till att minska kapitalkostnader samtidigt som applikationens motståndskraft och livscykelautomation bibehålls.
Integrerad säkerhet och nollförtroendearkitektur
Säkerhet är inbyggd i VCF 9.1-infrastrukturen, med fokus på att skydda AI-modeller, träningsdata och inferenspipelines. Plattformen implementerar nollförtroendesegmentering över arbetsbelastningar, inklusive Kubernetes-miljöer, och introducerar distribuerad intrångsdetektering och -förebyggande med högkapacitetsinspektion.
Nya återställningsfunktioner för ransomware tillhandahåller isolerade återställningsmiljöer och valideringsverktyg, och integreras med CrowdStrike Falcons slutpunktssäkerhet. Denna metod är utformad för att skydda värdefulla AI-tillgångar samtidigt som data hålls lokaliserade för att uppfylla suveränitetskrav.
Funktioner för kontinuerlig efterlevnad automatiserar övervakning och åtgärd i enlighet med definierade policyer, vilket hjälper organisationer att upprätthålla revisionsberedskap utan ytterligare verktyg. Live-patchning minskar ytterligare den operativa risken genom att möjliggöra uppdateringar utan driftstopp i de flesta användningsfall, vilket stöder AI-tjänster som alltid är påslagna.
Vår syn: Stark plattformsutveckling, men inte standarddestinationen för AI
VMware Cloud Foundation 9.1 är ett logiskt steg framåt för Broadcom, särskilt eftersom de försöker ompositionera VMware som en gångbar plattform för företags-AI. Betoningen på privat moln, integrerad säkerhet och enhetliga operationer över virtuella maskiner, containrar och GPU:er ligger i linje med vad många stora organisationer efterfrågar när de flyttar inferensarbetsbelastningar närmare sina data.
Där berättelsen blir mer komplicerad är hur AI-infrastruktur faktiskt distribueras idag. Moderna distribuerade AI-pipelines byggs kring Kubernetes-first-arkitekturer, med alltmer modulär infrastrukturdesign som prioriterar flexibilitet och direkt åtkomst till accelererad beräkning. I dessa miljöer är VMware vanligtvis inte kontrollplanet, och blir i många fall ett ytterligare lager snarare än grunden.
Kostnad är en annan faktor som är svår att ignorera. Broadcom positionerar VCF 9.1 som ett sätt att minska infrastrukturkostnaderna genom effektivitetsvinster, men det argumentet stöter på fortsatta farhågor från företagskunder kring VMware-licensiering och total ägandekostnad. Denna spänning är särskilt synlig i mindre organisationer, där team som skulle kunna dra nytta av en mer integrerad plattform ofta är mest känsliga för licensförändringar och plattformslåsning. Större företag är däremot mer benägna att absorbera dessa kostnader och investera i dedikerad Kubernetes-expertis för att bygga och driva AI-infrastruktur i stor skala.
Det finns fortfarande en tydlig roll för VCF 9.1. Företag som redan är djupt investerade i VMware, särskilt de som prioriterar datastyrning, operativ konsekvens och privat infrastruktur, kan finna denna metod attraktiv för inferens och AI-tjänster i tidigt skede. Men för nya AI-implementeringar, eller team som rör sig i takt med nuvarande AI-ramverk, ligger tyngdpunkten fortfarande hos Kubernetes-nativa stackar och infrastruktur utformad specifikt för distribuerade AI-arbetsbelastningar.
Resultatet handlar mindre om att VMware blir destinationen för företags-AI, och mer om att VMware säkerställer att det förblir relevant i takt med att AI-arbetsbelastningar börjar landa inom företaget.
Amazon