博通公司发布了 VMware Cloud Foundation 9.1，将该平台定位为专为生产级 AI 工作负载优化的私有云基础架构。此次更新重点在于更紧密地集成 AI 和 Kubernetes，扩展对 AMD、Intel 和 NVIDIA 等硬件的支持，并嵌入专为企业级 AI 部署而设计的安全功能。此次更新的目标用户是运行推理和新兴智能体 AI 应用的组织，尤其注重成本控制、基础架构灵活性和数据治理。
Radius Tech与博通公司合作编制了《2026年私有云展望》数据。这项全球调查涵盖了企业组织中的1,800名IT决策者。
该公司还分享了即将发布的《2026 年私有云展望》报告的初步调查结果，表明生产级人工智能正持续向私有云迁移。根据预览数据，56% 的企业正在或计划在私有环境中运行推理工作负载，而公有云中这一比例为 41%，同比下降。成本问题仍然是主要驱动因素，62% 的 IT 领导者表示生成式人工智能基础设施成本是一个主要问题。此外，36% 的受访者表示，人工智能的普及带来了数据保护、隐私和风险管理方面的新需求。
博通公司VMware云基础架构部门高级副总裁兼总经理Krish Prasad强调了企业在采用人工智能时面临的三大挑战：数据和知识产权隐私问题、不断上涨的基础设施成本以及对智能体人工智能的准备情况。他着重指出，VCF 9.1提供了一个统一的平台，通过为私有人工智能提供先进的基础设施、实现零信任安全、通过智能基础设施选择优化成本以及在单一平台上支持智能体工作流和加速推理，从而有效应对了这些问题。
成本和基础设施效率
VCF 9.1 引入了多项基础架构优化，旨在提升混合型 AI 和传统工作负载的资源效率。博通声称，通过智能内存分层技术，服务器成本最多可降低 40%，从而无需额外硬件即可实现更高的工作负载密度。此外，通过增强 AI 数据管道中的压缩和去重技术，存储效率也得到了提升，总体拥有成本 (TCO) 最多可降低 39%。
Kubernetes 运维是另一个重点领域。该平台旨在降低高达 38% 的运维开销，同时提升可扩展性和部署速度。博通还重点介绍了运维方面的改进，包括集群升级速度提升四倍以及集群容量翻倍，从而使企业能够在分布式环境中更快地扩展 AI 基础设施。
适用于混合工作负载的统一平台
VCF 9.1 延续了 VMware 致力于构建统一基础架构模型的战略，该模型支持在同一平台上运行虚拟机、容器和 AI 工作负载。这包括同时支持 GPU 加速推理和 CPU 密集型代理工作流，体现了平衡异构计算需求的日益增长的必要性。
该平台扩展了 Kubernetes 的功能，相比早期版本，它提供了更大的集群规模、更快的部署速度和更短的升级窗口。这些改进旨在支持需要持续可用性和最短停机时间的生产级 AI 服务。
运维工具也得到了增强，新增了可观测性功能，可提供诸如首次令牌获取时间、令牌吞吐量以及跨多种加速器类型的 GPU 利用率等指标。这使得更精细的性能调优和容量规划成为可能。此外，可重用的应用程序蓝图允许团队标准化多虚拟机和基于容器的部署，从而减少不同环境间的配置偏差。
硬件灵活性和生态系统集成
博通在 VCF 9.1 中强调了对开放生态系统的支持，其多加速器 GPU 兼容性涵盖 AMD 和 NVIDIA GPU，并支持 AMD 和 Intel CPU。该平台还集成了基于标准的网络技术，例如 EVPN 和 VXLAN，包括与 Arista 通用云网络的互操作性。
这种方法允许企业根据工作负载需求和可用性来混合搭配硬件，考虑到 GPU 市场持续的供应限制，这是一个重要的考虑因素。
自动化和可扩展运营
自动化是此次发布的核心主题。VCF 9.1 扩展了集群管理功能，最多可支持 5,000 台主机，并包含可减少人工干预的自动化生命周期操作。集群升级速度显著提升，并支持分布式和物理隔离环境。
多租户功能也得到了增强，能够在团队或客户之间隔离 AI 工作负载，同时保持共享 GPU 和 CPU 资源的高效利用。这对于整合 AI 基础设施的服务提供商和大型企业尤为重要。
该平台通过 VMware Avi Load Balancer 和 vDefend 集成虚拟化负载均衡和安全服务，进一步降低了对外部设备的依赖。这有助于降低资本支出，同时保持应用程序的弹性和生命周期自动化。
集成安全和零信任架构
VCF 9.1 基础架构内置安全功能，重点保护 AI 模型、训练数据和推理管道。该平台在包括 Kubernetes 环境在内的各种工作负载中实施零信任分段，并引入了具有高吞吐量检测能力的分布式入侵检测和防御机制。
全新的勒索软件恢复功能提供隔离的恢复环境和验证工具，并与 CrowdStrike Falcon 端点安全解决方案集成。此方案旨在保护高价值人工智能资产，同时保持数据本地化以满足主权要求。
持续合规功能可根据既定策略自动执行监控和修复，帮助组织无需额外工具即可保持审计就绪状态。实时补丁功能在大多数情况下无需停机即可进行更新，从而进一步降低运营风险，并支持始终在线的 AI 服务。
我们的观点：平台发展强劲，但并非人工智能的默认目的地
VMware Cloud Foundation 9.1 对博通而言是顺理成章的一步，尤其是在博通试图将 VMware 重新定位为企业级 AI 的可行平台之际。该版本强调私有云、集成安全性和跨虚拟机、容器和 GPU 的统一运维，这与许多大型企业将推理工作负载迁移到更靠近数据的位置的需求不谋而合。
问题的关键在于如今人工智能基础设施的实际部署方式。现代分布式人工智能流水线基于 Kubernetes 优先架构构建，采用日益模块化的基础设施设计，优先考虑灵活性和对加速计算的直接访问。在这些环境中，VMware 通常不再作为控制平面，在很多情况下，它更像是一个附加层，而非基础架构。
成本是另一个不容忽视的因素。博通将 VCF 9.1 定位为通过提高效率来降低基础设施支出的一种方式，但企业客户对 VMware 许可和总体拥有成本的担忧却与此论点相悖。这种矛盾在规模较小的组织中尤为明显，因为那些能够从更集成化的平台中受益的团队往往对许可变更和平台锁定最为敏感。相比之下，大型企业更有可能承担这些成本，并投资于专门的 Kubernetes 专业知识，以大规模构建和运营 AI 基础设施。
VCF 9.1 仍然具有明确的市场地位。对于那些已经深度投资 VMware 的企业，尤其是那些优先考虑数据治理、运营一致性和私有基础设施的企业而言，这种方法对于推理和早期 AI 服务来说可能极具吸引力。但对于全新的 AI 部署，或者那些需要跟上当前 AI 框架步伐的团队来说，重心仍然在于专为分布式 AI 工作负载设计的 Kubernetes 原生堆栈和基础设施。
其结果与其说是 VMware 成为企业 AI 的首选平台，不如说是 VMware 确保随着 AI 工作负载开始在企业内部部署，自身仍然具有相关性。
Amazon