NTT DATA oraz Nvidia ogłosiły strategiczne rozszerzenie współpracy, którego celem jest uruchomienie korporacyjnych „fabryk AI” (AI factories). Inicjatywa ta ma pomóc organizacjom w przejściu z fazy eksperymentalnych projektów pilotażowych do pełnoskalowych wdrożeń produkcyjnych przy zachowaniu wysokiego zwrotu z inwestycji (ROI).
Najważniejsze w skrócie
- Cel projektu: Dostarczenie pełnego stosu technologicznego (full-stack) do budowy i zarządzania infrastrukturą AI w środowiskach chmurowych, lokalnych i brzegowych.
- Fundament technologiczny: Wykorzystanie procesorów Nvidia oraz mikroserwisów NeMo i NIM do tworzenia agentycznych systemów AI.
- Kluczowi partnerzy: W projekcie uczestniczą także Dell Technologies oraz Microsoft, wspierając wdrożenia w sektorach ochrony zdrowia i motoryzacji.
- Wartość rynkowa: NTT DATA, jako globalny gigant o wartości ponad $30 billion (ok. 120 mld zł), pozycjonuje się jako jedyny dostawca usług IT aktywny we wszystkich ścieżkach partnerskich Nvidii.
Architektura fabryki: Od infrastruktury po mikroserwisy
Współczesne przedsiębiorstwa borykają się z problemem „rozproszonych silosów AI”, gdzie modele są trenowane w izolacji, co utrudnia ich integrację z realnymi procesami biznesowymi. NTT DATA proponuje rozwiązanie tego problemu poprzez model „AI factory”. Nie jest to jedynie centrum danych, ale zintegrowany ekosystem operacyjny łączący dane, infrastrukturę, przepływy pracy (workflows) oraz zarządzanie (governance).
Sercem inicjatywy jest integracja platformy GenAI z zaawansowanym oprogramowaniem od Nvidii. Wykorzystanie Nvidia NeMo pozwala firmom na budowanie i personalizację modeli, podczas gdy Nvidia NIM (Nvidia Inference Microservices) dostarcza zoptymalizowane kontenery, które przyspieszają wdrażanie aplikacji AI na standardowych interfejsach API.
Jak podkreślił Abhijit Dubey, CEO NTT DATA, Inc., wizjonerskie przedsiębiorstwa nie szukają już tylko narzędzi, ale partnerów zdolnych do przeprojektowania całych procesów typu end-to-end. Z perspektywy technicznej, kluczowe jest tu oparcie o Physical AI, co pozwala na łączenie cyfrowej inteligencji z fizyczną infrastrukturą przedsiębiorstwa.
Realne wdrożenia: Medycyna, motoryzacja i produkcja
Współpraca NTT DATA i Nvidii nie ogranicza się do teoretycznych założeń. Artykuły publikowane m.in. przez Business Wire oraz CRN wskazują na konkretne przypadki użycia, które już funkcjonują na rynku:
- Ochrona zdrowia: We współpracy z firmą Dell, NTT DATA wdraża systemy Nvidia HGX w szpitalach onkologicznych. Rozwiązania te wspierają szybką analizę obrazów radiologicznych oraz ewaluację modeli diagnostycznych w czasie rzeczywistym.
- Motoryzacja: Globalny dostawca części samochodowych wykorzystał architekturę AI factory do modernizacji fabryk. Dzięki zastosowaniu procesorów graficznych jako usługi (GPU-as-a-Service), czas konfiguracji linii produkcyjnej został skrócony z miesięcy do dni.
- Produkcja zaawansowana: Wykorzystanie Sim2Real (Simulation to Reality) pozwala na testowanie logistyki materiałowej i scenariuszy operacyjnych w środowisku 3D przed fizycznym uruchomieniem fabryki, co znacząco redukuje ryzyko inwestycyjne.
Kontekst rynkowy i porównanie technologii
Podejście NTT DATA wyróżnia się na tle tradycyjnych metod wdrażania AI, które często opierały się na pojedynczych instancjach NVIDIA H100 kupowanych w modelu chmurowym bez głębokiej integracji programowej.
| Cecha | Tradycyjne podejście (Cloud AI) | Model AI Factory (NTT DATA/Nvidia) |
|---|---|---|
| Integracja | Luźne powiązanie usług chmurowych | Pełny stos (HW, SW, Governance) |
| Skalowalność | Trudna przy przejściu z PoC do produkcji | Natywna, dzięki mikroserwisom NIM |
| Lokalizacja | Głównie chmura publiczna | Hybrydowa: Cloud, On-premise, Edge |
| Zarządzanie | Często rozproszone w silosach | Zunifikowane ramy operacyjne |
Dla porównania, konkurencyjne rozwiązania, takie jak te oferowane przez Amazon Web Services (AWS) z układami Trainium i Inferentia, kładą większy nacisk na optymalizację kosztową wewnątrz własnej chmury. NTT DATA stawia natomiast na agnostyczność lokalizacyjną, co jest kluczowe dla firm z sektora przemysłowego, które muszą przetwarzać dane blisko linii produkcyjnej (Edge AI).
Dlaczego to ważne?
Wkroczenie NTT DATA i Nvidii w etap „fabryk AI” to sygnał, że branża technologiczna kończy okres zachwytu nad samym generowaniem tekstu czy obrazów, a zaczyna koncentrować się na operacjonalizacji sztucznej inteligencji w ciężkim przemyśle i usługach krytycznych. Z perspektywy biznesowej, najważniejszym aspektem tej współpracy jest próba rozwiązania tzw. „pułapki pilotażu” (pilot purgatory), w której według danych branżowych utyka nawet 80% projektów AI.
Inicjatywa ta ma kluczowe znaczenie dla ROI, ponieważ standaryzuje sposób, w jaki dane są wprowadzane do modeli i jak te modele komunikują się z systemami ERP czy liniami produkcyjnymi. Integracja z Nvidia NeMo i NIM sugeruje, że przyszłość korporacyjnego AI będzie oparta na małych, wyspecjalizowanych mikroserwisach, a nie na jednym, uniwersalnym modelu LLM. Dla rynku IT to także potwierdzenie dominacji Nvidii nie tylko jako dostawcy krzemu, ale jako twórcy całego ekosystemu oprogramowania, bez którego nowoczesne Digital Transformation staje się niemożliwe. To strategiczne przesunięcie w stronę „agentycznego AI”, które potrafi samodzielnie wnioskować i działać wewnątrz struktur korporacyjnych.
Co dalej?
- Ekspansja na rynki lokalne: Oczekuje się, że NTT DATA zacznie wdrażać te modele w swoich centrach danych na całym świecie, oferując „AI-as-a-Service” z gwarancją suwerenności danych.
- Rozwój agentów AI: Kolejnym krokiem będzie głębsza integracja z technologiami takimi jak GROOT, co może przynieść autonomiczne systemy sterowania w robotyce przemysłowej.
- Certyfikacja i standardy: Prawdopodobne jest pojawienie się nowych standardów certyfikacji dla „bezpiecznego AI”, co NTT DATA już teraz promuje jako element swojego modelu zarządzania.
Źródła
- Nvidia – Generative AI for Enterprises – https://www.nvidia.com/en-us/ai-data-science/generative-ai/
