Nutanix: Kiến trúc "lưỡng nguyên" giúp VM và container cùng tồn tại, bảo đảm chủ quyền dữ liệu trong kỷ nguyên AI

Trong nhiều năm, mô hình "một ngăn xếp duy nhất" từng là lựa chọn mặc định của doanh nghiệp khi muốn giải quyết bài toán tương thích giữa các hệ thống. Đổi lại sự đồng nhất và dễ quản lý, các nhà quản trị CNTT sẵn sàng hy sinh phần nào tính linh hoạt. Nhưng khi điện toán đa đám mây, phần cứng chuyên dụng, yêu cầu kinh doanh thay đổi liên tục và cuộc đua AI xuất hiện, "công thức vạn năng" ấy gần như đã bị gạt sang một bên.

Hạ tầng hiện đại ngày càng không đồng nhất

Hầu hết hệ thống CNTT doanh nghiệp hiện nay đều chấp nhận sự đa dạng công nghệ: có hệ thống do thiết kế, có hệ thống do tiêu chuẩn hóa, cũng có hệ thống do quán tính. Kết quả là môi trường vận hành trở nên phức tạp một cách cố hữu, với đủ loại phần mềm hệ thống, thiết bị phần cứng, dịch vụ đám mây và ứng dụng cũ chạy song song.

Sự phát triển của AI càng làm bức tranh thêm nhiều tầng lớp: CPU tiêu chuẩn, GPU chuyên dụng, hạ tầng mạng tốc độ cao, đường ống dữ liệu phân tán và các mô hình triển khai trải rộng từ đám mây riêng, đám mây công cộng đến biên (edge) — tất cả đều gắn với kỳ vọng hoàn vốn (ROI) ngày càng khắt khe.

Rạn nứt giữa máy ảo và container

Một hệ quả khó tránh của quá trình triển khai AI nhanh chóng là cái gọi là "ranh giới VM – container". Các ứng dụng nghiệp vụ quan trọng được kỳ vọng sẽ chuyển sang container vẫn tiếp tục chạy trên máy ảo, trong khi các dịch vụ cloud-native lại được ưu tiên, chiếm lấy nguồn lực container và Kubernetes. Doanh nghiệp vì thế đứng trước thế tiến thoái lưỡng nan: triển khai AI mà không phải ép buộc di trú phức tạp hay tạo thêm silo hạ tầng mới.

Chạy hai ngăn xếp riêng rẽ cho VM và container kéo theo hàng loạt hệ lụy: kế hoạch dung lượng trùng lặp, hợp đồng hỗ trợ tách rời, quản trị bị phân mảnh. Sau nhiều năm nỗ lực thoát khỏi tình trạng dữ liệu bị chia cắt, nhiều doanh nghiệp lại rơi vào cảnh hạ tầng bị chia cắt.

"AI đang thúc đẩy quá trình chuyển dịch sang container, bởi các mô hình học máy đòi hỏi đóng gói phụ thuộc nghiêm ngặt, trong khi ứng dụng và dữ liệu quan trọng vẫn nằm rải rác ở cả môi trường ảo hóa lẫn container." — Harsha Kotikela, Giám đốc cấp cao phụ trách Tiếp thị Sản phẩm & Giải pháp tại Nutanix

Theo Kotikela, các tác nhân AI (AI agent) vốn mang tính đa tầng: suy luận (inference) thường tốn GPU và chạy trên container, còn bản thân tác nhân thường tốn CPU và cũng chạy trên container, trong khi ứng dụng và dữ liệu doanh nghiệp hiện hữu phần lớn nằm trong môi trường VM. Thách thức là kết nối các tầng này để tác nhân có thể làm việc với ứng dụng và dữ liệu mà không buộc phải di trú hay tạo thêm silo.

Việc quản lý tách rời VM và container còn dẫn tới sử dụng tài nguyên kém hiệu quả, gây ra tình trạng "dung lượng mắc kẹt" — tài nguyên đã đầu tư nhưng không dùng được cho khối lượng công việc đang chạy. Cụm VM thường bị lãng phí trong khi các bể container (như Kubernetes) lại được cấp phát dư thừa, không có cách chia sẻ tài nguyên dễ dàng nếu không can thiệp thủ công.

Tác nhân AI cần một mô hình vận hành thống nhất

Sự phân mảnh hạ tầng còn tạo nút thắt vận hành đối với AI tác tử (agentic AI). Khi các tác nhân AI không thể tự chủ giao tiếp giữa các môi trường, giá trị của chúng tụt từ những cỗ máy giải quyết vấn đề độc lập xuống thành các macro cục bộ đơn thuần.

Khảo sát Enterprise Cloud Index mới nhất của Nutanix cho thấy 85% lãnh đạo CNTT tin rằng AI đang đẩy nhanh việc áp dụng container một cách đáng kể, trong đó 29% cho rằng tốc độ này diễn ra "ở mức rất lớn".

Tuy nhiên, Kotikela phản bác quan điểm cho rằng tình thế này là bế tắc. Theo ông, mục tiêu không phải là né tránh sự không đồng nhất, mà là làm cho các môi trường không đồng nhất vận hành nhất quán dựa trên các chính sách có chủ đích. Đây chính là nơi kiến trúc dual-native của Nutanix phát huy vai trò, cho phép vận hành AI tác tử trên khối lượng công việc suy luận và tác nhân dựa trên container, song song với ứng dụng và dữ liệu trên VM.

Thực tế cho thấy xu hướng chuyển từ VM sang container diễn ra khá chậm. Rất ít doanh nghiệp bắt đầu lại từ đầu với container; phần lớn có sẵn ứng dụng nghiệp vụ lâu năm trên nền tảng cũ, rồi xây dựng thêm ứng dụng container bên trên mà không thay thế những gì đang chạy trên VM.

Nền tảng Nutanix Cloud Platform và hệ sinh thái AI

Nutanix cung cấp kiến trúc dual-native có quản trị thông qua Nutanix Cloud Platform (NCP), cho phép chạy đồng thời VM truyền thống và khối lượng công việc AI dựa trên container/Kubernetes trên một hạ tầng nhất quán. Nền tảng hybrid-cloud này hợp nhất tính toán, lưu trữ, ảo hóa và quản lý xuyên suốt từ hạ tầng tại chỗ, đám mây công cộng đến biên.

Song hành với NCP là Nutanix Enterprise AI (NAI), cung cấp năng lực phần mềm để triển khai, quản trị và mở rộng khối lượng công việc AI. Kotikela nhấn mạnh vai trò của các đối tác công nghệ: Nutanix hợp tác với NVIDIA để cung cấp nền tảng tích hợp cho AI doanh nghiệp, kết hợp hạ tầng hybrid-cloud của Nutanix với điện toán tăng tốc và phần mềm AI của NVIDIA. NAI tích hợp với các microservice NVIDIA NIM và NeMo để hỗ trợ suy luận AI và quy trình AI tác tử.

Bên cạnh đó, Nutanix Kubernetes Platform đóng vai trò nền tảng quản lý môi trường Kubernetes, còn Nutanix Unified Storage đáp ứng nhu cầu truy cập dữ liệu hiệu năng cao cho khối lượng công việc AI.

Kiểm soát, minh bạch và chủ quyền dữ liệu

Theo Kotikela, giai đoạn tiếp theo của AI tác tử sẽ được đo bằng khả năng vận hành các tác nhân với sự quản trị, khả năng quan sát và kiểm soát. Phiên bản NAI 2.8 bổ sung các năng lực kiểm soát và quản trị mới thông qua Nutanix Agent Gateway và Nutanix Private Inference, cho phép doanh nghiệp chạy AI trên cả VM lẫn container, kết nối các mô hình ngôn ngữ lớn trên đám mây công cộng với mô hình tự vận hành riêng tư, và triển khai AI ngay tại nơi dữ liệu đang nằm.

Đây là điểm đáng chú ý với doanh nghiệp Việt Nam, đặc biệt trong các lĩnh vực ngân hàng, tài chính, y tế và khu vực công — nơi yêu cầu về chủ quyền dữ liệu và tuân thủ quy định bảo vệ dữ liệu cá nhân ngày càng chặt chẽ. Khả năng chạy mô hình AI ngay tại chỗ, kết hợp linh hoạt giữa mô hình mã nguồn mở và mô hình tiên tiến, giúp các tổ chức cân bằng giữa chi phí, hiệu năng và yêu cầu kiểm soát dữ liệu.

"Khách hàng nói với tôi rằng họ muốn tự do lựa chọn giữa mô hình tiên tiến và mã nguồn mở dựa trên hiệu năng và chi phí, cũng như linh hoạt chạy AI trên đám mây để thử nghiệm rồi chuyển về tại chỗ khi cần kiểm soát dữ liệu tốt hơn hoặc có yêu cầu về chủ quyền." — Harsha Kotikela

Bài toán vận hành vẫn là thách thức lớn nhất

Với Kotikela, thách thức lớn nhất phía trước là vận hành hóa AI tác tử — tập hợp tất cả thành phần cần thiết từ GPU, hạ tầng nền tảng, Kubernetes, mô hình AI, công cụ suy luận đến gateway, để chúng phối hợp liền mạch xuyên đám mây, tại chỗ và biên. Việc tích hợp và vận hành kiến trúc đa tầng này đòi hỏi nhiều thời gian, công sức từ đội ngũ phát triển, kiến trúc sư CNTT và hạ tầng, làm phân tán nguồn lực khỏi mục tiêu tạo ra giá trị kinh doanh.

Đó cũng là lý do Nutanix định vị mình ở vai trò "làm phần việc nặng" — kết nối các thành phần hạ tầng và phần mềm cần thiết để chạy AI tác tử trong một mô hình vận hành thống nhất trên các môi trường hybrid, để đội ngũ CNTT tập trung vào việc khai thác AI thay vì loay hoay tích hợp ngăn xếp bên dưới.