NetApp ha acquisito DataPelago, società californiana di infrastruttura dati per l'intelligenza artificiale, con l'obiettivo di avvicinare l'elaborazione accelerata dei dati al punto in cui le informazioni aziendali vengono create e archiviate.
La società ha affermato che l'acquisizione amplia il suo portafoglio allineando l'elaborazione accelerata da GPU con il livello di storage. I termini finanziari non sono stati resi noti, e NetApp non ha fornito un calendario specifico per l'integrazione della tecnologia di DataPelago.
DataPelago è nota per Nucleus, un motore universale di elaborazione dati progettato per operare su CPU e GPU e processare le informazioni nel luogo in cui risiedono. Secondo NetApp, questo approccio può ridurre la necessità di copiare i dati operativi in sistemi AI separati o in cluster di calcolo esterni.
La logica strategica è legata a un collo di bottiglia crescente nella diffusione dell'AI in ambito enterprise. Mentre le aziende investono in modelli e processori grafici, la capacità di preparare, governare e attivare dati frammentati è diventata un limite per portare i carichi AI in produzione.
NetApp ha dichiarato che DataPelago opererà come controllata interamente posseduta dopo l'acquisizione. L'annuncio colloca inoltre l'operazione in una spinta più ampia di NetApp per rafforzare il proprio business di infrastruttura dati intelligente, dopo partnership con Cisco, Google Cloud, Red Hat e SK Telecom.
L'acquisizione offre a NetApp un asset tecnologico in una delle aree più contese dell'infrastruttura enterprise: ridurre la distanza tra dati archiviati e calcolo accelerato. Per i clienti, il valore promesso è una minore movimentazione dei dati, un'elaborazione più rapida e un percorso più diretto dagli ambienti storage ai casi d'uso di AI e analytics.
La società ha presentato la transazione come parte del suo impegno per rendere i dati aziendali pronti per l'AI al livello dell'infrastruttura. La prossima prova sarà capire come NetApp trasformerà il motore di elaborazione di DataPelago in capacità di prodotto senza estendere eccessivamente le affermazioni su prestazioni, riduzione dei costi o tempi di implementazione.
