Cloudera i VAST Data ogłosiły strategiczne partnerstwo, które ma dać firmom jedną „fabrykę AI” działającą tak samo we własnej serwerowni, jak i w chmurze publicznej. Obie strony obiecują rzecz przyziemną i kosztowną: koniec z akceleratorami graficznymi, które stoją bezczynnie i czekają, aż ktoś poda im dane.
Kluczowe fakty:
- Cloudera i VAST Data ogłosiły partnerstwo mające na celu stworzenie zunifikowanej platformy AI działającej zarówno w prywatnych centrach danych, jak i w chmurze publicznej, opierającej się na architekturze referencyjnej NVIDIA AI Data Platform.
- VAST Data wnosi do współpracy architekturę Disaggregated Shared Everything, obsługę baz wektorowych z wykorzystaniem NVIDIA cuVS oraz pamięć masową zoptymalizowaną pod klastry GPU, natomiast Cloudera dostarcza warstwę inżynierii danych, analityki i uczenia maszynowego w modelu lakehouse.
- Wspólne rozwiązanie obejmuje m.in. Cloudera AI Inference Service wspierany mikroserwisami NVIDIA NIM oraz przyspieszanie zadań Apache Spark przez NVIDIA cuDF, co ma umożliwić szybsze przetwarzanie danych bez konieczności przepisywania kodu przez klientów.
Komunikat ukazał się 14 lipca 2026 roku w San Jose i Nowym Jorku, polskojęzyczna wersja materiału dotarła do redakcji na początku sierpnia. Techniczna treść jest identyczna: nowa generacja usług danych Cloudera w architekturze lakehouse zostaje połączona z systemem operacyjnym VAST AI Operating System, a całość opiera się na architekturze referencyjnej NVIDIA AI Data Platform.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Co dokładnie łączą obie firmy
Cloudera wnosi warstwę, którą zna każdy zespół pracujący z dużymi zbiorami danych: inżynierię danych, przetwarzanie strumieniowe, analitykę, uczenie maszynowe i nadzór nad informacjami, w formie usług przenośnych między centrum danych, chmurą prywatną i publiczną. VAST Data wnosi fundament, czyli architekturę Disaggregated Shared Everything, obsługę baz wektorowych z wykorzystaniem NVIDIA cuVS oraz pamięć masową zoptymalizowaną pod klastry GPU.
Wspólne rozwiązanie ma zapewnić:
- pełną ścieżkę od pozyskania surowych danych do wdrożenia modelu w środowisku produkcyjnym
- ten sam sposób pracy niezależnie od tego, gdzie fizycznie leżą dane
- przepływ informacji na tyle szybki, żeby procesory graficzne nie przestawały liczyć
- obsługę danych uporządkowanych, nieustrukturyzowanych i multimodalnych w dużej skali
- środowiska prywatnej i suwerennej AI z kontrolą dostępu i zgodnością regulacyjną
Do tego dochodzi Cloudera AI Inference Service wspierany mikroserwisami NVIDIA NIM oraz przyspieszanie zadań Apache Spark przez NVIDIA cuDF. W praktyce to zapowiedź, że zadania inżynierii danych mają przyspieszyć bez przepisywania kodu przez klienta.
Głód danych, czyli problem, o którym mało kto mówi głośno
Przez dwa lata branża traktowała niedobór kart graficznych jako główną bolączkę sztucznej inteligencji. Teraz problem odwrócił się o sto osiemdziesiąt stopni. Z raportu Cast AI „2026 State of Kubernetes Optimization Report”, opartego na telemetrii z około 23 tysięcy klastrów w AWS, Azure i GCP, wynika, że średnie wykorzystanie GPU w środowiskach firmowych wynosi 5 procent. Reszta czeka. Gartner szacuje, że w 2026 roku same nowe wydatki na infrastrukturę AI sięgną 401 miliardów dolarów. Przy takich kwotach pięcioprocentowe wykorzystanie przestaje być tematem dla inżynierów, a staje się tematem dla dyrektora finansowego.
Abhas Ricky, Chief Business Officer i General Manager ds. Applied AI w Cloudera, ujmuje to wprost: „Przedsiębiorstwa inwestują miliardy w układy GPU, jednak wiele z nich nie potrafi w pełni ich wykorzystać z powodu wąskich gardeł w dostępie do danych” / „Enterprises are investing billions in GPUs, yet many struggle to achieve full utilization due to data bottlenecks”.
Jeff Denworth, współzałożyciel VAST Data, dokłada drugą połowę diagnozy: „Większość przedsiębiorstw ma już dane, których potrzebuje do AI” / „Most enterprises already have the data they need for AI”. Wyzwaniem jest uwolnienie ich wartości i zbudowanie ciągłego procesu obejmującego wnioskowanie, dostrajanie modeli i analizę danych.
Sprawdziłem oba komunikaty i muszę przyznać, że problem został nazwany trafnie. Firmy kupiły sprzęt, zanim ustawiły przepływ danych, i teraz płacą za powietrze. Tylko że diagnoza pochodzi od dwóch podmiotów, które sprzedają lekarstwo. Warstwa danych bywa realnym wąskim gardłem, ale przy pięciu procentach średniego wykorzystania GPU winne są też złe planowanie pojemności, rezerwowanie mocy na zapas i klastry włączone przez całą dobę bez powodu. Żaden system operacyjny dla AI tego nie naprawi.
Druga rzecz, którą obserwuję z rosnącą nieufnością, to samo słowo „fabryka AI”. Trzy lata temu wszyscy budowali jeziora danych, potem lakehouse’y, teraz fabryki. Za każdym razem chodzi o to samo: uporządkować dane i podłączyć do nich obliczenia. Nazwy się zmieniają szybciej niż architektura.
Uczciwie jednak przyznam, że jeden element tej układanki uważam za mocny. Możliwość uruchomienia identycznego środowiska we własnej serwerowni i w chmurze publicznej to w Europie 2026 roku argument regulacyjny, nie marketingowy. Pytanie, które zadałbym na miejscu klienta, brzmi inaczej: ile kosztuje wyjście z takiej architektury po trzech latach?
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Kto na tym zarabia
Partnerstwo łączy 60 eksabajtów danych zarządzanych przez klientów obu firm. To liczba, którą warto czytać jako miarę zasięgu handlowego, a nie wydajności technicznej.
Kontekst finansowy VAST Data robi wrażenie. W kwietniu 2026 roku firma zamknęła rundę Series F przy wycenie 30 miliardów dolarów, ponad trzykrotnie wyższej niż 9,1 miliarda z rundy Series E z końca 2023 roku. Transakcja objęła kapitał pierwotny i wtórny o łącznej wartości około miliarda dolarów, rundę poprowadziły Drive Capital i Access Industries, a wśród inwestorów znalazły się NVIDIA, Fidelity i NEA. Spółka podała przy tej okazji ponad 4 miliardy dolarów skumulowanych zamówień i ponad 500 milionów dolarów zakontraktowanych przychodów rocznych. Na liście klientów są między innymi CoreWeave, Mistral, xAI, Cursor i amerykańskie siły powietrzne.
Cloudera wchodzi w to partnerstwo z zupełnie innej pozycji. To weteran ery big data, który ostatnie lata spędził na przekonywaniu rynku, że hybrydowa platforma danych ma sens w świecie zdominowanym przez największych operatorów chmury. Sojusz z najgorętszą spółką warstwy infrastrukturalnej wygląda jak próba przypięcia się do właściwej fali.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Co to oznacza dla polskich firm
Tu robi się ciekawiej, niż sugerowałby amerykański komunikat prasowy. Polska ma dziś największy rynek centrów danych w Europie Środkowo-Wschodniej. Według analiz PMR Market Experts moc komercyjnych obiektów przekroczyła 200 MW, co odpowiada za ponad jedną trzecią potencjału całego regionu, a prognozy mówią o przekroczeniu 600 MW przed końcem dekady. Skumulowana wartość inwestycji w budowę centrów danych w latach 2019 do 2025 sięgnęła 5 miliardów złotych, a na rynku zapowiedziano ponad dwadzieścia kolejnych projektów. Z badań PMR wynika też, że 61 procent polskich firm korzysta już z usług centrów danych w szerokim rozumieniu, a 40 procent planuje zwiększyć wydatki w tym obszarze.
Do tego dochodzi warstwa publiczna. W Poznańskim Centrum Superkomputerowo-Sieciowym powstaje PIAST-AI, pierwsza polska fabryka AI finansowana z EuroHPC JU i budżetu państwa, z budżetem 100 milionów euro i ponad tysiącem kart graficznych. Kompleksowe usługi mają ruszyć w trzecim kwartale 2026 roku. Druga fabryka, Gaia AI Factory, powstaje w Krakowie. Polskie firmy dostaną więc w tym roku dostęp do lokalnej mocy obliczeniowej, której wcześniej nie miały.
I właśnie dlatego temat wąskiego gardła w danych jest dla polskiego czytelnika czymś więcej niż ciekawostką z San Jose. Jeśli krajowe przedsiębiorstwo dostanie przydział na klastrze PIAST-AI albo wynajmie moc w warszawskim centrum danych, a jego dane leżą rozproszone w kilku systemach bez uporządkowanego nadzoru, to zapłaci za godziny obliczeniowe, które nic nie policzą. Rozwiązanie Cloudera i VAST Data adresuje dokładnie ten problem, choć nie jest jedynym na rynku.
Osobno stoi kwestia regulacyjna. Sierpień 2026 to moment, w którym firmy w Unii Europejskiej muszą już poważnie traktować obowiązki wynikające z AI Act, a jednocześnie mierzyć się z RODO i wymogami NIS2 w zakresie bezpieczeństwa infrastruktury. Możliwość trzymania danych i modeli we własnym środowisku, przy zachowaniu tego samego sposobu pracy co w chmurze, przestaje być kwestią preferencji architekta. Staje się kwestią zgodności. Obie firmy to rozumieją i dlatego w komunikacie tak często pada określenie „suwerenna AI”.
Czy to wystarczy, żeby polski bank albo ubezpieczyciel podpisał kontrakt na tak złożoną platformę? Nie sądzę, żeby decydował sam argument techniczny. Zdecyduje rachunek: ile kosztuje utrzymanie własnej fabryki AI wobec ceny wynajmu mocy u największych operatorów chmury i jak długo trwa zwrot z inwestycji. Na to pytanie żaden komunikat prasowy nie odpowiada.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz materiałów źródłowych, w tym oficjalnego komunikatu prasowego VAST Data z dnia 14.07.2026, komunikatu Cloudera oraz doniesień CNBC na temat rundy Series F firmy VAST Data. Wykorzystano również dane z raportu Cast AI „2026 State of Kubernetes Optimization Report”, prognozy Gartnera dotyczące wydatków na infrastrukturę AI, publikacje branżowe HPCwire, BigDATAwire i StorageNewsletter, analizy PMR Market Experts oraz informacje Poznańskiego Centrum Superkomputerowo-Sieciowego o projekcie PIAST-AI. Cytaty Abhasa Ricky’ego (Cloudera) i Jeffa Denwortha (VAST Data) zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o architekturach referencyjnych i wdrożeniach wspólnego rozwiązania Cloudera i VAST Data.
