Durante décadas, a virtualização ajudou empresas a aproveitar melhor seus servidores. Em vez de dedicar uma máquina física para cada aplicação, era possível dividir CPU, memória e armazenamento entre várias máquinas virtuais, com gerenciamento centralizado e custos mais previsíveis.
Esse modelo continua sendo adequado para muitas aplicações corporativas, mas, o problema é que a inteligência artificial introduziu cargas de trabalho com características bastante diferentes.
Treinar modelos, executar inferência em escala e processar grandes volumes de dados exige uma combinação muito mais intensa de processamento, GPUs, memória, rede e armazenamento. Por isso, as cargas de trabalho de IA estão fazendo empresas reavaliarem decisões de infraestrutura que pareciam consolidadas.
Por que a IA desafia a virtualização tradicional?
A virtualização tradicional foi desenvolvida principalmente pensando em cargas de CPU e memória relativamente previsíveis. Uma aplicação pode precisar de alguns núcleos, outra de mais memória e outra de maior desempenho de armazenamento, enquanto o hipervisor distribui esses recursos entre as VMs.
Com as cargas de trabalho de IA, a situação muda.
Um treinamento pode utilizar GPUs durante horas ou dias e movimentar grandes volumes de dados continuamente. Se o armazenamento não conseguir fornecer os dados na velocidade necessária, uma GPU poderosa pode simplesmente ficar esperando.
Por isso, apenas adicionar mais GPUs ou servidores nem sempre resolve o problema, recursos de computação, armazenamento e rede precisam trabalhar de maneira coordenada.
O armazenamento, em particular, pode facilmente se tornar um gargalo. Sistemas de IA geram e consomem dados em volumes muito maiores do que muitas aplicações corporativas tradicionais. Nesse cenário, além da capacidade total, o throughput, ou seja, a quantidade de dados que o sistema consegue movimentar continuamente, passa a ser fundamental.
Essa mudança também afeta a forma como os recursos de GPU são administrados, já que uma infraestrutura preparada para IA precisa considerar mecanismos de compartilhamento, isolamento e agendamento desses aceleradores, além dos recursos tradicionais de CPU e memória.
De três camadas para uma infraestrutura mais integrada
Em arquiteturas tradicionais, computação, armazenamento e rede podem ser tratados como camadas relativamente independentes. Isso oferece flexibilidade, mas também pode criar gargalos quando uma aplicação depende da interação intensa entre todos esses componentes.
Uma infraestrutura preparada para IA precisa olhar para esse conjunto de forma mais integrada.
É nesse contexto que arquiteturas HCI, ou infraestrutura hiperconvergente, ganham espaço. Em vez de manter servidores e armazenamento como componentes completamente separados, a HCI integra esses recursos em uma plataforma administrada de forma centralizada.
Isso também pode facilitar a coexistência entre diferentes tipos de aplicações. Uma empresa pode continuar executando suas VMs tradicionais enquanto adiciona containers, Kubernetes e novas cargas de IA ao mesmo ambiente.
Onde entra a Sangfor aSV?
A abordagem da Sangfor é interessante justamente porque não exige necessariamente uma mudança completa de infraestrutura de uma só vez.
O Sangfor aSV atua como um hipervisor de nível empresarial, responsável por criar e gerenciar máquinas virtuais sobre o hardware físico. Ele pode ser adotado de forma independente de uma implementação completa de HCI, permitindo que uma empresa substitua a camada de virtualização existente, valide a nova plataforma em produção e, posteriormente, evolua para uma infraestrutura hiperconvergente mais integrada.
Na comparação com o VMware ESXi, o aSV é apresentado como uma solução de virtualização de classe empresarial, com um modelo de licenciamento mais simples. Isso pode ser relevante para organizações que desejam modernizar a camada de virtualização sem necessariamente adotar uma plataforma HCI completa desde o primeiro momento.
Na camada de armazenamento, o Sangfor aSAN segue uma proposta semelhante. A solução oferece armazenamento distribuído integrado à plataforma, enquanto o VMware vSAN funciona como uma camada adicional do ecossistema VMware.
Para empresas que precisam ampliar continuamente o armazenamento para grandes volumes de dados de IA, essa diferença de integração e licenciamento pode ter impacto no custo total de propriedade.
A Sangfor também oferece uma plataforma de nuvem privada que reúne gerenciamento de computação, armazenamento, rede e segurança. Para equipes que precisam administrar VMs tradicionais junto com novas cargas de IA, ter esses recursos em uma camada de gerenciamento unificada pode reduzir a complexidade operacional.
Outro ponto destacado pela empresa é a possibilidade de uma evolução incremental, onde a organização pode começar utilizando o aSV como substituto do hipervisor e posteriormente expandir para HCI, evitando uma migração completa e disruptiva.
A empresa afirma atender mais de 100 mil clientes nas regiões APAC, EMEA e LATAM, incluindo organizações da Fortune Global 500. Também foi reconhecida como Fornecedor Representativo no Gartner Market Guide for Cloud Infrastructure Sovereign Solutions de 2026.
Um dos cases de maior destaque da Sangfor é a SCTV, uma das principais redes de transmissão da Indonésia, que realizou a migração do VMware para a plataforma da empresa com sucesso, mantendo todas as operações ativas durante todo o processo. O projeto se tornou um exemplo de modernização bem-sucedida, demonstrando como é possível evoluir a infraestrutura de forma gradual, sem interrupções e com alta disponibilidade. Para entender em detalhes as soluções aplicadas e a estratégia adotada, vale conferir o estudo completo “SCTV VMware Migration: Seamless Transition to Sangfor”.
O que uma infraestrutura preparada para IA precisa oferecer?
A escolha da plataforma deve considerar mais do que a capacidade de criar máquinas virtuais. O primeiro ponto é o suporte a aceleradores, a plataforma precisa conseguir agendar e isolar GPUs de maneira eficiente, inclusive permitindo diferentes níveis de utilização desses recursos.
O segundo é o desempenho do armazenamento. Grandes cargas de trabalho de IA exigem alta vazão de dados e uma integração mais próxima entre armazenamento e computação.
A elasticidade também é importante. Computação e armazenamento não necessariamente crescem na mesma proporção, portanto uma arquitetura que obrigue a empresa a expandir ambos simultaneamente pode gerar desperdício.
Outro fator é o controle sobre a infraestrutura. Para empresas que trabalham com dados sensíveis, uma nuvem privada pode oferecer maior controle sobre onde os dados são processados e armazenados.
Por fim, existe o licenciamento. As mudanças recentes no modelo de licenciamento da VMware fizeram muitas organizações reconsiderarem suas plataformas de virtualização. Nesse contexto, previsibilidade de custos deixou de ser apenas uma questão financeira e passou a fazer parte do planejamento da infraestrutura.
A migração cargas de trabalho de IA precisa ser gradual
Migrar uma plataforma de virtualização não significa simplesmente instalar outro hipervisor. Existem máquinas virtuais, bancos de dados, aplicações e informações que precisam continuar disponíveis durante a transição.
Com IA, entram ainda datasets de treinamento e checkpoints de modelos, tornando a proteção dos dados especialmente importante.
Por isso, uma estratégia por fases pode reduzir os riscos. A empresa pode começar pelo hipervisor, migrar cargas controladas e avaliar desempenho e estabilidade antes de avançar para uma transformação maior.
A plataforma HCI da Sangfor oferece mecanismos próprios de CDP, backup, recuperação e recuperação de desastres. A empresa também mantém integração com parceiros como a Veeam, ampliando as possibilidades de proteção de dados em ambientes de migração e produção.
Além disso, o Sangfor HCI integra recursos de Kubernetes, deep-slicing e agendamento de vGPU. Com a segurança de kernel aSEC, a proposta é permitir que cargas de trabalho de IA privadas e microsserviços em containers coexistam com máquinas virtuais tradicionais dentro de uma infraestrutura sob controle da empresa.
A infraestrutura está se tornando uma decisão de IA
A virtualização e o armazenamento costumavam ser decisões relativamente invisíveis para quem não trabalhava diretamente com infraestrutura.
A inteligência artificial está mudando isso.
A escolha da plataforma agora pode influenciar quanto tempo uma empresa leva para treinar modelos, quanto custa executar inferências e até onde dados sensíveis podem ser processados.
Isso não significa que a virtualização tradicional tenha deixado de fazer sentido. O desafio é construir uma infraestrutura capaz de atender simultaneamente às aplicações que já existem e às novas cargas de trabalho de IA que dependem de GPUs, grandes volumes de dados e processamento contínuo.
Nesse cenário, soluções como o Sangfor aSV e HCI representam uma abordagem para essa transição, permitindo começar pela virtualização e evoluir gradualmente para uma infraestrutura mais integrada e preparada para IA.
A grande mudança, portanto, não é simplesmente escolher um novo hipervisor. É reconhecer que as necessidades da infraestrutura estão mudando e que decisões tomadas para as aplicações de ontem talvez não sejam suficientes para sustentar as aplicações de amanhã.
Se você quer acompanhar essas transformações e outras novidades do mundo da tecnologia, assine a newsletter do Diolinux para receber as principais notícias e análises diretamente no seu e-mail.
