Tweet
Cisco AI Platform for Azure (CAPA) – Khi AI Hybrid Cloud nối Azure với Data Center tại chỗ
Hình này ghép nối khá liền mạch với bài trước về Microsoft Hybrid Cloud. Nếu Azure Local giúp đưa trải nghiệm Azure xuống Data Center doanh nghiệp, thì Cisco AI Platform for Azure (CAPA) bổ sung hạ tầng Cisco để xây dựng một nền tảng Hybrid AI được quản lý và kết nối với Azure.
Có thể hiểu ngắn gọn:
Azure cung cấp Cloud + AI Services → Azure Arc mở rộng quản trị xuống On-Premises → Cisco cung cấp Compute + Network + Security + Observability.
1. Lớp Cloud – AI chạy trên Microsoft Azure
Phần trên của hình là Public Cloud Azure với các dịch vụ như Azure Machine Learning, Azure OpenAI, Azure AI Search và Azure Stack.
Đây là nơi doanh nghiệp có thể xây dựng các ứng dụng Generative AI, RAG, Machine Learning hoặc AI Agent.
Hệ thống còn kết nối nhiều Azure Region thông qua Cisco Catalyst SD-WAN, giúp các site và Data Center giao tiếp với Cloud theo kiến trúc WAN thống nhất.
2. Azure Arc – Cây cầu giữa Cloud và On-Premises
Một thành phần quan trọng của CAPA là Azure Arc.
Azure Arc cho phép Azure quản lý các tài nguyên không nằm trực tiếp trong Azure. Ví dụ, một Kubernetes Cluster hoặc server chạy trong Data Center vẫn có thể xuất hiện và được quản trị thông qua Azure.
Đây chính là tư tưởng của Hybrid Cloud:
Workload có thể chạy Local, nhưng Control Plane có thể mở rộng từ Cloud.
Nhờ đó, doanh nghiệp không nhất thiết phải đưa toàn bộ dữ liệu và AI workload lên Public Cloud.
3. Azure Local + Cisco UCS – Nền móng On-Premises
Ở đáy sơ đồ là Cisco UCS C240/C220, tạo thành hạ tầng vật lý cho Azure Local.
Phía trên là:
Cisco UCS → Azure Local → Hyper-V + Storage Spaces Direct → VM/Kubernetes → Application/AI
Azure Local trước đây được gọi là Azure Stack HCI. Nó kết hợp compute, storage và virtualization thành một nền tảng HCI có khả năng tích hợp sâu với Azure.
Vì vậy, doanh nghiệp có thể đặt các workload cần dữ liệu nội bộ hoặc độ trễ thấp ngay tại Data Center.
4. AKS – Kubernetes cho Hybrid AI
Phía trên Hyper-V là Azure Kubernetes Service (AKS).
Đây là lớp rất quan trọng đối với AI hiện đại vì nhiều AI workload được đóng gói dưới dạng container.
AKS có thể chạy các thành phần như:
AI Application → RAG → Model Serving → API → AI Agent
Trong khi VM vẫn được sử dụng cho những workload truyền thống hoặc ứng dụng chưa container hóa.
5. Cisco Nexus – Network Fabric
Toàn bộ workload AI cần một hệ thống mạng tốc độ cao phía dưới. Trong kiến trúc này, vai trò đó thuộc về Cisco Nexus 9300.
Nexus kết nối:
Server → Kubernetes → Storage → Firewall → WAN → Azure
Với AI workload lớn hơn, network fabric càng quan trọng bởi GPU, storage và các node Kubernetes phải trao đổi lượng dữ liệu rất lớn.
Đây cũng chính là lớp AI Networking mà chúng ta đã nói đến trong các bài về Spine-Leaf, RoCEv2 và AI Fabric.
6. Security – Bảo mật xuyên suốt Hybrid Cloud
Giữa Data Center và Azure xuất hiện Cisco Secure Firewall.
Ngoài firewall truyền thống, hình còn đưa vào AI Defense để mở rộng bảo mật đến các ứng dụng AI.
Điều này tạo ra hai lớp bảo vệ khác nhau:
Network Security bảo vệ kết nối và lưu lượng mạng.
AI Security tập trung vào những rủi ro đặc thù của AI như prompt injection, dữ liệu nhạy cảm, model abuse và các tương tác không an toàn với LLM.
Đây chính là hướng tiếp cận Secure AI Factory mà chúng ta vừa ôn tập.
7. Intersight và Splunk – Quản trị và Observability
Cisco Intersight chịu trách nhiệm quản lý hạ tầng Cisco UCS và các tài nguyên liên quan.
Trong khi đó, Splunk đảm nhiệm Observability: thu thập telemetry, log, metric và sự kiện từ nhiều lớp khác nhau.
Nhờ vậy, đội vận hành có thể quan sát xuyên suốt:
Application → Kubernetes → VM → Server → Network → Security → Cloud
Đây là yếu tố rất quan trọng với AI Infrastructure vì một ứng dụng AI chạy chậm chưa chắc lỗi nằm ở model. Nguyên nhân có thể đến từ GPU, storage, Kubernetes, network hoặc Cloud connectivity. Nhìn CAPA như một AI Stack
Có thể hình dung toàn bộ kiến trúc theo chuỗi:
Cisco UCS → Azure Local → Hyper-V/S2D → AKS/VM → AI Applications → Nexus Network → Secure Firewall → SD-WAN → Azure AI Services
Bao quanh hệ thống là:
Azure Arc + Cisco Intersight + Splunk + AI Defense
Điểm quan trọng nhất của Cisco AI Platform for Azure vì thế không nằm ở một sản phẩm riêng lẻ. Nó là kiến trúc Hybrid AI, cho phép doanh nghiệp lựa chọn workload nào chạy trên Azure, workload nào chạy trong Data Center, trong khi vẫn duy trì khả năng quản trị, mạng, bảo mật và quan sát tương đối thống nhất.
Đây cũng là một xu hướng lớn của AI doanh nghiệp: AI không nhất thiết phải chạy hoàn toàn trên Public Cloud hay hoàn toàn On-Premises. Hybrid AI cho phép đặt Compute, Model và Data ở nơi phù hợp nhất với hiệu năng, chi phí, bảo mật và yêu cầu chủ quyền dữ liệu.
Hình này ghép nối khá liền mạch với bài trước về Microsoft Hybrid Cloud. Nếu Azure Local giúp đưa trải nghiệm Azure xuống Data Center doanh nghiệp, thì Cisco AI Platform for Azure (CAPA) bổ sung hạ tầng Cisco để xây dựng một nền tảng Hybrid AI được quản lý và kết nối với Azure.
Có thể hiểu ngắn gọn:
Azure cung cấp Cloud + AI Services → Azure Arc mở rộng quản trị xuống On-Premises → Cisco cung cấp Compute + Network + Security + Observability.
1. Lớp Cloud – AI chạy trên Microsoft Azure
Phần trên của hình là Public Cloud Azure với các dịch vụ như Azure Machine Learning, Azure OpenAI, Azure AI Search và Azure Stack.
Đây là nơi doanh nghiệp có thể xây dựng các ứng dụng Generative AI, RAG, Machine Learning hoặc AI Agent.
Hệ thống còn kết nối nhiều Azure Region thông qua Cisco Catalyst SD-WAN, giúp các site và Data Center giao tiếp với Cloud theo kiến trúc WAN thống nhất.
2. Azure Arc – Cây cầu giữa Cloud và On-Premises
Một thành phần quan trọng của CAPA là Azure Arc.
Azure Arc cho phép Azure quản lý các tài nguyên không nằm trực tiếp trong Azure. Ví dụ, một Kubernetes Cluster hoặc server chạy trong Data Center vẫn có thể xuất hiện và được quản trị thông qua Azure.
Đây chính là tư tưởng của Hybrid Cloud:
Workload có thể chạy Local, nhưng Control Plane có thể mở rộng từ Cloud.
Nhờ đó, doanh nghiệp không nhất thiết phải đưa toàn bộ dữ liệu và AI workload lên Public Cloud.
3. Azure Local + Cisco UCS – Nền móng On-Premises
Ở đáy sơ đồ là Cisco UCS C240/C220, tạo thành hạ tầng vật lý cho Azure Local.
Phía trên là:
Cisco UCS → Azure Local → Hyper-V + Storage Spaces Direct → VM/Kubernetes → Application/AI
Azure Local trước đây được gọi là Azure Stack HCI. Nó kết hợp compute, storage và virtualization thành một nền tảng HCI có khả năng tích hợp sâu với Azure.
Vì vậy, doanh nghiệp có thể đặt các workload cần dữ liệu nội bộ hoặc độ trễ thấp ngay tại Data Center.
4. AKS – Kubernetes cho Hybrid AI
Phía trên Hyper-V là Azure Kubernetes Service (AKS).
Đây là lớp rất quan trọng đối với AI hiện đại vì nhiều AI workload được đóng gói dưới dạng container.
AKS có thể chạy các thành phần như:
AI Application → RAG → Model Serving → API → AI Agent
Trong khi VM vẫn được sử dụng cho những workload truyền thống hoặc ứng dụng chưa container hóa.
5. Cisco Nexus – Network Fabric
Toàn bộ workload AI cần một hệ thống mạng tốc độ cao phía dưới. Trong kiến trúc này, vai trò đó thuộc về Cisco Nexus 9300.
Nexus kết nối:
Server → Kubernetes → Storage → Firewall → WAN → Azure
Với AI workload lớn hơn, network fabric càng quan trọng bởi GPU, storage và các node Kubernetes phải trao đổi lượng dữ liệu rất lớn.
Đây cũng chính là lớp AI Networking mà chúng ta đã nói đến trong các bài về Spine-Leaf, RoCEv2 và AI Fabric.
6. Security – Bảo mật xuyên suốt Hybrid Cloud
Giữa Data Center và Azure xuất hiện Cisco Secure Firewall.
Ngoài firewall truyền thống, hình còn đưa vào AI Defense để mở rộng bảo mật đến các ứng dụng AI.
Điều này tạo ra hai lớp bảo vệ khác nhau:
Network Security bảo vệ kết nối và lưu lượng mạng.
AI Security tập trung vào những rủi ro đặc thù của AI như prompt injection, dữ liệu nhạy cảm, model abuse và các tương tác không an toàn với LLM.
Đây chính là hướng tiếp cận Secure AI Factory mà chúng ta vừa ôn tập.
7. Intersight và Splunk – Quản trị và Observability
Cisco Intersight chịu trách nhiệm quản lý hạ tầng Cisco UCS và các tài nguyên liên quan.
Trong khi đó, Splunk đảm nhiệm Observability: thu thập telemetry, log, metric và sự kiện từ nhiều lớp khác nhau.
Nhờ vậy, đội vận hành có thể quan sát xuyên suốt:
Application → Kubernetes → VM → Server → Network → Security → Cloud
Đây là yếu tố rất quan trọng với AI Infrastructure vì một ứng dụng AI chạy chậm chưa chắc lỗi nằm ở model. Nguyên nhân có thể đến từ GPU, storage, Kubernetes, network hoặc Cloud connectivity. Nhìn CAPA như một AI Stack
Có thể hình dung toàn bộ kiến trúc theo chuỗi:
Cisco UCS → Azure Local → Hyper-V/S2D → AKS/VM → AI Applications → Nexus Network → Secure Firewall → SD-WAN → Azure AI Services
Bao quanh hệ thống là:
Azure Arc + Cisco Intersight + Splunk + AI Defense
Điểm quan trọng nhất của Cisco AI Platform for Azure vì thế không nằm ở một sản phẩm riêng lẻ. Nó là kiến trúc Hybrid AI, cho phép doanh nghiệp lựa chọn workload nào chạy trên Azure, workload nào chạy trong Data Center, trong khi vẫn duy trì khả năng quản trị, mạng, bảo mật và quan sát tương đối thống nhất.
Đây cũng là một xu hướng lớn của AI doanh nghiệp: AI không nhất thiết phải chạy hoàn toàn trên Public Cloud hay hoàn toàn On-Premises. Hybrid AI cho phép đặt Compute, Model và Data ở nơi phù hợp nhất với hiệu năng, chi phí, bảo mật và yêu cầu chủ quyền dữ liệu.
Attached Files