L’intelligenza artificiale sta entrando in una nuova fase: dopo la stagione dei progetti pilota, le aziende stanno iniziando a portare i workload AI in produzione e su larga scala. Un passaggio che, secondo Broadcom, sta facendo emergere tre esigenze sempre più difficili da conciliare: costi, sicurezza e controllo dei dati.
È proprio attorno a queste esigenze che Broadcom sta costruendo la propria strategia per l’AI, con VMware Cloud Foundation al centro di un ecosistema che punta a unire infrastruttura privata, modelli AI, piattaforme per lo sviluppo di agenti e sicurezza.
La direzione è quella del Private AI Cloud, un ambiente nel quale le organizzazioni possono eseguire workload di AI mantenendo dati e modelli sotto il proprio controllo, con maggiore prevedibilità dei costi e requisiti di sicurezza e compliance più stringenti.
Dal cloud privato al Private AI Cloud
Secondo Broadcom, il passaggio dell’AI dai progetti pilota alla produzione sta spingendo molte organizzazioni a rivalutare dove eseguire i propri workload. Inferencing, fine-tuning e altri casi d’uso possono infatti comportare importanti implicazioni in termini di privacy dei dati, resilienza, disponibilità e costi.
Da qui nasce il concetto di Private AI Cloud: un’architettura che combina l’infrastruttura del private cloud con servizi AI privati, offrendo un ambiente destinato all’esecuzione di applicazioni AI e agentiche in produzione.
L’obiettivo è riunire in un unico framework infrastruttura, model-as-a-service, sicurezza e piattaforme per la costruzione e la governance degli agenti.
La strategia arriva in un momento in cui VMware Cloud Foundation 9 ha già superato le 3.000 implementazioni e i 19 milioni di core allocati.
VMware AI Factory: portare l’AI dove risiedono i dati
Uno degli annunci principali è VMware AI Factory, descritta da Broadcom come una soluzione turnkey e curata per semplificare la costruzione dell’infrastruttura necessaria a eseguire workload AI.
Il problema che Broadcom intende affrontare è quello della complessità. Costruire un’infrastruttura AI richiede infatti di combinare server, GPU, networking, storage, Kubernetes, software AI e modelli, spesso provenienti da fornitori differenti.
AI Factory punta a trasformare questo processo in un ambiente integrato e validato, accelerando il percorso dal deployment dell’infrastruttura alla prima implementazione di un modello AI e semplificando la gestione nelle fasi successive.
La soluzione viene sviluppata insieme a un ecosistema di partner che comprende produttori di GPU, OEM e ODM, fornitori dello stack software AI e provider di modelli.
Tra le partnership annunciate figura AMD, con le GPU MI350 e il relativo software enterprise AI, mentre Cisco, Supermicro e Lenovo sono coinvolte nella realizzazione di nodi VCF AI-ready. L’obiettivo è fornire alle aziende infrastrutture nelle quali hardware e software siano già testati e validati congiuntamente.
Un ulteriore tassello arriva dalla collaborazione con Metalsoft, destinata ad automatizzare la gestione di infrastrutture bare metal eterogenee. Secondo Broadcom, l’approccio può ridurre i tempi di provisioning da settimane a pochi minuti, un elemento particolarmente rilevante quando si devono implementare e aggiornare infrastrutture AI su larga scala.
Più modelli, un’unica piattaforma
La strategia di Broadcom non si limita all’infrastruttura hardware. VMware AI Factory integra infatti un approccio orientato alla scelta del modello più adatto al singolo workload.
La società sottolinea come non tutti i casi d’uso richiedano necessariamente un frontier model di grandi dimensioni. In base alle esigenze possono essere utilizzati small language model, modelli open source, open weight o modelli commerciali.
Per questo Broadcom punta a un catalogo governato di modelli, con oltre 150 modelli testati e validati, provenienti da diversi provider.
Tra le nuove funzionalità dei servizi Private AI figurano inoltre il multi-tenant model sharing, che consente di distribuire un modello una sola volta e condividerlo tra differenti tenant mantenendo l’isolamento dei dati, e un AI Gateway potenziato con intelligent prompt routing, limitazione di token e utilizzo e application authorization.
L’obiettivo è quindi costruire un livello di governance comune indipendentemente dal modello utilizzato.
L’AI diventa agentica
Il secondo grande fronte riguarda gli AI agent. Se un modello genera una risposta, un agente può invece compiere azioni, utilizzare strumenti, accedere a dati e interagire con altri agenti.
È proprio questa autonomia a creare una nuova superficie di rischio.
VMware sta quindi introducendo un framework per gli agenti AI che prevede l’esecuzione in container isolati, con controllo sui tool utilizzabili e sulle comunicazioni tra agenti. Il sistema può inoltre applicare controlli sulle reti e sulle risorse, con l’obiettivo di ridurre rischi come prompt injection e comportamenti non controllati.
Sul fronte Tanzu, Broadcom sta invece trasformando la propria piattaforma in un livello di orchestrazione per applicazioni agentiche. L’idea è utilizzare principi già consolidati nello sviluppo e nella gestione dei microservizi per costruire, distribuire e scalare agenti AI.
Un elemento centrale è il principio “deny by default”: quando un agente viene creato, non può accedere automaticamente alle risorse dell’ambiente. Le connessioni devono essere esplicitamente autorizzate, limitando così anche la possibilità di movimento laterale e di esposizione delle credenziali.
Dati pronti per gli agenti
Broadcom introduce inoltre il concetto di AI-ready data foundations.
Il principio è semplice: un agente è efficace quanto i dati ai quali può accedere. Per questo la piattaforma punta a semplificare l’ingestion e la gestione di dati anche multimodali, organizzandoli con metadati e un livello semantico e applicando policy e meccanismi di data lineage.
I dataset possono quindi diventare veri e propri data product disponibili agli agenti attraverso un marketplace, evitando di concedere direttamente agli agenti l’accesso alle sorgenti originarie.
È un passaggio significativo perché sposta il problema dall’accesso indiscriminato ai dati alla costruzione di un livello governato di dati utilizzabili dagli agenti.
La sicurezza deve seguire la velocità dell’AI
La crescita dell’AI introduce però un’altra sfida: la velocità degli attacchi.
Broadcom evidenzia come gli attaccanti possano oggi sfruttare l’AI per automatizzare diverse fasi della catena d’attacco. Secondo i dati presentati, il tempo tra accesso iniziale e movimento laterale può arrivare a circa quattro minuti e mezzo, un intervallo potenzialmente inferiore a quello necessario ai team IT per analizzare anche un singolo alert.
Da qui la necessità, secondo Broadcom, di spostare la sicurezza verso un modello integrato e presente a ogni livello dell’infrastruttura.
Il programma Frontier AI Security Readiness affronta il tema attraverso quattro fasi: assessment della postura di sicurezza, progettazione dell’architettura, implementazione di patching e monitoraggio e formazione delle persone. A questo si aggiunge la nuova certificazione VMware AI Resilient Infrastructure Expert, pensata per aiutare gli amministratori delle infrastrutture a sviluppare competenze specifiche sulla resilienza AI.
Zero Trust per i workload AI
Anche la sicurezza dei workload viene rafforzata attraverso le tecnologie di rete di Broadcom.
La strategia comprende segmentazione, network detection and response, distributed firewall e virtual patching. L’obiettivo è impedire che una compromissione iniziale possa trasformarsi in un attacco laterale capace di raggiungere asset critici.
Tra gli aggiornamenti presentati, Broadcom indica un aumento del 240% delle prestazioni del Distributed Firewall, fino a 75 Tbps per istanza VCF, mentre le prestazioni IDPS arrivano a 17 Tbps.
Anche AVI viene potenziato con funzionalità di protezione delle API, particolarmente rilevanti in ambienti Kubernetes e AI nei quali le API rappresentano un elemento centrale dell’architettura.
TrueSource: mettere in sicurezza l’open source
Un altro fronte riguarda la supply chain software.
Con TrueSource, Broadcom punta a riunire sotto un unico programma le proprie attività legate alla sicurezza dell’open source, offrendo artefatti enterprise curati e sottoposti a verifica.
L’iniziativa comprende Spring Enterprise, VMware Data Services e TrueSource Trusted Artifacts. Quest’ultima estende la copertura oltre l’ecosistema Spring e Java, includendo librerie Java, Python e Node.js e le immagini Bitnami.
L’approccio dichiarato è quello di intervenire sulle vulnerabilità mantenendo il rapporto con i maintainer dei progetti open source, contribuendo le correzioni quando necessario.
AgentMinder: un nuovo confine per gli agenti
Sul fronte della governance degli agenti, Broadcom presenta infine AgentMinder, definito come un “agentic boundary”.
La soluzione si posiziona tra gli agenti e le risorse con cui interagiscono, come LLM, servizi MCP, API e altri strumenti. Ogni agente viene associato a una propria identità e sottoposto a policy specifiche che possono essere applicate alle richieste generate durante l’esecuzione.
Il punto centrale è distinguere l’identità dell’agente da quella dell’essere umano che lo utilizza. Un agente, infatti, può operare con un livello di accesso diverso da quello dell’utente che lo ha creato.
AgentMinder punta inoltre a garantire osservabilità e tracciabilità, collegando le attività dell’agente alle chiamate API, ai prompt e ai tool utilizzati. Le policy possono consentire, negare o modificare una richiesta prima che questa raggiunga il servizio destinatario.
Dall’AI sperimentale all’AI governata
Il filo conduttore delle novità presentate da Broadcom è quindi chiaro: l’AI sta uscendo dai laboratori e deve essere trattata come una componente dell’infrastruttura IT enterprise.
La risposta proposta non è un singolo prodotto, ma uno stack che parte dall’infrastruttura e arriva fino ai modelli e agli agenti: VMware Cloud Foundation, AI Factory, servizi Private AI, Tanzu, gestione dei dati, sicurezza dei workload e governance degli agenti.
È un approccio che punta soprattutto a risolvere il problema che emergerà con maggiore forza nella prossima fase dell’AI enterprise: non più soltanto come costruire un modello, ma come farlo funzionare in produzione, su larga scala, con costi prevedibili, dati sotto controllo e agenti che possano agire senza trasformarsi in una nuova superficie incontrollata di rischio.
Ed è proprio qui che Broadcom sembra voler giocare la propria partita: trasformare l’infrastruttura privata in una piattaforma sulla quale l’AI possa essere adottata non soltanto velocemente, ma anche in modo governato e sicuro.
