Broadcom ha presentado VMware Private AI Cloud, una propuesta que integra infraestructura de nube privada, servicios de inferencia, agentes de inteligencia artificial y aplicaciones empresariales tradicionales sobre VMware Cloud Foundation (VCF). El planteamiento busca que las organizaciones puedan ejecutar modelos cerca de sus datos, controlar el uso de GPU y tokens y aplicar políticas de seguridad y gobierno sin crear una plataforma de IA completamente separada de su infraestructura habitual.
Las claves de VMware Private AI Cloud en 20 segundos
- VMware Private AI Cloud se apoya en VMware Cloud Foundation 9.
- Combina máquinas virtuales, Kubernetes, inferencia y agentes de IA.
- Incluye VMware AI Factory para automatizar el despliegue desde el hardware hasta los modelos.
- VCF admite más de 150 modelos y diferentes aceleradores.
- Broadcom añade controles específicos para agentes, datos y aplicaciones de IA.
El anuncio realizado durante VMware Explore 2026 reúne varias de las novedades que Broadcom ha presentado alrededor de inteligencia artificial bajo una misma arquitectura. VMware AI Factory proporciona la capa de automatización; AgentMinder controla las acciones de los agentes; Tanzu se ocupa de aplicaciones y datos; mientras que vDefend y Avi Load Balancer incorporan mecanismos de seguridad para estas nuevas cargas.
La idea que une todas estas piezas es relativamente sencilla: llevar el modelo hasta los datos en lugar de trasladar los datos hacia un servicio externo.
Para determinadas organizaciones esa diferencia puede resultar importante cuando los modelos necesitan acceder a documentación interna, código, bases de datos o información sometida a restricciones regulatorias. Ejecutar la inferencia dentro de infraestructura controlada no resuelve automáticamente todos los problemas de seguridad o cumplimiento, pero permite definir con mayor precisión dónde se procesan los datos y qué sistemas pueden utilizarlos.
La nube privada empieza a administrar también GPU, modelos y tokens
VMware Cloud Foundation lleva años proporcionando infraestructura para máquinas virtuales y aplicaciones empresariales. Broadcom intenta ahora ampliar el concepto para que la plataforma trate la IA como otra categoría de carga de producción.
Esto implica gestionar recursos que hasta hace poco no formaban parte del funcionamiento cotidiano de muchos centros de datos.
Las GPU son uno de ellos.
VCF permite utilizar aceleradores y procesadores de diferentes fabricantes, mientras Broadcom trabaja con proveedores de servidores para ofrecer configuraciones compatibles. La compañía quiere evitar que cada proyecto de IA termine creando su propio conjunto aislado de hardware.
La capacidad puede compartirse entre departamentos, aplicaciones y modelos.
El model sharing multiinquilino permite, por ejemplo, que diferentes unidades de negocio utilicen una misma instancia de un modelo manteniendo espacios separados, en lugar de reservar memoria y GPU para desplegar repetidamente la misma arquitectura.
Broadcom también está aumentando la visibilidad sobre la utilización de GPU y vGPU e incorpora métricas relacionadas con tokens, latencia, cómputo y memoria.
Aquí aparece uno de los términos que la compañía está utilizando de forma recurrente en VMware Explore 2026: AI tokenomics.
En los servicios públicos de inteligencia artificial, el coste suele expresarse directamente por tokens o peticiones. Cuando el modelo se ejecuta sobre infraestructura propia, la factura queda repartida entre servidores, aceleradores, almacenamiento, energía, licencias y personal.
El token continúa teniendo coste, pero resulta menos evidente.
Medir cuántos tokens produce una determinada infraestructura y qué porcentaje de CPU, GPU y memoria consume permite comparar mejor distintas configuraciones.
Broadcom también atribuye a VCF 9 mecanismos como NVMe memory tiering y deduplicación de almacenamiento a escala de clúster para reducir necesidades de hardware. La ventaja efectiva dependerá de la carga concreta, el conjunto de datos y la configuración utilizada.
La nube privada tampoco es necesariamente más barata que una API externa. Para proyectos pequeños, variables o experimentales, pagar únicamente por consumo puede resultar más eficiente que comprar aceleradores que después permanezcan parcialmente ociosos.
La economía cambia cuando existen cargas estables, suficientes usuarios y una elevada utilización del hardware.
VMware AI Factory conecta el servidor físico con el primer modelo
La base operativa de VMware Private AI Cloud es VMware AI Factory, anunciada también por Broadcom en VMware Explore.
Esta capa automatiza el proceso desde la preparación de los servidores hasta el despliegue de servicios de inferencia.
Broadcom sostiene que determinadas instalaciones pueden pasar de necesitar semanas para completar ese recorrido a hacerlo en horas. Esa afirmación corresponde a la compañía y no representa un tiempo garantizado para cualquier centro de datos, ya que cada entorno puede tener requisitos de red, almacenamiento, firmware, seguridad y hardware diferentes.
La integración anunciada con MetalSoft pretende extender esta automatización hasta los servidores bare metal.
VCF podrá preparar o reinstalar equipos físicos de distintos fabricantes desde su consola de administración y coordinar posteriormente el despliegue de vSphere, vSAN, Kubernetes y componentes necesarios para las GPU.
La compañía también está ampliando las opciones de aceleración.
Broadcom y AMD trabajan en una configuración de VMware AI Factory basada en AMD Instinct y ROCm, mientras VCF mantiene soporte para otras arquitecturas de CPU y GPU.
Sobre esa infraestructura pueden ejecutarse los modelos.
Broadcom afirma que VMware Cloud Foundation admite más de 150 modelos abiertos y comerciales y ha anunciado validaciones específicas para Nemotron 3 de NVIDIA, Gemma 4 de Google DeepMind, cotomi de NEC, Qwen y GLM 5.2 de Z.ai.
La intención es ofrecerlos internamente mediante un modelo de Model as a Service.
En lugar de que cada equipo de desarrollo tenga que instalar y mantener su propio LLM, el departamento de plataforma puede proporcionar un catálogo administrado. Las aplicaciones consumirían esos modelos mediante servicios internos con políticas comunes.
El futuro AI Gateway extenderá este planteamiento mediante una interfaz para modelos locales y externos, incorporando autorización de aplicaciones, límites de utilización y mecanismos de selección de modelos.
El resultado apunta hacia arquitecturas híbridas.
Una empresa podría utilizar un modelo pequeño alojado localmente para numerosas consultas internas, reservar un modelo más grande para determinados procesos y recurrir a un proveedor público cuando necesite una capacidad que no tiene disponible en su infraestructura.
Los agentes obligan a replantear la seguridad de la nube privada
La parte más novedosa de VMware Private AI Cloud probablemente no esté en ejecutar modelos, sino en administrar agentes capaces de actuar sobre otros sistemas.
Un modelo que únicamente genera texto tiene un ámbito de riesgo relativamente acotado. Un agente puede consultar APIs, leer datos, utilizar herramientas, modificar aplicaciones o ejecutar código.
Broadcom está incorporando controles específicos para esa situación.
AgentMinder proporciona identidades a los agentes y vincula su autorización con una misión, las herramientas aprobadas y los recursos que pueden utilizar.
Las operaciones se comprueban en tiempo de ejecución, de manera que disponer inicialmente de una identidad válida no significa recibir permiso para cualquier acción posterior.
Tanzu Platform adopta otra precaución: una arquitectura deny by default.
Los agentes no reciben acceso a APIs, redes, servidores MCP (Model Context Protocol) o Internet salvo que se conceda expresamente. Broadcom también anuncia un almacén aislado de credenciales para que los propios agentes no tengan acceso directo a secretos que puedan terminar expuestos por una instrucción maliciosa.
Este enfoque responde especialmente al problema del prompt injection.
Un agente puede procesar un documento, correo o página que contenga instrucciones diseñadas para modificar su comportamiento. Si dispone de credenciales visibles y permisos amplios, el impacto potencial aumenta.
Impedir que conozca las credenciales y limitar externamente las herramientas disponibles reduce parte de esa exposición, aunque no elimina el riesgo.
Broadcom prepara además Secure AI Sandboxes, entornos virtualizados donde podrá ejecutarse código generado dinámicamente por agentes sin proporcionarle acceso directo al resto de la infraestructura.
vDefend extenderá por su parte sus mecanismos de Zero Trust hacia cargas agénticas.
La compañía anuncia capacidades para identificar componentes relacionados con agentes mediante análisis continuo del tráfico, localizar utilización no autorizada de herramientas de IA y aplicar firmas de sistemas de detección y prevención de intrusiones (IDPS) generadas con ayuda de inteligencia artificial.
Algunas de estas funciones están anunciadas para futuras versiones y no deben interpretarse como capacidades disponibles actualmente.
Avi Load Balancer también ampliará su protección para controlar qué herramientas pueden utilizar los agentes, localizar comportamientos anómalos y limitar intentos de extraer información sensible.
Esta combinación muestra una diferencia importante respecto a la primera generación de plataformas empresariales de IA.
La preocupación ya no consiste únicamente en instalar un modelo dentro del centro de datos. La plataforma necesita controlar quién puede utilizarlo, qué datos recibe, qué herramientas puede invocar y qué ocurre cuando un agente intenta ejecutar una acción.
Broadcom también conecta Tanzu con la preparación de datos para inteligencia artificial. Los propietarios de la información podrán crear productos de datos a partir de fuentes estructuradas y no estructuradas y publicarlos como servicios gobernados que puedan consumir aplicaciones y agentes.
Eso permite separar el acceso a los datos del acceso directo a los sistemas originales.
Una aplicación podría recibir información preparada específicamente para su función sin disponer necesariamente de permisos sobre toda la base de datos empresarial.
VMware Private AI Cloud intenta así ampliar la idea tradicional de nube privada. La plataforma continúa alojando máquinas virtuales, Kubernetes y aplicaciones convencionales, pero añade modelos, GPU, agentes, productos de datos y consumo de tokens como recursos que también deben administrarse.
El valor de esta aproximación dependerá en buena medida de si las empresas consiguen operar estas cargas sin crear otro nivel de complejidad.
Broadcom apuesta por integrarlas dentro de las herramientas que ya utiliza VCF, en lugar de establecer una infraestructura completamente independiente para IA.
Ese puede ser uno de los debates importantes de los próximos años para los centros de datos empresariales. Ejecutar inteligencia artificial en infraestructura propia ya es técnicamente posible. El reto está pasando a ser cómo hacerlo de manera repetible, gobernada y económicamente justificable cuando los modelos empiezan a formar parte de aplicaciones de producción.
Preguntas frecuentes
¿Qué es VMware Private AI Cloud?
Es la propuesta de Broadcom para ejecutar y administrar inferencia, modelos y agentes de IA dentro de VMware Cloud Foundation junto a máquinas virtuales, Kubernetes y otras aplicaciones empresariales.
¿Qué relación existe entre VMware Private AI Cloud y VMware AI Factory?
VMware AI Factory es la base de automatización de VMware Private AI Cloud. Se ocupa del despliegue y operación de la infraestructura necesaria para pasar desde servidores físicos hasta servicios de modelos de IA.
¿Qué modelos de inteligencia artificial admite VMware Cloud Foundation?
Broadcom afirma que VCF puede ejecutar más de 150 modelos y ha anunciado validaciones para Nemotron 3, Gemma 4, cotomi, Qwen y GLM 5.2, entre otros.
¿VMware Private AI Cloud evita que los datos salgan de la empresa?
Permite desplegar modelos y aplicaciones dentro de infraestructura privada, lo que facilita mantener determinados datos en ese entorno. Sin embargo, la residencia efectiva de los datos dependerá de la arquitectura, las aplicaciones, los modelos y los servicios externos que decida utilizar cada organización.
