Starburst annonce la prise en charge dès le lancement du CPU NVIDIA Vera pour l’inférence IA et l’analytique

Starburst, leader des plateformes de données et d’intelligence artificielle, annonce des optimisations pour le CPU NVIDIA Vera, dévoilé lors de la conférence NVIDIA GTC. Les clients de Starburst bénéficieront de performances de requête nettement supérieures, d’une inférence IA à plus faible latence et d’importantes économies de coûts dès la disponibilité de Vera, prévue plus tard en 2026.

La plateforme Starburst, propulsée par Trino, est particulièrement bien positionnée pour exploiter Vera, le CPU de nouvelle génération de NVIDIA pour les centres de données, conçu pour accélérer le raisonnement agentique et l’analytique de données. Contrairement aux plateformes concurrentes, qui exigent de centraliser les données dans des entrepôts propriétaires avant de pouvoir alimenter l’IA, Starburst permet un accès aux données hybride, fédéré et gouverné. Les analyses et l’inférence peuvent ainsi être exécutées directement là où résident les données, dans les data lakes, les data warehouses et les systèmes opérationnels, sans déplacement ni duplication.

Alors que la demande des entreprises évolue de l’entraînement de modèles vers l’inférence en production au service de l’IA agentique, de la génération augmentée par récupération (RAG) et des applications en temps réel, NVIDIA Vera répond aux contraintes de performance et de coûts qui ont jusqu’ici freiné l’adoption de l’IA à grande échelle.

« L’avenir de l’IA d’entreprise dépend d’un accès rapide à des données gouvernées », a déclaré Justin Borgman, fondateur et CEO de Starburst. « Avec NVIDIA Vera, Starburst vise à apporter l’analytique et l’inférence en temps réel directement là où se trouvent ces données. »

Les bénéfices pour les clients Starburst

Les premiers tests de benchmarking montrent que Starburst sur CPU NVIDIA Vera offre des performances de requête nettement supérieures et une efficacité CPU bien plus élevée que les configurations traditionnelles basées sur des processeurs x86. La plateforme maintient également des performances prévisibles pour des charges de travail mixtes combinant BI et inférence IA.

Pour les clients, cela se traduit par quatre avantages clés

Accélération du retour sur investissement de l’IA : les données d’entreprise en direct et gouvernées alimentent les charges d’inférence, les pipelines RAG et l’IA agentique en temps réel, éliminant les goulots d’étranglement ETL qui ralentissent les projets d’IA.
Réduction du coût total de possession : l’architecture efficace de Vera, combinée au modèle fédéré de Starburst qui évite la duplication coûteuse des données, génère des économies sur les ressources de calcul et le stockage.
Performance prévisible à grande échelle : un débit déterministe pour les charges analytiques et d’IA simultanées, même sur des ensembles de données complexes provenant de multiples sources.
Gouvernance d’entreprise intégrée : des contrôles d’accès granulaires et l’application de politiques accompagnent chaque requête, garantissant que les applications d’IA consomment uniquement des données autorisées et conformes, même dans des environnements réglementés.
« L’avenir de l’IA d’entreprise repose sur la capacité à obtenir instantanément des insights à partir de données souvent réparties dans des environnements hybrides complexes », a déclaré Dion Harris, Senior Director HPC, Cloud et AI Infrastructure chez NVIDIA. « Notre collaboration avec Starburst, pour optimiser leur plateforme basée sur Trino pour le CPU NVIDIA Vera, fournira une solution fondamentale pour le traitement de données fédérées en temps réel. »

« Avec Trino exécuté sur CPU NVIDIA Vera, nous atteignons un nouveau niveau de performance et d’efficacité pour l’accès aux données fédérées, permettant aux clients d’exécuter des analyses et des requêtes directement là où résident les données, ce qui se traduit par des insights plus rapides, une infrastructure plus légère et une plateforme conçue pour évoluer avec les besoins croissants des entreprises », a déclaré Jitender Aswani, SVP Engineering chez Starburst.

Différenciation concurrentielle

Starburst adopte une approche que ni les data warehouses cloud propriétaires ni les plateformes historiques ne peuvent reproduire. Les architectures fermées obligent les entreprises à copier leurs données dans un système unique pour les exploiter avec l’IA, ce qui augmente les coûts, la latence et les risques de gouvernance. À l’inverse, les écosystèmes Hadoop et Spark traditionnels ne prennent pas nativement en charge l’inférence. Grâce à son architecture ouverte, hybride et fédérée basée sur Trino, Starburst supprime ces limites et optimise l’accès aux infrastructures d’inférence les plus avancées.

Intégration dans l’écosystème

L’optimisation de Starburst s’étend aux architectures d’entreprise validées, notamment Dell AI Factory with NVIDIA et Dell AI Data Platform, où Starburst sert de moteur d’analytique, d’accès aux données et de gouvernance. Les clients déployant Vera dans ces configurations bénéficient ainsi d’une pile technologique entièrement intégrée et prête pour l’inférence, de l’infrastructure jusqu’à l’exploitation des insights.

S’appuyer sur Trino accéléré par GPU

En plus du support du CPU Vera, Starburst développe également l’accélération GPU pour Trino à l’aide de NVIDIA CUDA et NVIDIA cuDF pour les données structurées. Cette future capacité apportera un parallélisme massif et un traitement des données optimisé en colonnes accéléré aux analyses fédérées et à l’inférence IA, alimentant la prochaine génération de charges de travail RAG et d’IA agentique.

Cette initiative reflète la vision de Starburst visant à unifier les capacités de calcul CPU et GPU au sein d’un moteur open unique, permettant aux entreprises d’exploiter un traitement de données gouverné et haute performance au rythme de l’innovation.

Disponibilité

Starburst étudie comment l’architecture CPU NVIDIA Vera peut améliorer les charges analytiques et d’IA propulsées par Trino. À l’approche de sa disponibilité générale, l’entreprise prévoit de tester des plateformes en préproduction, d’analyser les performances et de partager des recommandations pour aider les clients à tirer parti des gains d’efficacité de Vera.

Des architectures de référence et des bonnes pratiques seront également publiées pour les organisations souhaitant exploiter Vera pour l’analytique et l’IA sur des données fédérées et gouvernées.