Huawei eligió París para situar la infraestructura de datos en el centro de su discurso sobre la siguiente fase de la IA empresarial. El IDI Forum 2026, celebrado los días 20 y 21 de mayo en la Maison de la Mutualité, reunió a clientes, socios, analistas y medios internacionales, entre ellos La Ecuación Digital, en un momento en el que las compañías empiezan a pasar de los pilotos de IA generativa a despliegues con exigencias reales de rendimiento, seguridad y gobierno del dato. La compañía vinculó esa transición a una cuestión cada vez más operativa: cómo preparar, mover, proteger y recuperar los datos que alimentan modelos y agentes cuando la IA entra en procesos críticos de negocio.
Sobre esa base, Yang Xiaobin, CEO del ICT Business Group de Huawei, situó el foro en la transición entre la exploración inicial de la IA y una adopción más amplia dentro de las empresas. En su intervención, citó más de 30 millones de agentes de IA ya operativos en el mundo y una previsión de más de 2.200 millones para 2030. La magnitud de esa expansión sirvió para ordenar tres prioridades que atravesaron el evento: consolidar el all-flash como estándar en los centros de datos de IA, enriquecer la semántica del dato para que los modelos puedan utilizarlo con mayor precisión y reducir el consumo energético mediante algoritmos de reducción más eficientes.
Ese encuadre no apareció aislado. Andy Bass, director de investigación de IDC y uno de los ponentes invitados, añadió una métrica de mercado que ayuda a entender por qué Huawei eligió ahora este mensaje. Según la presentación mostrada en París, la inversión empresarial en IA podría multiplicarse por cinco entre 2023 y 2029, hasta acercarse a los 100.000 millones de dólares, mientras las compañías pasan de las pruebas de concepto a despliegues reales. Bass añadió otro dato menos vistoso, pero más incómodo: no disponer de datos listos para IA puede traducirse en pérdidas de productividad del 15%. Dicho de otro modo, el debate deja de ser experimental. Empieza a tocar costes, plazos y capacidad competitiva.
Una arquitectura para ordenar la IA empresarial
Huawei llevó a París una arquitectura de referencia para centros de datos de IA con una intención clara: conectar la preparación del dato, la inferencia, la orquestación de modelos y la protección en una misma pila tecnológica. La propuesta se organiza en cuatro capas, AI Data Lake 2.0, AI Data Platform, DCS AI Solution y OceanProtect, y refleja un movimiento cada vez más frecuente en el mercado: empaquetar la infraestructura de IA como un sistema completo, no como una suma de componentes aislados.
En la capa de Data Lakes, Huawei puso el foco sobre OceanStor Pacific y DME Omni-Dataverse. La compañía defendió una densidad muy alta para OceanStor Pacific: 11 petabytes de capacidad en un espacio de 2U, dos «unidades de rack», apenas nueve centímetros de altura dentro de un armario de servidores. ¿Esto que significa? Guardar un volumen enorme de datos ocupando muy poco espacio físico, lo que reduce los racks, la superficie de centro de datos y el consumo energético necesarios. Sobre ese almacenamiento opera Omni-Dataverse, que Huawei presenta como la herramienta para importar, mover y dar visibilidad a datos de distinto tipo (texto, imagen, vídeo) repartidos entre varias sedes, con búsquedas que recuperan en segundos entre cientos de miles de millones de registros.
Por su parte, Yuan Ren vinculó esta parte de la arquitectura a un problema muy reconocible para cualquier empresa que haya intentado industrializar IA, el de encontrar a tiempo el dato correcto dentro de volúmenes masivos y distribuidos. Su ejemplo fue el de escenarios raros en conducción autónoma, donde el valor no está en acumular más imágenes, sino en localizar las relevantes con rapidez y semántica suficiente.
La segunda capa, la de conocimiento y memoria para inferencia, fue una de las más ambiciosas del evento. Huawei presentó un Context Memory Storage (CMS) para los clústeres de inferencia más grandes y una plataforma «3+1» para escenarios empresariales más convencionales. El CMS funciona con tarjetas gráficas de varios fabricantes a la vez, NVIDIA, AMD y las suyas, descarga la memoria que el modelo necesita mientras trabaja desde esas costosas tarjetas a almacenamiento más barato capaz de crecer hasta niveles de petabytes y, con ello, reduce hasta un 90% el tiempo que el modelo tarda en empezar a responder. La plataforma 3+1 combina esa aceleración con una base de conocimiento que la compañía dice acierta en más del 95% de las búsquedas y un banco de memoria que mejora con el uso, coordinado todo por el Unified Cache Manager (UCM). En los dos casos, el almacenamiento deja de ser un depósito y pasa a intervenir directamente en cómo responde el sistema.
En la capa de modelos y agentes, el mensaje fue todavía más explícito. ModelEngine se presentó como una herramienta para adaptar modelos sin código, desplegarlos con un clic y repartir los recursos de cómputo de forma granular, con una partición xPU de hasta 1:10 para sacar más rendimiento del hardware. La compatibilidad con DeepSeek-V4 apunta a un objetivo comercial preciso: acelerar despliegues locales en un momento en que muchas compañías europeas siguen prefiriendo arquitecturas privadas o híbridas. ModelEngine Nexent, la plataforma de agentes, va un paso más allá y permite generarlos mediante lenguaje natural, reduciendo los tiempos de despliegue en un 80%. Si funciona como la compañía describe, un médico o un analista financiero podría construir su propio agente sin escribir una línea de código.
Todo ese relato se apoyó en una batería de cifras que Huawei usó para reforzar su posición en almacenamiento empresarial. La división ocupa el número dos mundial y el número uno en China en almacenamiento corporativo, supera los 30.000 clientes en más de 150 países y protege 30.000 PB de datos. La compañía añadió una lista de referencias que busca legitimidad sectorial, 261 empresas del Fortune Global 500, 140 de los 200 mayores bancos, más de 5.000 fabricantes y 1.700 proveedores de servicios. A eso sumó más de 3.200 patentes, 12 centros globales de I+D y más de 8.000 ingenieros de investigación. Son cifras que sirven menos para describir producto y más para enviar un mensaje de solvencia a grandes cuentas, integradores y socios.
Las claves del IDI Forum 2026 para producto y mercado
Dentro de las credenciales de producto presentadas en París hubo cuatro especialmente relevantes. OceanStor Pacific fue destacado por su certificación ENERGY STAR, con la que Huawei se presenta como el primer proveedor de Asia-Pacífico en lograrla. OceanProtect fue citado como la razón por la que la empresa aparece como Challenger en el Gartner Magic Quadrant 2025 de backup y protección de datos, siendo además el único fabricante chino en esa posición. OceanStor Dorado obtuvo la certificación europea Common Criteria EAL 4+, el nivel más alto para productos de almacenamiento citado por la compañía. Y la serie OceanStor A figuró como número uno en rendimiento en el benchmark MLPerf Storage v2.0. Aunque son referencias distintas, el patrón es claro: eficiencia energética, seguridad certificada, posicionamiento en analistas y rendimiento medible. Huawei intentó cubrir las cuatro casillas a la vez.
Hay, sin embargo, un aspecto más interesante que la suma de sellos. Huawei usó el foro para desplazar la conversación desde la compra de capacidad hacia la compra de comportamiento.
En la presentación, cada producto cargaba con un papel más amplio del que tuvo en su día. OceanStor Pacific ya no es solo densidad física, sino también movilidad de datos entre sedes y recuperación activa. OceanProtect ya no es solo copia de seguridad, sino una defensa de varias capas contra el ransomware y las operaciones anómalas. Y ModelEngine no es un software accesorio, sino la pieza que debe evitar que una infraestructura de IA carísima quede infrautilizada. Esa reordenación importa porque refleja un cambio comercial en el sector. Las empresas ya no preguntan solo cuántos petabytes caben o cuántas operaciones por segundo soporta un sistema. Empiezan a preguntar cuánto tarda en responder un agente, cuánto se tarda en obtener la primera respuesta y cuánto costará recuperar la operación tras un incidente.
El ejemplo con el que Yuan Ren quiso aterrizar la idea era, ante todo, una demostración con propósito. Describió el caso de un gran hospital chino que automatizó parte del análisis de patología digital con tres modelos y 16 tarjetas de aceleración, sobre una base de conocimiento de 300 libros médicos y un entrenamiento de un millón de láminas; según su relato, el tiempo para emitir un informe cayó de más de 40 minutos a 15 segundos, con más del 90% de acierto en los casos muy anómalos. Cifras al margen, lo que el caso venía a defender es la tesis comercial de Huawei: la IA empresarial con impacto real exige pila propia, datos propios y plataformas de memoria e inferencia robustas, y no basta con conectarse a los modelos públicos.
Europa, mercado prioritario y argumento de soberanía
Otra de las claves del foro fue la construcción de Europa como espacio estratégico y no como simple mercado de destino. Willy Song, presidente del negocio empresarial europeo de Huawei, sostuvo en París que la región ha acelerado tras el AI Continent Action Plan de 2025, con 19 AI Factories construidas y 5 AI Super Factories en camino, y subrayó el anclaje local de la compañía, 29 centros de I+D en Europa, 53 de los 100 mayores bancos del mundo como clientes, una estrategia «In Europe, For Europe». El énfasis en lo local no es casual en un continente donde la infraestructura crítica, la privacidad y la soberanía tecnológica pesan más que en otras geografías, y donde el origen de Huawei es precisamente lo que más necesita compensar.
Los casos de cliente que Huawei aportó en la región ilustran una constante que conviene no pasar por alto: la infraestructura de datos se vende como habilitador de IA aun cuando el caso de uso inmediato no es generativo. El grupo sanitario alemán BBT Group, con más de 100 centros médicos, renovó su almacenamiento con OceanStor Dorado hasta una fiabilidad del 99,99999%, según la compañía. El minorista francés Stokomani, con 153 tiendas, recurrió a OceanProtect y logró recuperación total en tres horas, la mitad de lo que tardaba antes. Y el suizo Naveum completó una actualización all-flash con Dorado, OceanProtect y la solución DCS. En tres sectores tan distintos como salud, retail y servicios cloud se repite el mismo movimiento, y cabe preguntarse cuánto de esa modernización de almacenamiento es realmente IA y cuánto es el lenguaje de la IA aplicado a una renovación de infraestructura de toda la vida.
La resiliencia deja de ser una función de soporte
Si hubiera que elegir la palabra más repetida después de «data», sería «resilience». La ponencia de Werner Fix fue la más tajante al definir el cambio conceptual que Huawei quiere promover: la alta disponibilidad ya no basta. Fix argumentó que el viejo diseño basado en capacidad, rendimiento medio y tolerancia a fallos aislados se queda corto ante arquitecturas distribuidas entre regiones, dependencias de software open source encadenadas, aplicaciones basadas en microservicios y cargas de IA impredecibles. Incluso citó el incidente de Cloudflare como ejemplo de cómo un fallo en un componente pequeño puede propagarse a gran escala. El acento estaba menos en el uptime que en la capacidad real de recuperación.
De ahí salieron cuatro recomendaciones que funcionan casi como manifiesto técnico del evento. Diseñar para rendimiento de pico y no solo para el promedio, asumir arquitecturas multisite con disaster recovery activo-activo, mantener una «golden copy» inalterable y pasar de una operación reactiva basada en experiencia a una operación proactiva basada en datos e IA. No es un giro menor. Supone admitir que, en entornos de IA, la previsibilidad disminuye y que la disciplina operativa tiene que subir de nivel. Huawei complementó ese mensaje con nuevas capacidades de OceanProtect, como la deduplicación «Compression Guard», el uso combinado de discos SLC y QLC para equilibrar coste y velocidad en backup y la cuarentena «clean room» con análisis mediante air gap para verificar si una copia es segura antes de reinyectarla en producción.
En ese bloque de resiliencia apareció también uno de los anuncios más prácticos del foro, aunque menos vistoso que la arquitectura AI DC. Huawei mostró Data Master, un nuevo agente integrado en GME para operación proactiva de infraestructura. Su marco «0-1-3-5» resume la promesa, detección proactiva, un minuto para detectar el problema, tres para localizarlo y cinco para proponer una causa raíz. Puede sonar a eslogan, y en parte lo es, pero contiene una señal importante sobre la dirección del mercado. La IA no solo se está ofreciendo para crear agentes de negocio o copilotos. También empieza a venderse como una capa para operar almacenamiento, red y virtualización con menor dependencia del factor humano continuo.
Lo que deja París para empresas y directivos
La suma de anuncios del IDI Forum 2026 permite extraer una conclusión operativa bastante precisa. Huawei está intentando colocar la conversación sobre IA empresarial en un terreno donde su cartera es fuerte, el almacenamiento, la protección, la operación y la integración de la infraestructura. Lo hace, además, en un momento en que el mercado empieza a admitir que la simple compra de aceleradores no resuelve la puesta en producción. Datos distribuidos, inferencia persistente, agentes con memoria, latencias de primer token, seguridad frente a manipulación y ransomware, y recuperación garantizada son problemas bastante menos glamourosos que el modelo de moda, aunque mucho más decisivos cuando un piloto debe convertirse en servicio.
Para los directivos europeos, el foro deja tres mensajes de negocio. El primero, que la infraestructura de datos vuelve al centro de la conversación presupuestaria y ya no puede tratarse como una capa genérica de soporte. El segundo, que la resiliencia pasa a medirse menos por disponibilidad teórica y más por capacidad de recuperación y de operación bajo escenarios adversos. El tercero, que la soberanía del dato deja de ser un asunto exclusivamente regulatorio y empieza a tocar la competitividad real de los proyectos de IA.
