Развитие искусственного интеллекта повышает требования к серверной инфраструктуре. Обучение нейросетей, работа с большими языковыми моделями, генерация контента и обработка больших массивов данных требуют высокой вычислительной мощности, быстрой памяти и эффективного обмена данными между компонентами системы.
В ответ на эти задачи HPE развивает линейку серверов с графическими ускорителями NVIDIA Blackwell. Такие решения предназначены для корпоративных ИИ-проектов, обработки данных и других ресурсоёмких вычислительных нагрузок.
HPE ProLiant Compute DL380a Gen12 для ИИ-нагрузок
Одна из моделей нового поколения — HPE ProLiant Compute DL380a Gen12. Это сервер формата 4U на базе процессоров Intel Xeon 6, рассчитанный на работу с несколькими GPU.
В зависимости от конфигурации система поддерживает до восьми ускорителей NVIDIA RTX PRO 6000 Blackwell Server Edition. При использовании других совместимых моделей GPU возможны иные варианты комплектации. Архитектура сервера предусматривает PCIe 5.0 и варианты воздушного или жидкостного охлаждения.
Платформа подходит для задач, в которых важны параллельные вычисления и ускоренная обработка данных, включая инференс ИИ-моделей и дообучение нейросетей. Итоговая производительность зависит от выбранных ускорителей, объёма памяти, программного обеспечения и характера нагрузки.
HPE Compute XD690 для масштабных вычислений
Для более ресурсоёмких ИИ-проектов HPE представила систему HPE Compute XD690, поддерживающую восемь ускорителей NVIDIA Blackwell Ultra B300. Решение ориентировано на интенсивные вычисления и развёртывание инфраструктуры для работы с современными ИИ-моделями.
При выборе такой системы необходимо учитывать не только характеристики GPU. На производительность влияют пропускная способность сети, скорость доступа к данным, возможности охлаждения и электропитания. Эти параметры особенно важны при построении кластеров из нескольких серверов.
На что обратить внимание при выборе сервера для ИИ
Конфигурацию оборудования определяют под конкретные задачи:
- Графические ускорители. Количество GPU, объём видеопамяти и поддерживаемые вычислительные форматы должны соответствовать требованиям моделей и программных платформ.
- Процессоры и оперативная память. Они обеспечивают подготовку данных, работу приложений и выполнение задач, которые не передаются на GPU.
- Хранение данных. Скорость накопителей и пропускная способность подсистемы хранения важны при работе с большими наборами данных и контрольными точками обучения.
- Сеть. Для распределённых вычислений требуется инфраструктура, которая обеспечивает необходимую скорость обмена данными между узлами.
- Охлаждение и электропитание. Серверы с несколькими мощными ускорителями предъявляют повышенные требования к энергоснабжению и отводу тепла.
Подбор серверного оборудования для ИИ-проектов
Выбор серверной платформы начинается с определения вычислительных задач, требований к производительности и планируемого масштаба инфраструктуры. Для одних проектов достаточно сервера с несколькими GPU, для других потребуется кластер с высокоскоростной сетью и специализированной системой хранения данных.
Iron Systems помогает корпоративным заказчикам подобрать серверное оборудование с учётом технических требований проекта, совместимости компонентов и планов развития инфраструктуры.
