DDN公司正式加入英伟达AI数据平台实施商行列,推出了Enterprise AI HyperPOD——一款基于Infinia对象存储的即插即用系统。
这套一体化系统的计算硬件采用超微公司的AI优化服务器,搭载英伟达RTX PRO 6000 Blackwell GPU、BlueField-3 DPU以及AI Enterprise技术,包括NIM和NeMo Retriever微服务。HyperPOD将与Oracle云基础设施(OCI)和Google Managed Lustre集成,并支持即将推出的英伟达技术(如BlueField-4)。Infinia提供亚毫秒级延迟,支持每秒超过100,000次AI调用,专为英伟达H100、GB200和BlueField DPU构建。
DDN首席技术官Sven Oehme表示:"借助基于超微版本、由英伟达加速的DDN Enterprise AI HyperPOD,我们提供了一个一体化平台,能让GPU保持95%的繁忙状态,将基础设施转化为成果,并可从边缘部署扩展到主权AI工厂。"
DDN声称HyperPOD在1个机架单元内提供2PB容量,数据摄取速度提升22倍,推理的KV缓存阶段速度提升18倍。该系统提供四种配置规模:
XS版本(4个GPU,0.5+PB):用于推理和边缘AI的即时部署。
小型版本(32个GPU,1+PB):企业工作负载的经济高效AI扩展。
中型版本(64个GPU,3+PB):全规模企业AI工厂。
大型版本(256个GPU,12+PB):面向全球领导者的超大规模、主权级AI。
每个版本都预集成了超微硬件、英伟达AI Enterprise软件(包括用于分层KV缓存的新Dynamo引擎)以及DDN的Infinia v2.3软件。DDN表示,这"维持了近乎完美的GPU利用率"。
主权AI云服务提供商新加坡电信已采用DDN的AI HyperPOD。新加坡电信是新加坡电信集团,也是亚洲最大的通信集团之一。DDN建议其他电信公司、金融服务和制造业企业也可以使用其AI HyperPOD。
AI HyperPOD可通过超微公司立即获得一体化套装。
评论
似乎没有一家真正想要在企业AI市场销售的企业存储系统供应商能够忽视英伟达,因此供应商们纷纷支持英伟达最新的AI数据平台参考设计,如Hammerspace、HPE和DDN。我们预计所有现有的AI数据平台支持者都将加入其中。
这是一个潜在的淘金热,因为像新加坡电信这样的企业旨在提供AI大语言模型和智能体服务,作为主权AI MSP,需要建立GPU+网络+存储+软件基础设施来运行其AI服务。DDN凭借可扩展、一体化、融合基础设施AI服务设备向前迈进,让新加坡电信这样的客户可以即开即用。DDN可能会销售大量这样的设备。
Q&A
Q1:DDN Enterprise AI HyperPOD是什么产品?
A:这是DDN公司推出的一款基于英伟达平台的一体化企业AI系统,采用Infinia对象存储,搭载超微AI优化服务器和英伟达最新GPU技术,是即插即用的解决方案。
Q2:HyperPOD的性能表现如何?
A:HyperPOD能让GPU保持95%的繁忙状态,在1个机架单元内提供2PB容量,数据摄取速度提升22倍,推理的KV缓存阶段速度提升18倍,支持每秒超过100,000次AI调用。
Q3:HyperPOD提供哪些配置选择?
A:提供四种规模:XS版本(4个GPU,0.5+PB)适用于边缘AI,小型版本(32个GPU,1+PB)适用于企业工作负载,中型版本(64个GPU,3+PB)适用于企业AI工厂,大型版本(256个GPU,12+PB)适用于超大规模应用。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。