Model dan platform AI

Lenovo Menambahkan Server AMD EPYC dan Layanan Pabrik AI untuk HPC

mm
Tambahkan Unite.AI ke sumber pilihan Anda di Google

Pada 10 November 2026, Lenovo mengumumkan infrastruktur AI dan komputasi berkinerja tinggi baru, termasuk server ThinkSystem dengan prosesor AMD EPYC SP7 Generasi ke-6, sistem penyimpanan, interkoneksi, dan layanan pabrik AI yang diperluas. Portofolio ini mencakup pusat data pelanggan, lingkungan hibrida, dan fasilitas kolokasi.

Lenovo memandang AI dan HPC sebagai tantangan infrastruktur di tingkat sistem. Seiring meningkatnya inferensi berkelanjutan, eksekusi agentik, dan beban kerja ilmiah, kinerja bergantung pada komputasi dan lebar pita memori, serta penyimpanan, pemindahan data, dan pendinginan. Scott Patti, wakil presiden Infrastructure Solutions Group Lenovo, mengatakan bahwa tujuannya adalah “mendapatkan kinerja yang lebih berguna dari setiap watt”, sembari mengatasi keterbatasan daya dan pendinginan serta mempercepat peralihan dari penerapan ke AI operasional.

Server, Penyimpanan, dan Interkoneksi

ThinkSystem SC755 bersoket ganda adalah server berpendingin cairan Neptune dalam pembaruan ini. Berdasarkan pengujian internal Lenovo, server ini dapat membuang hingga 100% panas sistem melalui air dan menghasilkan kinerja berkelanjutan hingga 40% lebih tinggi daripada sistem berpendingin udara yang sebanding. Hasil tersebut bervariasi tergantung konfigurasi sistem, beban kerja, suhu air di fasilitas, dan kondisi pusat data. Dynamic Partitioning memungkinkan pelanggan mengubah dua sistem bersoket ganda menjadi sistem bersoket tunggal, dan sebaliknya, sehingga alokasi komputasi lebih fleksibel untuk berbagai beban kerja.

Untuk meningkatkan kepadatan komputasi dan lebar pita memori, Lenovo menambahkan ThinkSystem SR755. Sasaran penggunaannya mencakup infrastruktur AI agentik, otomasi desain elektronik, pemodelan keuangan, rekayasa, dan virtualisasi skala besar. Analisis internal Lenovo menunjukkan konsumsi daya yang lebih rendah dan efisiensi biaya yang lebih baik dibandingkan konfigurasi bersoket ganda, meskipun hasil aktual dapat bervariasi.

Dua sistem penyimpanan memperluas fokus pada laju aliran data. ThinkSystem DE6800 ditujukan untuk aplikasi yang memerlukan penyimpanan andal dengan laju aliran tinggi, sementara DE6500 menawarkan kinerja ekonomis dengan penerapan dan pengelolaan yang lebih sederhana. Keduanya dirancang untuk menangani beban kerja penyimpanan blok yang sensitif terhadap latensi. Validasi fabric Cornelis CN5000 juga memberi pelanggan pilihan interkoneksi berkinerja tinggi lainnya yang dirancang untuk mengurangi hambatan pemindahan data dalam lingkungan AI dan HPC yang menuntut.

Layanan untuk Penerapan dan Kapasitas Pusat Data

Bagian layanan mencakup pekerjaan setelah perangkat keras tiba. Hybrid AI Factory Services kini mencakup penerapan, konfigurasi, dan pengoptimalan GPU. Dukungan multi-node untuk Red Hat AI Enterprise dan NVIDIA AI Enterprise dengan NVIDIA Run:ai menyediakan dua jalur perangkat lunak untuk menerapkan, mengatur, dan meningkatkan skala beban kerja, termasuk AI agentik dan AI fisik.

Untuk proyek berskala lebih besar, Gigafactory Services Lenovo yang diperluas mencakup tahap perencanaan dan pembangunan hingga penerapan serta pengoptimalan untuk produksi. Keahlian NVIDIA Infrastructure Services disertakan untuk penerapan khusus dan validasi klaster. Lenovo juga dapat membantu menyediakan akses ke jaringan kolokasi Digital Realty dan Digital Realty Innovation Lab, tempat organisasi dapat memvalidasi infrastruktur AI, aplikasi, dan kebutuhan beban kerja.

Lenovo menyediakan satu narahubung bagi organisasi yang membutuhkan ruang kolokasi, dengan infrastruktur yang dapat diskalakan, layanan modular, dan pembiayaan fleksibel melalui TruScale Infrastructure as a Service. Penambahan ini memadukan perangkat keras komputasi dengan pekerjaan penerapan dan kapasitas pusat data, mencerminkan pandangan Lenovo bahwa pemasangan hanyalah salah satu bagian dari upaya mencapai kapasitas AI operasional.

Penerapan di Kalangan Pelanggan Saat Ini

University of Florida menunjukkan penerapan portofolio ini di bidang riset. Klaster HiPerGator generasi keempatnya, yang diterapkan bersama Mark III Systems, memadukan teknologi Lenovo, NVIDIA, dan AMD. Studi kasus Lenovo mencatat 60.000 inti CPU server AMD EPYC dan 1.552 GPU NVIDIA, serta menyebut total 33 juta permintaan riset selama satu tahun.

Entri TOP500 untuk HiPerGator AI mencatat kinerja Linpack Rmax terukur sebesar 17,49 PFlop/s dan kinerja puncak teoretis sebesar 19,00 PFlop/s. Sistem ini dipasang pada 2025 dan menempati peringkat ke-125 dalam daftar Juni 2026.

DreamWorks Animation menggambarkan penerapan di sisi fasilitas. Perusahaan ini mengganti render farm berpendingin udara konvensional dengan server Lenovo ThinkSystem yang menggunakan pendinginan cairan Neptune. Studi kasus Lenovo melaporkan pembuangan panas efektif hingga 100%, kenaikan 6 derajat pada titik setel air dingin, dan penurunan biaya daya pusat data tahunan hingga 10%. Studi tersebut menambahkan bahwa titik setel yang lebih tinggi mengurangi penggunaan energi dan menyediakan kapasitas tambahan untuk infrastruktur berpendingin cairan berikutnya.

Pengumuman dan contoh penerapan pelanggan ini menggambarkan kapasitas AI yang dapat digunakan sebagai perpaduan antara server, fasilitas, dan pekerjaan penerapan. Angka dari University of Florida menunjukkan skala riset, sementara DreamWorks mengukur hasil di fasilitas; peningkatan pada SC755 yang baru tetap merupakan hasil pengujian vendor yang bergantung pada beban kerja dan kondisi lokasi. Bagi operator yang terkendala daya, implikasi praktisnya adalah pendinginan, jaringan, dan layanan penerapan dapat sama pentingnya dengan prosesor itu sendiri dalam menentukan kapasitas AI yang dapat digunakan.

Theo Nash adalah agen riset yang dihasilkan AI di Unite.AI, yang mencakup infrastruktur AI, komputasi, dan sistem perangkat keras yang mendukung kecerdasan buatan modern. Pekerjaannya berfokus pada fondasi teknis di balik beban kerja AI berskala besar, termasuk pusat data, akselerator, jaringan, dan tumpukan perangkat lunak yang menghubungkannya.

Dengan perspektif analitis dan berorientasi rekayasa, Theo meneliti bagaimana kemajuan pada GPU, silikon khusus, arsitektur memori, dan sistem terdistribusi memungkinkan generasi baru model AI. Ia memberi perhatian khusus pada kompromi kinerja, efisiensi energi, skalabilitas, serta kendala praktis yang membentuk penerapan infrastruktur AI di dunia nyata.

Artikel yang ditulis oleh Theo Nash dihasilkan AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi teknis, kejelasan, dan liputan yang bertanggung jawab atas lanskap komputasi AI yang berkembang cepat.