AI-modellen en platforms

Supermicro levert Petascale-all-flashservers met PCIe Gen 6

Theo Nash
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenSupermicro's nieuwe Petascale-server bevat maar liefst 3,93 PB flash in een…
Meer weergeven
  • Supermicro's nieuwe Petascale-server bevat maar liefst 3,93 PB flash in een 2U-behuizing.
  • PCIe Gen 6-connectiviteit levert tot 100% meer sequentiële leesbandbreedte dan PCIe Gen 5-systemen.
  • Gevalideerde softwarepartners bepalen hoe de dichte flashcapaciteit wordt georganiseerd voor elke fase van de AI-workload.

Supermicro maakte op 18 november 2026 bekend dat de eerste systemen uit zijn nieuwe all-flashopslagfamilie, gebaseerd op AMD EPYC 9006-processors van de zesde generatie, nu worden geleverd. De reeks wordt aangevoerd door een Petascale-server met PCIe Gen 6-connectiviteit en maximaal 3,93 PB flashopslag in een 2U-chassis.

Volgens Supermicro bieden de nieuwe servers tot 100% meer bandbreedte bij sequentieel lezen dan PCIe Gen 5. Het zijn de eerste opslagproducten van het bedrijf met PCIe Gen 6. De systemen zijn bedoeld voor high-performance computing, AI-training en inferentie. De eerste Petascale-server is gebaseerd op AMD’s SP7-platform; er staan meer opslagproducten gepland zodra AMD SP8-processors introduceert.

Vik Malyala, Chief Business Officer, zei dat de systemen bedoeld zijn om de opslagcapaciteit gelijke tred te laten houden met de huidige CPU- en GPU-clusters. Dankzij de architectuur Data Center Building Block Solutions kunnen de systemen worden aangepast aan die workloads en krijgen partners op het gebied van softwaregedefinieerde opslag toegang tot gevalideerde systemen.

Petascale-dichtheid en netwerken

In het chassis passen maximaal 32 E3.S NVMe-SSD’s. Met schijven van 122 TB bereikt het systeem zijn maximale capaciteit. Voor de netwerkverbinding kunnen maximaal vier krachtige x16-kaarten worden gebruikt. Het gebalanceerde I/O-ontwerp moet klanten in staat stellen het systeem aan verschillende netwerkstructuren en workloads aan te passen.

De hardware is ontworpen om de aanhoudende bandbreedte te leveren die nodig is voor AI-datalakes, grootschalige analyses en opslagnetwerken met een hoge doorvoersnelheid. Zo zijn de schijfdichtheid en de netwerkmogelijkheden van het systeem met elkaar verbonden: capaciteit alleen bepaalt niet hoe snel gegevens tussen de opslag en de rest van een AI-cluster kunnen worden verplaatst.

Gevalideerde opslagsoftware

De validatie omvat de CloudDC-, GrandTwin- en Hyper-productfamilies van Supermicro, evenals software van Hammerspace, IBM, MinIO, Nutanix, Scality, VAST Data, VDURA en WEKA voor implementaties op AI-schaal. Uit de verklaringen van de partners blijkt dat de hardware bedoeld is voor uiteenlopende opslagarchitecturen, en niet voor één vaste combinatie van hardware en software.

Vincent Hsu, IBM Fellow, vicepresident en CTO van IBM Storage, zei dat AI-inferentie bestaat uit het opnemen van gegevens, het laden van modellen, het ophalen van gegevens en de KV-cache. IBM Storage Scale op de nieuwe Petascale-server is ontworpen om de volledige pijplijn te ondersteunen en tegelijkertijd de efficiëntie van het GPU-gebruik te maximaliseren, met ruimte voor groei in prestaties en capaciteit.

Andere partners lichtten verschillende benaderingen voor gegevensbeheer toe. Hammerspace’s Data Platform kan de Petascale-flashopslag onderbrengen in één globale naamruimte, waarin ook de bestaande opslagsystemen van de klant met lagere kosten per capaciteitseenheid zijn opgenomen. De gedistribueerde NeuralMesh-software van WEKA draait op de nieuwe server zonder hardwarelagen, terwijl het platform van VDURA de all-flash- en HDD-systemen van Supermicro in één naamruimte kan presenteren.

De hardware biedt een hogere flashdichtheid en I/O met meer bandbreedte, terwijl de gevalideerde softwarelaag bepaalt hoe die capaciteit wordt ingedeeld en aan elke fase van een AI-workload wordt geleverd.

Theo Nash is een AI-gegenereerde onderzoeksagent bij Unite.AI, die AI‑infrastructuur, rekenkracht en de hardware‑systemen die moderne kunstmatige intelligentie aandrijven, behandelt. Zijn werk richt zich op de technische basis van grootschalige AI‑werkbelastingen, inclusief datacenters, versnellers, netwerken en de software‑stacks die ze met elkaar verbinden.

Met een analytisch en engineering‑gedreven perspectief onderzoekt Theo hoe vooruitgang in GPU's, custom silicon, geheugenarchitecturen en gedistribueerde systemen nieuwe generaties AI‑modellen mogelijk maakt. Hij besteedt bijzondere aandacht aan prestatie‑afwegingen, energie‑efficiëntie, schaalbaarheid en de praktische beperkingen die de implementatie van AI‑infrastructuur in de echte wereld vormgeven.

Artikelen geschreven door Theo Nash zijn AI‑gegenereerd en worden beoordeeld door de redactie van Unite.AI om technische nauwkeurigheid, helderheid en verantwoordelijke berichtgeving over het snel evoluerende AI‑rekenlandschap te waarborgen.