AI-modeller og plattformer

Lenovo legger til AMD EPYC-servere og AI-fabrikktjenester for HPC

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

Lenovo kunngjorde ny infrastruktur for KI og høyytelsesdatabehandling 10. november 2026, inkludert ThinkSystem-servere med AMD EPYC SP7-prosessorer av 6. generasjon, lagring, sammenkoblinger og utvidede AI Factory-tjenester. Porteføljen omfatter kundenes datasentre, hybride miljøer og samlokaliseringsanlegg.

Lenovo behandler KI og HPC som en infrastrukturoppgave på systemnivå. Etter hvert som kontinuerlig inferens, agentisk utførelse og vitenskapelige arbeidsbelastninger øker, avhenger ytelsen både av beregningskapasitet og minnebåndbredde og av lagring, dataflyt og kjøling. Scott Patti, visepresident i Lenovo Infrastructure Solutions Group, sa at målet er «å få mer nyttig ytelse ut av hver watt», samtidig som man håndterer begrensninger knyttet til strøm og kjøling og raskere går fra utrulling til operativ KI.

Servere, lagring og sammenkoblinger

ThinkSystem SC755 med to sokler er den væskekjølte Neptune-serveren i oppdateringen. Lenovos interne tester viser at den kan fjerne opptil 100 % av systemvarmen ved hjelp av vann og levere opptil 40 % høyere vedvarende ytelse enn tilsvarende luftkjølte systemer. Resultatene varierer med systemkonfigurasjon, arbeidsbelastning, vanntemperaturen i anlegget og forholdene i datasenteret. Dynamic Partitioning gjør det mulig for kundene å konvertere to systemer med to sokler til systemer med én sokkel og tilbake igjen, slik at beregningskapasiteten kan fordeles mer fleksibelt mellom arbeidsbelastninger.

For høy beregningstetthet og stor minnebåndbredde legger Lenovo til ThinkSystem SR755. Bruksområdene omfatter agentisk KI-infrastruktur, elektronisk konstruksjonsautomatisering, finansiell modellering, ingeniørarbeid og virtualisering i stor skala. Lenovos interne analyse viser lavere strømforbruk og bedre lønnsomhet enn konfigurasjoner med to sokler, men de faktiske resultatene kan variere.

To lagringssystemer bygger videre på satsingen på dataflyt. ThinkSystem DE6800 er beregnet på applikasjoner som krever pålitelig lagring med høy gjennomstrømning, mens DE6500 gir kostnadseffektiv ytelse med enklere utrulling og administrasjon. Begge er beregnet på blokklagringsarbeidsbelastninger der latenstid er viktig. Valideringen av sammenkoblingsnettverket Cornelis CN5000 gir kundene enda et alternativ for høyytelsessammenkobling, utviklet for å redusere flaskehalser i dataflyten i krevende KI- og HPC-miljøer.

Tjenester for utrulling og kapasitet i datasentre

Tjenestedelen tar for seg arbeidet som følger etter at maskinvaren er levert. Hybrid AI Factory Services omfatter nå utrulling, konfigurasjon og optimalisering av GPU-er. Støtte for flere noder med Red Hat AI Enterprise og NVIDIA AI Enterprise med NVIDIA Run:ai gir to programvarealternativer for utrulling, styring og skalering av arbeidsbelastninger, inkludert agentisk KI og fysisk KI.

For de største løsningene dekker de utvidede Gigafactory Services konsept- og byggefasene, helt frem til utrulling og optimalisering for produksjon. Kompetanse innen NVIDIA Infrastructure Services inngår for spesialisert utrulling og validering av klynger. Lenovo kan også legge til rette for tilgang til Digital Realtys samlokaliseringsnettverk og Digital Realty Innovation Lab, der organisasjoner kan validere KI-infrastruktur, applikasjoner og krav til arbeidsbelastninger.

Lenovo tilbyr ett kontaktpunkt for organisasjoner som trenger samlokaliseringsplass, med skalerbar infrastruktur, modulære tjenester og fleksibel finansiering gjennom TruScale Infrastructure as a Service. Tilleggene kombinerer maskinvare for databehandling med utrullingsarbeid og kapasitet i datasentre, i tråd med Lenovos syn på at installasjon bare er én del av arbeidet med å oppnå operativ KI-kapasitet.

Eksisterende kundeutrullinger

University of Florida viser hvordan porteføljen brukes innen forskning. Den fjerde generasjonen av HiPerGator-klyngen, som ble tatt i bruk sammen med Mark III Systems, kombinerer teknologi fra Lenovo, NVIDIA og AMD. Lenovos kundecase oppgir 60 000 AMD EPYC-serverprosessor­kjerner og 1 552 NVIDIA-GPU-er, og oppgir totalt 33 millioner forskningsforespørsler i løpet av ett år.

TOP500-oppføringen for HiPerGator AI oppgir en målt Linpack Rmax-ytelse på 17,49 PFlop/s og en teoretisk toppytelse på 19,00 PFlop/s. Systemet ble installert i 2025 og ligger på 125. plass på listen fra juni 2026.

DreamWorks Animation viser hvordan løsningen brukes i anlegg. Selskapet erstattet en tradisjonell luftkjølt renderfarm med Lenovo ThinkSystem-servere med Neptune-væskekjøling. Lenovos kundecase rapporterer opptil 100 % effektiv varmefjerning, en økning på 6 grader i den innstilte temperaturen for kjølevannet og opptil 10 % lavere årlige strømkostnader for datasenteret. Det opplyses også at den høyere innstilte temperaturen reduserer energiforbruket og gir rom for mer væskekjølt infrastruktur.

Kunngjøringen og kundecase-eksemplene fremstiller brukbar KI-kapasitet som et samspill mellom servere, anlegg og utrullingsarbeid. Tallene fra University of Florida viser omfanget av forskningsbruken, mens DreamWorks tallfester resultatene for anlegget. Forbedringene med den nye SC755-serveren er fortsatt leverandørens testresultater, som avhenger av arbeidsbelastning og forholdene på stedet. For aktører med begrenset strømkapasitet betyr dette i praksis at kjøling, nettverk og utrullingstjenester kan være like avgjørende for brukbar KI-kapasitet som selve prosessorene.

Theo Nash er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker AI-infrastruktur, beregning og maskinvaresystemene som driver moderne kunstig intelligens. Arbeidet hans fokuserer på de tekniske grunnlagene bak AI-arbeidsbelastninger i stor skala, inkludert datasentre, akseleratorer, nettverk og programvarestablene som binder dem sammen.

Med et analytisk og ingeniørdrevet perspektiv undersøker Theo hvordan fremskritt innen GPU-er, tilpasset silisium, minnearkitekturer og distribuerte systemer muliggjør nye generasjoner av AI-modeller. Han legger særlig vekt på ytelsesavveininger, energieffektivitet, skalerbarhet og de praktiske begrensningene som former implementeringen av AI-infrastruktur i den virkelige verden.

Artikler skrevet av Theo Nash er AI-genererte og gjennomgås av redaksjonsteamet i Unite.AI for å sikre teknisk nøyaktighet, klarhet og ansvarlig dekning av det raskt utviklende AI-beregningslandskapet.