Modele i platformy AI

Lenovo dodaje serwery AMD EPYC i usługi fabryki AI dla HPC

mm
Dodaj Unite.AI do preferowanych źródeł w Google

10 listopada 2026 r. Lenovo ogłosiło nowe rozwiązania z zakresu infrastruktury AI i obliczeń wysokiej wydajności, w tym serwery ThinkSystem z procesorami AMD EPYC SP7 6. generacji, pamięć masową, interkonekty oraz rozszerzone usługi fabryki AI. Oferta obejmuje centra danych klientów, środowiska hybrydowe i obiekty kolokacyjne.

Lenovo traktuje AI i HPC jako wyzwanie infrastrukturalne na poziomie całego systemu. Wraz ze wzrostem zapotrzebowania na ciągłe wnioskowanie, wykonywanie zadań przez agentów i obciążenia naukowe wydajność zależy zarówno od mocy obliczeniowej i przepustowości pamięci, jak i od pamięci masowej, przesyłania danych oraz chłodzenia. Scott Patti, wiceprezes Infrastructure Solutions Group w Lenovo, powiedział, że celem jest „uzyskanie większej użytecznej wydajności z każdego wata”, przy jednoczesnym uwzględnieniu ograniczeń związanych z zasilaniem i chłodzeniem oraz szybszym przejściu od wdrożenia do operacyjnego wykorzystania AI.

Serwery, pamięć masowa i interkonekty

ThinkSystem SC755 z dwoma gniazdami procesorów to chłodzony cieczą serwer Neptune uwzględniony w aktualizacji oferty. Według wewnętrznych testów Lenovo może on odprowadzać wodą do 100% ciepła generowanego przez system i zapewniać do 40% wyższą długotrwałą wydajność niż podobne systemy chłodzone powietrzem. Wyniki te zależą od konfiguracji systemu, obciążenia, temperatury wody w obiekcie oraz warunków panujących w centrum danych. Funkcja Dynamic Partitioning pozwala klientom przekształcić dwa systemy z dwoma gniazdami procesorów w systemy z jednym gniazdem i z powrotem, zapewniając większą elastyczność przydzielania mocy obliczeniowej do różnych obciążeń.

Aby zwiększyć gęstość mocy obliczeniowej i przepustowość pamięci, Lenovo dodaje do oferty ThinkSystem SR755. Jego przewidywane zastosowania obejmują infrastrukturę agentowej AI, projektowanie elektroniczne wspomagane komputerowo, modelowanie finansowe, inżynierię i wirtualizację na dużą skalę. Z wewnętrznych analiz Lenovo wynika, że w porównaniu z konfiguracjami z dwoma gniazdami procesorów system zużywa mniej energii i jest bardziej opłacalny, przy czym rzeczywiste wyniki mogą się różnić.

Dwa systemy pamięci masowej rozszerzają ofertę ukierunkowaną na przepustowość danych. ThinkSystem DE6800 jest przeznaczony do zastosowań wymagających niezawodnej pamięci masowej o wysokiej przepustowości, natomiast DE6500 zapewnia ekonomiczną wydajność przy prostszym wdrażaniu i zarządzaniu. Oba systemy obsługują obciążenia związane z pamięcią blokową, w których istotne są opóźnienia. Walidacja platformy Cornelis CN5000 zapewnia klientom również dostęp do kolejnego interkonektu o wysokiej wydajności, który ma ograniczać wąskie gardła w przesyłaniu danych w wymagających środowiskach AI i HPC.

Usługi wspierające wdrożenia i zwiększanie pojemności centrów danych

Usługi obejmują prace wykonywane po dostarczeniu sprzętu. Zakres usług Hybrid AI Factory Services obejmuje teraz wdrażanie, konfigurację i optymalizację procesorów GPU. Obsługa wielu węzłów w ramach Red Hat AI Enterprise i NVIDIA AI Enterprise z NVIDIA Run:ai zapewnia dwie ścieżki programowe wdrażania, nadzorowania i skalowania obciążeń, w tym agentowej AI i fizycznej AI.

Rozszerzone usługi Gigafactory Services Lenovo obejmują większe projekty — od etapu koncepcji i budowy po wdrożenie i optymalizację pod kątem produkcji. Uwzględniają specjalistyczną wiedzę NVIDIA Infrastructure Services w zakresie wdrażania i walidacji klastrów. Lenovo może również ułatwić dostęp do sieci obiektów kolokacyjnych Digital Realty oraz Digital Realty Innovation Lab, gdzie organizacje mogą weryfikować infrastrukturę AI, aplikacje i wymagania dotyczące obciążeń.

Lenovo zapewnia jeden punkt kontaktu organizacjom potrzebującym przestrzeni kolokacyjnej, oferując skalowalną infrastrukturę, modułowe usługi oraz elastyczne finansowanie w ramach TruScale Infrastructure as a Service. Rozszerzenie oferty łączy sprzęt obliczeniowy z pracami wdrożeniowymi i pojemnością centrów danych, odzwierciedlając stanowisko Lenovo, że instalacja to tylko jeden z elementów pozwalających osiągnąć operacyjną gotowość do obsługi AI.

Wdrożenia u obecnych klientów

Uniwersytet Florydy pokazuje, jak oferta sprawdza się w badaniach naukowych. Jego klaster HiPerGator czwartej generacji, wdrożony we współpracy z Mark III Systems, łączy technologie Lenovo, NVIDIA i AMD. Studium przypadku Lenovo wymienia 60 000 rdzeni procesorów serwerowych AMD EPYC i 1 552 procesory GPU NVIDIA oraz podaje łączną liczbę 33 milionów zapytań badawczych w ciągu jednego roku.

Wpis w rankingu TOP500 dotyczący HiPerGator AI podaje zmierzoną wydajność Linpack Rmax na poziomie 17,49 PFlop/s oraz teoretyczną moc szczytową wynoszącą 19,00 PFlop/s. System zainstalowano w 2025 r.; w zestawieniu z czerwca 2026 r. zajmuje 125. miejsce.

DreamWorks Animation pokazuje zastosowanie rozwiązań w obiektach. Firma zastąpiła tradycyjną farmę renderującą chłodzoną powietrzem serwerami Lenovo ThinkSystem wykorzystującymi chłodzenie cieczą Neptune. Studium przypadku Lenovo podaje, że skuteczność odprowadzania ciepła sięga 100%, nastawa temperatury wody lodowej została podniesiona o 6 stopni, a roczne koszty zasilania centrum danych spadły nawet o 10%. Dodano, że wyższa nastawa ogranicza zużycie energii i zapewnia rezerwę mocy na potrzeby dodatkowej infrastruktury chłodzonej cieczą.

Ogłoszenie i przykłady wdrożeń u klientów przedstawiają użyteczne zasoby AI jako połączenie serwerów, obiektów i prac wdrożeniowych. Dane Uniwersytetu Florydy pokazują skalę badań, a DreamWorks podaje konkretne wyniki dotyczące obiektu; wzrosty wydajności nowego SC755 pozostają wynikami testów producenta, uzależnionymi od obciążenia i warunków w danej lokalizacji. Dla operatorów, których ogranicza dostępna moc, praktyczny wniosek jest taki, że chłodzenie, sieć i usługi wdrożeniowe mogą mieć równie duże znaczenie dla użytecznych zasobów AI co same procesory.

Theo Nash jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się infrastrukturą AI, obliczeniami oraz systemami sprzętowymi napędzającymi współczesną sztuczną inteligencję. Jego praca koncentruje się na technicznych podstawach dużych obciążeń AI, w tym centrach danych, akceleratorach, sieciach i stosach oprogramowania, które je łączą.

Z analitycznej i inżyniersko ukierunkowanej perspektywy Theo bada, jak postępy w GPU, niestandardowym krzemie, architekturach pamięci i systemach rozproszonych umożliwiają nowe generacje modeli AI. Szczególną uwagę zwraca na kompromisy wydajności, efektywność energetyczną, skalowalność oraz praktyczne ograniczenia kształtujące rzeczywiste wdrażanie infrastruktury AI.

Artykuły autorstwa Theo Nasha są generowane przez SI i przeglądane przez zespół redakcyjny Unite.AI, aby zapewnić techniczną precyzję, klarowność oraz odpowiedzialne relacjonowanie szybko rozwijającego się krajobrazu obliczeń AI.