AI-modeller och plattformar

Lenovo lägger till AMD EPYC-servrar och AI-fabrikstjänster för HPC

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Lenovo presenterade ny infrastruktur för AI och högpresterande databehandling den 10 november 2026, bland annat ThinkSystem-servrar med AMD EPYC SP7-processorer av sjätte generationen, lagringslösningar, sammankopplingslösningar och utökade AI-fabrikstjänster. Portföljen omfattar kundernas datacenter, hybrida miljöer och samlokaliseringsanläggningar.

Lenovo ser AI och HPC som en infrastrukturutmaning på systemnivå. I takt med att kontinuerlig inferens, agentbaserad körning och vetenskapliga arbetsbelastningar ökar beror prestandan på beräkningskapacitet och minnesbandbredd, liksom på lagring, dataförflyttning och kylning. Scott Patti, vice vd för Lenovos Infrastructure Solutions Group, sade att målet är att ”få ut mer användbar prestanda ur varje watt”, samtidigt som man hanterar begränsningar i fråga om strömförsörjning och kylning och snabbare går från driftsättning till operativ AI.

Servrar, lagring och sammankopplingslösningar

ThinkSystem SC755 med två processorsocklar är den vätskekylda servern i Neptune-serien som ingår i uppdateringen. Enligt Lenovos interna tester kan den avleda upp till 100 % av systemvärmen med vatten och leverera upp till 40 % högre uthållig prestanda än jämförbara luftkylda system. Resultaten varierar beroende på systemkonfiguration, arbetsbelastning, vattentemperatur i anläggningen och förhållandena i datacentret. Med Dynamic Partitioning kan kunder omvandla två system med dubbla processorsocklar till system med en sockel och tillbaka igen, vilket gör det mer flexibelt att fördela beräkningskapaciteten mellan olika arbetsbelastningar.

För hög beräkningstäthet och minnesbandbredd lägger Lenovo till ThinkSystem SR755. Servern riktar sig till användningsområden som infrastruktur för agentbaserad AI, elektronisk konstruktionsautomation, finansiell modellering, ingenjörsarbete och storskalig virtualisering. Lenovos interna analys visar lägre strömförbrukning och bättre ekonomi än konfigurationer med två processorsocklar, men de faktiska resultaten kan variera.

Två lagringssystem breddar satsningen på dataflöde. ThinkSystem DE6800 är avsett för program som kräver tillförlitlig lagring med hög dataöverföringskapacitet, medan DE6500 erbjuder kostnadseffektiv prestanda med enklare driftsättning och hantering. Båda är avsedda för blocklagringsarbetsbelastningar som är känsliga för fördröjningar. Valideringen av Cornelis CN5000-nätverket ger också kunderna ytterligare en höghastighetslösning för sammankoppling, avsedd att minska flaskhalsar i dataförflyttningen i krävande AI- och HPC-miljöer.

Tjänster för driftsättning och datacenterkapacitet

Tjänstedelen omfattar arbetet efter att hårdvaran har levererats. Hybrid AI Factory Services omfattar nu driftsättning, konfiguration och optimering av GPU:er. Stöd för flera noder för Red Hat AI Enterprise och NVIDIA AI Enterprise med NVIDIA Run:ai ger två programvarualternativ för att driftsätta, styra och skala arbetsbelastningar, däribland agentbaserad AI och fysisk AI.

För de största satsningarna omfattar Lenovos utökade Gigafactory Services arbetet från idé- och byggfasen till driftsättning och optimering för produktion. Expertis inom NVIDIA Infrastructure Services ingår för specialiserad driftsättning och klustervalidering. Lenovo kan också förmedla tillgång till Digital Realtys samlokaliseringsnätverk och Digital Realty Innovation Lab, där organisationer kan validera sin AI-infrastruktur, sina program och sina krav på arbetsbelastningar.

Lenovo erbjuder en enda kontaktpunkt för organisationer som behöver samlokaliseringsutrymme, med skalbar infrastruktur, modulära tjänster och flexibel finansiering genom TruScale Infrastructure as a Service. Tilläggen kombinerar datorhårdvara med driftsättningsarbete och datacenterkapacitet, i linje med Lenovos uppfattning att installation bara är en del av arbetet med att uppnå operativ AI-kapacitet.

Befintliga kundinstallationer

University of Florida visar portföljens forskningssida. Universitetets HiPerGator-kluster av fjärde generationen, som driftsatts tillsammans med Mark III Systems, kombinerar teknik från Lenovo, NVIDIA och AMD. Lenovos fallstudie anger 60 000 AMD EPYC-serverprocessorkärnor och 1 552 NVIDIA-GPU:er samt redovisar totalt 33 miljoner forskningsförfrågningar under ett år.

TOP500-posten för HiPerGator AI anger en uppmätt Linpack Rmax-prestanda på 17.49 PFlop/s och en teoretisk topprestanda på 19.00 PFlop/s. Systemet installerades 2025 och ligger på plats 125 på listan från juni 2026.

DreamWorks Animation illustrerar anläggningssidan. Företaget ersatte en traditionell luftkyld renderingsfarm med Lenovo ThinkSystem-servrar som använder Neptune-vätskekylning. Lenovos fallstudie redovisar upp till 100 % effektiv värmeavledning, en höjning av börvärdet för kylvattnet med 6 grader och upp till 10 % lägre årliga elkostnader för datacentret. Studien tillägger att det högre börvärdet minskar energiförbrukningen och skapar utrymme för ytterligare vätskekyld infrastruktur.

Tillkännagivandet och kundexemplen visar hur användbar AI-kapacitet bygger på en kombination av servrar, anläggningar och driftsättningsarbete. Siffrorna från University of Florida visar forskningens omfattning, medan DreamWorks kvantifierar resultaten för anläggningen. SC755-serverns nya prestandafördelar bygger fortfarande på leverantörstester och är beroende av arbetsbelastning och förhållandena på plats. För verksamheter med begränsad tillgång till ström innebär det i praktiken att kylning, nätverk och driftsättningstjänster kan vara lika avgörande för den användbara AI-kapaciteten som själva processorerna.

Theo Nash är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, som täcker AI‑infrastruktur, beräkning och hårdvarusystemen som driver modern artificiell intelligens. Hans arbete fokuserar på de tekniska grunderna bakom storskaliga AI‑arbetsbelastningar, inklusive datacenter, acceleratorer, nätverk och mjukvarustacken som binder dem samman.

Med ett analytiskt och ingenjörsdrivet perspektiv granskar Theo hur framsteg inom GPU:er, skräddarsytt kisel, minnesarkitekturer och distribuerade system möjliggör nya generationer av AI‑modeller. Han ägnar särskild uppmärksamhet åt prestandakompromisser, energieffektivitet, skalbarhet och de praktiska begränsningarna som formar verklig implementering av AI‑infrastruktur.

Artiklar skrivna av Theo Nash är AI‑genererade och granskas av Unite.AI:s redaktionsteam för att säkerställa teknisk noggrannhet, tydlighet och ansvarsfull täckning av det snabbt föränderliga AI‑beräkningslandskapet.