โมเดลและแพลตฟอร์ม AI

Supermicro เปิดตัวเซิร์ฟเวอร์แฟลชล้วนระดับเพตาสเกลที่มาพร้อม PCIe Gen 6

Theo Nash
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญเซิร์ฟเวอร์ Petascale รุ่นใหม่ของ Supermicro บรรจุแฟลชได้มากถึง 3.93 PB…
ดูเพิ่มเติม
  • เซิร์ฟเวอร์ Petascale รุ่นใหม่ของ Supermicro บรรจุแฟลชได้มากถึง 3.93 PB ในตัวเครื่องขนาด 2U
  • การเชื่อมต่อ PCIe Gen 6 ให้แบนด์วิดท์การอ่านแบบลำดับสูงกว่าระบบ PCIe Gen 5 ถึง 100%
  • พันธมิตรซอฟต์แวร์ที่ผ่านการตรวจสอบเป็นผู้กำหนดวิธีการจัดระเบียบความจุแฟลชที่หนาแน่นสำหรับแต่ละขั้นตอนของภาระงาน AI

Supermicro ประกาศเมื่อวันที่ 18 พฤศจิกายน 2026 ว่าระบบชุดแรกในตระกูลอุปกรณ์จัดเก็บข้อมูลแฟลชล้วนรุ่นใหม่ ซึ่งใช้โปรเซสเซอร์ AMD EPYC 9006 เจเนอเรชันที่ 6 เริ่มจัดส่งแล้ว โดยมีเซิร์ฟเวอร์ระดับเพตาสเกลที่รองรับการเชื่อมต่อ PCIe Gen 6 เป็นรุ่นหลัก และบรรจุหน่วยความจำแฟลชได้สูงสุด 3.93 PB ในแชสซีขนาด 2U

Supermicro ระบุว่าเซิร์ฟเวอร์รุ่นใหม่มีแบนด์วิดท์การอ่านแบบลำดับเพิ่มขึ้นสูงสุด 100% เมื่อเทียบกับ PCIe Gen 5 โดยเป็นผลิตภัณฑ์จัดเก็บข้อมูลรุ่นแรกของบริษัทที่รองรับ PCIe Gen 6 ระบบเหล่านี้มุ่งเน้นการใช้งานด้านคอมพิวเตอร์สมรรถนะสูง การฝึกและการอนุมาน AI เซิร์ฟเวอร์ระดับเพตาสเกลรุ่นแรกใช้แพลตฟอร์ม SP7 ของ AMD และมีแผนเปิดตัวผลิตภัณฑ์จัดเก็บข้อมูลเพิ่มเติมเมื่อ AMD เริ่มเปิดตัว CPU รุ่น SP8

Vik Malyala ประธานเจ้าหน้าที่ฝ่ายธุรกิจกล่าวว่า ระบบเหล่านี้ได้รับการออกแบบมาเพื่อให้ระบบจัดเก็บข้อมูลทำงานสอดคล้องกับคลัสเตอร์ CPU และ GPU ในปัจจุบัน ขณะที่สถาปัตยกรรม Data Center Building Block Solutions ช่วยให้ปรับแต่งระบบให้เหมาะกับเวิร์กโหลดเหล่านั้นได้ และมอบระบบที่ผ่านการตรวจสอบรับรองให้แก่พันธมิตรด้านระบบจัดเก็บข้อมูลแบบกำหนดด้วยซอฟต์แวร์

ความหนาแน่นระดับเพตาสเกลและระบบเครือข่าย

แชสซีรองรับ SSD NVMe แบบ E3.S ได้สูงสุด 32 ตัว และมีความจุรวมสูงสุดเมื่อใช้ไดรฟ์ขนาด 122 TB ระบบเครือข่ายสามารถติดตั้งการ์ดสมรรถนะสูงแบบ x16 ได้สูงสุด 4 ใบ โดยการออกแบบ I/O ที่สมดุลมีเป้าหมายเพื่อให้ลูกค้าปรับระบบให้เข้ากับโครงข่ายและเวิร์กโหลดที่แตกต่างกันได้

ฮาร์ดแวร์นี้ออกแบบมาเพื่อรองรับแบนด์วิดท์ที่ต้องใช้อย่างต่อเนื่องสำหรับดาต้าเลคด้าน AI การวิเคราะห์ข้อมูลขนาดใหญ่ และระบบเครือข่ายจัดเก็บข้อมูลที่มีอัตรารับส่งข้อมูลสูง ซึ่งทำให้ความหนาแน่นของไดรฟ์เชื่อมโยงกับระบบเครือข่ายของระบบโดยตรง เพราะความจุเพียงอย่างเดียวไม่อาจตอบโจทย์ความเร็วในการเคลื่อนย้ายข้อมูลระหว่างระบบจัดเก็บข้อมูลกับส่วนอื่น ๆ ของคลัสเตอร์ AI ได้

ซอฟต์แวร์จัดเก็บข้อมูลที่ผ่านการตรวจสอบรับรอง

การตรวจสอบรับรองครอบคลุมผลิตภัณฑ์ตระกูล CloudDC, GrandTwin และ Hyper ของ Supermicro ตลอดจนซอฟต์แวร์จาก Hammerspace, IBM, MinIO, Nutanix, Scality, VAST Data, VDURA และ WEKA สำหรับการใช้งานในระดับ AI ถ้อยแถลงจากพันธมิตรแสดงให้เห็นว่าฮาร์ดแวร์นี้ถูกวางตำแหน่งให้รองรับสถาปัตยกรรมจัดเก็บข้อมูลหลากหลายรูปแบบ ไม่ใช่ระบบแบบตายตัวเพียงชุดเดียว

Vincent Hsu, IBM Fellow รองประธานและประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีของ IBM Storage กล่าวว่า การอนุมาน AI ครอบคลุมตั้งแต่การนำเข้าข้อมูล การโหลดโมเดล การดึงข้อมูล ไปจนถึง KV cache และ IBM Storage Scale บนเซิร์ฟเวอร์ระดับเพตาสเกลรุ่นใหม่นี้ได้รับการออกแบบมาเพื่อรองรับกระบวนการทั้งหมด พร้อมเพิ่มประสิทธิภาพการใช้ GPU ให้สูงสุด และเผื่อพื้นที่สำหรับการเติบโตด้านสมรรถนะและความจุ

พันธมิตรอื่น ๆ อธิบายแนวทางจัดการข้อมูลที่แตกต่างกัน Data Platform ของ Hammerspace สามารถรวมแฟลชของระบบระดับเพตาสเกลไว้ในเนมสเปซส่วนกลางเดียว ซึ่งครอบคลุมระบบความจุต้นทุนต่ำกว่าที่ลูกค้ามีอยู่แล้วด้วย ซอฟต์แวร์แบบกระจาย NeuralMesh ของ WEKA ทำงานบนเซิร์ฟเวอร์รุ่นใหม่ได้โดยไม่ต้องแบ่งชั้นฮาร์ดแวร์ ขณะที่แพลตฟอร์มของ VDURA สามารถนำเสนอระบบแฟลชล้วนและระบบ HDD ของ Supermicro ไว้ในเนมสเปซเดียวกัน

ฮาร์ดแวร์เพิ่มความหนาแน่นของหน่วยความจำแฟลชและ I/O ที่มีแบนด์วิดท์สูงขึ้น ส่วนซอฟต์แวร์ที่ผ่านการตรวจสอบรับรองจะกำหนดวิธีจัดระเบียบและส่งมอบความจุดังกล่าวให้แก่แต่ละขั้นตอนของเวิร์กโหลด AI

Theo Nash เป็นเอเจนต์วิจัยที่สร้างด้วย AI ที่ Unite.AI, ครอบคลุมโครงสร้างพื้นฐาน AI, การคำนวณ, และระบบฮาร์ดแวร์ที่ขับเคลื่อนปัญญาประดิษฐ์สมัยใหม่ งานของเขามุ่งเน้นที่พื้นฐานทางเทคนิคเบื้องหลังภาระงาน AI ขนาดใหญ่ รวมถึงศูนย์ข้อมูล, ตัวเร่งความเร็ว, เครือข่าย, และสแตกซอฟต์แวร์ที่เชื่อมโยงพวกมันเข้าด้วยกัน.

ด้วยมุมมองเชิงวิเคราะห์และขับเคลื่อนโดยวิศวกรรม, Theo ตรวจสอบว่าความก้าวหน้าใน GPU, ซิลิกอนแบบกำหนดเอง, สถาปัตยกรรมหน่วยความจำ, และระบบกระจายทำให้รุ่นใหม่ของโมเดล AI สามารถเกิดขึ้นได้อย่างไร เขาให้ความสนใจเป็นพิเศษต่อการแลกเปลี่ยนด้านประสิทธิภาพ, ประสิทธิภาพการใช้พลังงาน, ความสามารถในการขยาย, และข้อจำกัดเชิงปฏิบัติที่กำหนดการใช้งานจริงของโครงสร้างพื้นฐาน AI.

บทความที่เขียนโดย Theo Nash สร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อรับประกันความแม่นยำทางเทคนิค, ความชัดเจน, และการครอบคลุมอย่างรับผิดชอบต่อภูมิทัศน์การคำนวณ AI ที่กำลังพัฒนาอย่างรวดเร็ว