Persian
در ISC 2026، DDN از مجموعه گستردهای از پلتفرمهای داده AI و HPC خود رونمایی کرد که سختافزار، نرمافزار و قابلیتهای یکپارچه جدیدی را برای افزایش استفاده از GPU، تسریع استنتاج هوش مصنوعی و سادهسازی زیرساختهای هوش مصنوعی در مقیاس بزرگ ارائه میکند.
راهاندازیهای جدید دستگاه ذخیرهسازی AI400X3M، در دسترس بودن عمومی رسمی فناوری شتاب KV Cache توزیعشده با NVIDIA Dynamo DDN، و همچنین ویژگیهای امنیتی ارتقا یافته، قابلیت مشاهده و مدیریت زیرساخت برای پشته کامل پلتفرم داده هوش مصنوعی آن را پوشش میدهد.
این بهینهسازیها گلوگاههای اصلی را در کل خط لوله دادههای هوش مصنوعی، از جمله پیشپردازش دادهها، آموزش مدل، استنتاج، تولید افزودهشده بازیابی (RAG)، استدلال منطقی و بارهای کاری AI عامل برطرف میکنند. DDN بر افزایش کارایی زیرساخت کلی با به حداکثر رساندن استفاده از GPU و در عین حال کاهش مصرف انرژی و هزینه کل استقرار تمرکز دارد.
الکس بوزاری، مدیرعامل و یکی از بنیانگذاران DDN خاطرنشان کرد که زیرساختهای هوش مصنوعی تولید مدرن نمیتوانند تنها به توان محاسباتی متکی باشند. او تاکید کرد که هماهنگ سازی کارآمد داده ها، امنیت قوی و دید عملیاتی جامع برای استقرار هوش مصنوعی سازمانی ضروری است. بهروزرسانیهای جدید DDN برای بهبود کارایی GPU، کاهش هزینههای استنتاج و کاهش تأخیر مدل تا اولین توکن مهندسی شدهاند.
AI400X3M: افزایش تراکم عملکرد AI و HPC
پیشرو در سبد محصولات جدید DDN، AI400X3M است، نسل بعدی دستگاه ذخیره سازی کلید در دست که بر روی سیستم فایل موازی EXAScaler بالغ و با کارایی بالا ساخته شده است.
مشخصات کامل AI400X3M
عملکرد
-
عملکرد خواندن متوالی: تا 190 گیگابایت بر ثانیه
-
عملکرد نوشتن متوالی: تا 110 گیگابایت بر ثانیه
-
IOPS خواندن تصادفی: 8M
ویژگی های سیستم
-
پلتفرم: دستگاه فایل سیستم فایل موازی مشترک EXAScaler برای هوش مصنوعی، مجهز به کنترلرهای ذخیره سازی فعال فعال
-
پورت های میزبان در هر دستگاه: 4× XDR/400GbE OSFP یا 8×NDR200/200GbE QSFP112
-
پشتیبانی از درایو: درایوهای 24×2.5 اینچی دو پورت با قابلیت تعویض داغ PCIe G5 NVMe
-
گزینه های ظرفیت: 120/250/500 ترابایت، حافظه قابل استفاده 1PB/2PB
-
ویژگیهای سفتافزار استاندارد: نقشهبرداری و پوشاندن LUN، نوار نوشتن هوشمند، خواندن کنترل QoS، بررسی و تصحیح یکپارچگی داده، رابط چند حالته (CLI، GUI، Python API)، سیستمهای خروجی با پشتیبانی RELP، هشدارهای تغییر وضعیت ایمیل/SNMP
ایمنی و انطباق
-
گواهینامه های ایمنی: IEC/EN/UL/CSA 62368-1، GB4943
-
گواهینامه های EMC: EN 55032 کلاس A، EN 55035، EN 61000-3-2/3-3، FCC قسمت 15 کلاس A، VCCI کلاس A، ICES-003 کلاس A، GB/T9254 کلاس A، BSMI کلاس A
-
انطباق با محیط زیست: RoHS، REACH، WEEE، ERP Lot9X
ویژگی های فیزیکی
-
ضریب فرم: 2U قابل نصب در قفسه
-
ابعاد: 3.43 اینچ (87 میلی متر) ارتفاع، 17.56 اینچ (446 میلی متر) عرض، 33.7 اینچ (856 میلی متر) عمق (بدون قاب)؛ عمق کلی 35.2 اینچ (895 میلی متر).
-
محدوده ریل: 26.75-34.0 اینچ (680-860 میلی متر)
-
وزن: 98 پوند (44 کیلوگرم) خالی؛ حداکثر وزن بارگذاری شده 108 پوند (49 کیلوگرم).
قدرت و خنک کننده
-
ولتاژ ورودی: 200–240 ولت، 50/60 هرتز
-
منبع تغذیه: 2 عدد PSU اضافی قابل تعویض با ورودی IEC60320-C20
محیط عملیاتی
-
محدوده دما: 5 تا 30 درجه سانتی گراد (41 درجه فارنهایت تا 86 درجه فارنهایت)
-
رطوبت نسبی: 8٪ - 80٪ (غیر متراکم)
-
ارتفاع: 3117 فوت (950 متر) @ 30 درجه سانتی گراد. 10000 فوت (3048 متر) @ 23 درجه سانتی گراد
پلتفرم جدید تا 35 درصد عملکرد خواندن بالاتری نسبت به نسل قبلی با حداکثر توان 190 گیگابایت بر ثانیه ارائه می دهد. از مقیاس تک رک تا 30PB پشتیبانی می کند و از معماری هیبریدی حافظه فلش-HDD برای متعادل کردن عملکرد، ظرفیت و هزینه کلی استفاده می کند. این دستگاه که برای آموزش هوش مصنوعی، استنتاج، چک پوینت و بارهای کاری شبیه سازی HPC طراحی شده است، به طور موثر گلوگاه های ذخیره سازی را که کارایی GPU را محدود می کند، از بین می برد. در دسترس بودن عمومی برای پایان سه ماهه سوم 2026 برنامه ریزی شده است.
شتاب حافظه پنهان KV توزیع شده اکنون به طور کلی در دسترس است
پس از پیشنمایش فناوری خود در NVIDIA GTC 2026، معماری شتابدهنده KV Cache توزیعشده DDN با ادغام NVIDIA Dynamo بومی به وضعیت GA کامل رسیده است، که با ذخیرهسازی شی DDN Infinia و سیستم فایل موازی EXAScaler سازگار است.
این معماری توزیعشده به جای محدود کردن ذخیرهسازی کش KV به حافظه GPU محلی، دادههای کش KV را به پلتفرم ذخیرهسازی با عملکرد بالا DDN بارگذاری میکند و گلوگاههای مهم حافظه را در طول استنتاج در مقیاس بزرگ از بین میبرد.
این راه حل که با NVIDIA Dynamo، vLLM و سایر چارچوب های استنتاج اصلی سازگار است، ادغام حافظه پنهان KV توزیع شده در چندین گره استنتاج را امکان پذیر می کند. تا 55× سرعت بارگیری حافظه پنهان KV را برای بارهای کاری LLM ارائه می دهد، به طور قابل توجهی استفاده از GPU را بهبود می بخشد، تولید توکن را تسریع می بخشد و هزینه های استقرار استنتاج کلی را کاهش می دهد. برای استنتاج با زمینه طولانی، RAG، مدلهای استدلال و گردشهای کاری پیچیده AI عاملی با دسترسی مکرر به متن بزرگ بسیار مناسب است.
خط لوله داده های هوش مصنوعی یکپارچه سرتاسر
DDN یک استراتژی زیرساخت داده یکپارچه هوش مصنوعی را راه اندازی کرده است که ترکیبی از ذخیره سازی اشیاء Infinia برای بارهای کاری استنتاج و ذخیره سازی موازی EXAScaler برای آموزش مدل و چک پوینت است.
Infinia پردازش ابرداده با تأخیر کم و عملکرد همزمان بالا را برای سناریوهای استنتاج بهینهسازی میکند، در حالی که EXAScaler توان عملیاتی فوقالعاده بالایی را برای آموزش فشرده مدل ارائه میدهد. معماری یکپارچه سیلوهای داده را حذف می کند و استفاده از GPU بالا را در طول چرخه عمر کامل هوش مصنوعی حفظ می کند.
امنیت ارتقا یافته و ویژگی های زیرساخت هوشمند
DDN پیشرفتهای متعددی را در سطح سازمانی ارائه کرده است، از جمله چند اجارهای فلزی برهنه، رمزگذاری و مدیریت کلید مبتنی بر KMIP، قابلیت مشاهده عملیاتی مبتنی بر VictoriaLogs و پشتیبانی از API چند مستاجر.
در سمت بهینهسازی ذخیرهسازی، پینکردن فایل هوشمند جدید و ویژگیهای Hot Pools با شتاب NAND، دادههای با دسترسی مکرر را در حافظه فلش با سرعت بالا نگه میدارند و بهطور خودکار دادههای سرد را به HDDهای کمهزینه طبقهبندی میکنند، که به طور موثری کارایی ذخیرهسازی را بهبود میبخشد و سرمایهگذاری ظرفیت فلاش را کاهش میدهد.
گسترش مستمر استقرار هوش مصنوعی ابری
DDN به گسترش اکوسیستم زیرساخت هوش مصنوعی ابری خود ادامه می دهد، از جمله راه حل های Managed Luster با Google Cloud و استقرار تولید در Salesforce بر اساس Google Cloud Managed Luster که توسط EXAScaler پشتیبانی می شود.
استقرار Salesforce به سرعت آموزش مدل 1.5× سریعتر، تأخیر ورودی/خروجی 75 درصدی و کاهش هزینههای آموزشی 42 درصدی دست مییابد که ارزش بهینهسازی ذخیرهسازی DDN را برای حجمهای کاری هوش مصنوعی در مقیاس بزرگ کاملاً تأیید میکند.
با این سری از بهروزرسانیها، DDN در حال گسترش قابلیتهای خود فراتر از ذخیرهسازی موازی سنتی است تا هماهنگسازی دادههای هوش مصنوعی، شتاب استنتاج و مدیریت زیرساخت تمام پشته را پوشش دهد، و استقرار کلاسترهای GPU در مقیاس بزرگ را برای سناریوهای سازمانی، ابری، تحقیقاتی و هوش مصنوعی مستقل تقویت کند.
پکن Qianxing Jietong Technology Co., Ltd.
سندی یانگ / مدیر استراتژی جهانی
WhatsApp / WeChat: +86 13426366826
ایمیل: yangyd@qianxingdata.com
وب سایت: www.qianxingdata.com/www.storagesserver.com
تمرکز تجاری:
توزیع محصول ICT/یکپارچه سازی سیستم و خدمات/راه حل های زیرساخت
با بیش از 20 سال تجربه توزیع فناوری اطلاعات، ما با برندهای پیشرو جهانی برای ارائه محصولات قابل اعتماد و خدمات حرفه ای همکاری می کنیم.
«استفاده از فناوری برای ساختن جهانی هوشمند» ارائهدهنده خدمات مورد اعتماد شما در زمینه فناوری اطلاعات و ارتباطات!
سندی یانگ / مدیر استراتژی جهانی
WhatsApp / WeChat: +86 13426366826
ایمیل: yangyd@qianxingdata.com
وب سایت: www.qianxingdata.com/www.storagesserver.com
تمرکز تجاری:
توزیع محصول ICT/یکپارچه سازی سیستم و خدمات/راه حل های زیرساخت
با بیش از 20 سال تجربه توزیع فناوری اطلاعات، ما با برندهای پیشرو جهانی برای ارائه محصولات قابل اعتماد و خدمات حرفه ای همکاری می کنیم.
«استفاده از فناوری برای ساختن جهانی هوشمند» ارائهدهنده خدمات مورد اعتماد شما در زمینه فناوری اطلاعات و ارتباطات!