Referenzarchitektur von Pure Storage für NVIDIA Enterprise AI Factory beschleunigt Intelligenz im großen Maßstab

Zusammenfassung

The Pure Storage with NVIDIA Enterprise AI Factory reference architecture is a jointly engineered solution that combines NVIDIA’s cutting-edge AI computation and orchestration capabilities with high-performance flash storage from Pure Storage.

Die Pure Storage AI Factory mit NVIDIA ist eine validierte AI-Infrastrukturplattform, die dazu entwickelt wurde, Unternehmens-AI-Projekte zu beschleunigen. Da AI-Modelle und logische Systeme immer komplexer werden, zielt diese Lösung darauf ab, Erkenntnisse zu beschleunigen und gleichzeitig den Betrieb zu vereinfachen.

Speziell für moderne Unternehmens-AI entwickelt

Herkömmliche IT hat Schwierigkeiten, die Anforderungen moderner AI-Workloads zu erfüllen und so kontinuierlich sicherzustellen, dass Computer- und AITeams produktiv sind. Andererseits muss der leistungsstarke AI-Storage Unternehmensfunktionen wie garantierte Betriebszeit, Agilität und Resilienz integrieren. Die Pure Storage-Lösung für das NVIDIA Enterprise AI Factory-validierte Design behebt diese Probleme mit einer einfach zu bedienenden, integrierten, leistungsstarken und belastbaren Architektur. Es unterstützt erweiterte Workloads wie generative AI und Computervision, indem es die neuesten beschleunigten Computing- und Softwareplattformen von NVIDIA mit Pure Storage® FlashBlade//S™-Storage kombiniert und die Performance und Skalierbarkeit bietet, die für umfangreiches Modelltraining und Inferenz erforderlich sind. Das Pure Storage Flashblade//S ist ein NVIDIA-zertifiziertes™-Storage-System, das skaliert werden kann, um bis zu 1.024NVIDIA-GPUs und mehrere Petabyte an Daten zu unterstützen, wobei Hochgeschwindigkeitsnetzwerke Rechenleistung und Storage eng integrieren.

Wichtige Vorteile

Unterbrechungsfreie Upgrades: FlashBlade ermöglicht Daten-in-Place-Upgrades und ermöglicht Erweiterungen oder Aktualisierungen ohne Ausfallzeiten – im Gegensatz zu herkömmlichem Storage, der oft geplante Ausfälle erfordert.
Benutzerfreundlichkeit: Eine einheitliche Plattform vereinfacht die AI-Datenpipeline von der Aufnahme bis zur Inferenz, die für IT- und AI-Entwickler in Unternehmen entwickelt wurde, um mit minimalem Aufwand zu arbeiten.
Konsistente Performance: Die Architektur bietet zuverlässige Performance in jeder Größenordnung, sodass Unternehmen Implementierungen ohne Ausfallzeiten oder Performance-Verluste erweitern können.
Agilität und Zukunftssicherheit: Das offene, modulare Design unterstützt die Entwicklung von AI-Technologien und vermeidet die Bindung von Anbietern, wodurch Flexibilität und Interoperabilität maximiert werden.
Effizienz: Die hohe Dichte und der geringere Stromverbrauch von FlashBlade verringern den Platzbedarf und die Betriebskosten von Rechenzentren, während der einheitliche Stack die Wartung vereinfacht.

Validierte Konfigurationen

Gemeinsam entwickeln Pure Storage, NVIDIA und andere Systempartner Produkte, Software und Services, um die Umstellung der Unternehmens-IT auf eine AI-Fabrik zu beschleunigen. Nach dem von NVIDIA Enterprise AI Factory validierten Design ist Pure führend bei der lokale Infrastruktur – mit NVIDIA-zertifizierten RTX™ PRO- und HGX Blackwell-Servern, NVIDIA Spectrum™-X Ethernet-Netzwerken, NVIDIA BlueField®-DPUs und NVIDIA AI Enterprise-Software in Kombination mit den NVIDIA-zertifizierten Storage-Systemen von Pure.

Die von NVIDIA Enterprise AI Factory validierten Designlösungen basieren auf empfohlenen Hardwarekonfigurationen von NVIDIA Enterprise Reference Architectures (Enterprise RA), die auf Implementierungen der Enterprise-Klasse mit 4 bis 32 Knoten mit 16 bis 256 GPUs zugeschnitten sind. Jede Enterprise RA folgt einem präskriptiven Designmuster, einer sogenannten Referenzkonfiguration, die auf einem NVIDIA-zertifizierten Server basiert, um eine optimale Performance in einem Cluster sicherzustellen. Diese Referenzkonfigurationen standardisieren die Beschreibung von Rechenknoten basierend auf CPU-, GPU-, Netzwerk- und Bandbreitenspezifikationen. Die C-G-N-B-Nomenklatur vereinfacht die Systemauswahl, indem sie Rechenleistung, Netzwerkfunktionen und Bandbreitenleistung klar anzeigt. Jede Ziffer (z. B. 2-8-5-200) bezieht sich auf die Anzahl der CPU-Sockets, die Anzahl der GPUs, die Anzahl der Netzwerkadapter (NICs, SuperNICs oder DPUs) bzw. die durchschnittliche East-West-Bandbreite pro GPU (GbE).

Um die Einführung zu vereinfachen, hat Pure Storage seine Systeme an die Referenzkonfigurationen angepasst, die im von NVIDIA Enterprise AI Factory validierten Design verwendet werden, und ermöglicht so eine mühelose Bereitstellung und Skalierung ausgeglichener Systeme, die Engpässe und eine suboptimale Performance vermeiden. Nachfolgend finden Sie die wiederholbaren Referenzkonfigurationen, für die Pure entwickelt und getestet hat.

Dies sind validierte Bausteine, die Kunden und Partner-OEMs verwenden können, um die Lösung in verschiedenen Größenordnungen bereitzustellen. Das bedeutet das:

2-4-3-200 (PCIe-optimiert): Ein Rechenknoten mit 2 CPUs, 4 GPUs, 3 Hochgeschwindigkeits-NIC/DPUs und 200 Gbit/s Netzwerkbandbreite pro GPU.It kann einem NVIDIA-zertifizierten Server mit vier PCIe-GPUs (NVIDIA L40S oder die NVIDIA RTX PRO 6000 Blackwell Server Edition-GPUs oder NVIDIA H100 NVL für große Modelle) und drei 200Gb-Ethernet-Schnittstellen (oft mit NVIDIA BlueField-3-DPUs für Offloads) entsprechen. Der Baustein 2-4-3-200 bietet einen ausgewogenen Einstiegspunkt für AI-Fabriken. Er eignet sich für Aufgaben wie Kleinmodelltraining und Feinabstimmung oder für die Bereitstellung mittelgroßer Modelle in der Produktion. Unternehmen können mit einem Cluster dieser 4-GPU-Server beginnen, da sie wissen, dass die Architektur vorhersehbar skaliert werden kann.
2-8-5-200 (PCIe-optimiert): Ein größerer PCIe-basierter Knoten mit 2 CPUs, 8 GPUs, 5 NIC/DPUs und 200 Gbps Netzwerkbandbreite pro GPU. Mit acht GPUs in einem einzigen Knoten bietet diese Konfiguration mehr AI-Rechenleistung pro Server, die sich für schwerere Trainingsjobs oder konsolidierte Inferenzfarmen eignet. Diese Konfiguration richtet sich nach dem kürzlich angekündigten NVIDIA RTX PRO Server mit bis zu acht RTX PRO 6000 Blackwell Server Edition-GPUs. Das „2-8-5“-Designmuster sorgt für noch mehr Netzwerkbandbreite und Adapteranzahl, um die erhöhte GPU-Zahl zu bewältigen, und hält eine volle Pipeline von 200 Gb/s für jede GPU aufrecht. Anwendungsfälle umfassen mittlere bis große Modellschulungen (z. B. moderate NLP-Modelle oder Visionsmodelle) und Inferenz mit hohem Durchsatz für viele gleichzeitige Benutzer. Diese Konfiguration kann über Server wie NVIDIA-zertifizierte HGX A100/H100-PCIe-Systeme oder kundenspezifische OEM-Designs bereitgestellt werden, die den Spezifikationen entsprechen. Es bietet eine hervorragende Scale-up-Option, während es weiterhin die Standard-Ethernet-Fabric verwendet.
2-8-9-400 (HGX-optimiert): Eine High-End-Konfiguration mit 2 CPUs, 8 GPUs (in einem NVIDIA HGX-Formfaktor), 9 Netzwerkadaptern und 400 Gbps Netzwerk pro GPU. Dies entspricht einer NVIDIA HGX-Plattform (z. B. HGX H100 oder bevorstehendes HGX H200), bei der 8 SXM-GPUs über NVIDIA NVLink mit einer extrem hohen Bandbreite von GPU zu GPU verbunden sind (in der Größenordnung von 900 GB/s intern). Die „9“-Netzwerkschnittstellen (z. B. BlueField-3-DPUs oder NVIDIA ConnectX-7-NICs) bieten einen enormen Gesamtdurchsatz – 8 x 400Gb für die GPUs plus Extras für Storage oder Inter-Cluster-Kommunikation – und liefern effektiv 400Gb/s für jede GPU für die eI/O-intensiven Workloads. Dieses 2-8-9-400-Muster richtet sich an die anspruchsvollsten Szenarien: großmodelliges Training (Modelle mit mehreren Milliarden Parametern), starke Schlussfolgerungen aus großen Kontexteingaben oder jede AI-Workload, bei der maximaler Durchsatz und geringe Latenz von entscheidender Bedeutung sind. Angesichts seiner Leistungsfähigkeit eignet es sich natürlich für Anwendungsfälle wie erweiterte generative AI, komplexe Simulationen oder massiv skalierbare Inferenzdienste.

Diese Referenzkonfigurationen können clusterweit skaliert werden. So kann beispielsweise eine AI-Fabrik mit (4) 2-8-5-200 Knoten beginnen und später bis zu 32 Knoten pro Cluster erweitern – der FlashBlade-Storage und das NVIDIA Spectrum-X Ethernet-Netzwerk werden entsprechend skaliert (die Anleitung gibt an, wie viele FlashBlade-Gehäuse und -Uplinks benötigt werden, wenn einer wächst, um eine lineare Skalierbarkeit sicherzustellen). Dadurch erhalten Unternehmen einen klaren, modularen Wachstumspfad: Beginnen Sie mit einem bewährten Baustein und fügen Sie mehr hinzu, wenn die AI-Nachfrage wächst.

Um eine breite Zugänglichkeit sicherzustellen, validieren NVIDIA und Pure Storage Lösungen mit wichtigen Server-OEMs, um diese AIFabrik-Bausteine auf den Markt zu bringen. Dell Technologies, HPE und Supermicro-Server werden mit NVIDIA Blackwell-Plattformen in Kombination mit Pure Storage FlashBlade als vollständige AI-Fabrik-Lösungen getestet. Dies beschleunigt das Design und die Bereitstellung von NVIDIA AI Factory beim Anbieter der Wahl des Kunden und gibt die Gewissheit, dass die Lösungen vollständig nach den NVIDIA-Pure Storage-Spezifikationen validiert sind.

AI AI Factory ist keine einzige Black-Box-Appliance, sondern eine offene Referenzarchitektur, auf der mehrere Anbieter aufbauen können. Unternehmen können die Lösung über den Hardware-Anbieter übernehmen, den sie bevorzugen, oder sogar selbst Komponenten nach dem Referenzdesign integrieren. Diese Offenheit steht im Gegensatz zu einigen konkurrierenden Ansätzen, die Kunden mit dem Ökosystem eines Anbieters verbinden. In allen Fällen profitiert der Kunde von der gemeinsam validierten Konstruktion und der engen Integrationsarbeit der Engineering-Teams.

Einheitlicher Software-Stack: NVIDIA Base Command Manager, Run:ai und Portworx von Pure Storage

Eine herausragende Funktion der NVIDIA-Pure Storage AI Factory ist der einheitliche Software-Stack für die Daten- und Rechenorchestrierung. Drei wichtige Softwarekomponenten spielen dabei eine Rolle: NVIDIA Base Command Manager, Portworx® von Pure Storage und NVIDIA Run:AI. Zusammen bilden sie eine zusammenhängende Schicht, die den Betrieb von AI im großen Maßstab vereinfacht:

NVIDIA Base Command Manager ist eine Cluster-Management-Lösung, die eine schnelle Bereitstellung ermöglicht und die Bereitstellung und Administration für Cluster jeder Größe automatisiert. In der AI-Fabrik bietet Base Command Manager Bereitstellungs-, Überwachungs- und Managementfunktionen in einem einzigen Tool, das den gesamten Lebenszyklus des Clusters umfasst. Durch die Integration des Base Command Manager stellt die AI Factory sicher, dass Unternehmen die Nutzung ihrer Cluster-Ressourcen optimieren. Die Software umfasst Dashboards zur Anzeige der Clusterauslastung und von Gesundheitsdaten, um die Performance abzustimmen oder Probleme zu erkennen (daher werden „Infrastrukturoptimierungstools“ erstellt). Kurz gesagt: NVIDIA Base Command Manager verbindet die Hardware aus der Sicht des Benutzers in einem einzigen AI-Supercomputer und entfernt so die Komplexität des zugrunde liegenden Clusters.
Portworx von Pure Storage ist eine Kubernetes-native Datenplattform, die sich durch die Verwaltung von persistentem Storage für containerisierte Anwendungen auszeichnet. Innerhalb der AI-Fabrik kann Portworx genutzt werden, um Daten auf FlashBlade für containerisierte AIWorkloads zu orchestrieren. Da die AI-Entwicklung zunehmend Container- und Kubernetes-basierte Pipelines verwendet, stellt Portworx sicher, dass Daten für Container verfügbar sind, wo immer sie ausgeführt werden, mit Funktionen wie dynamischer Volume-Bereitstellung, Storage-Snapshots und Replikation über Cluster hinweg. Dies ist besonders in Hybrid-Cloud-Szenarien wichtig. Wenn beispielsweise einige AI-Microservices in der Cloud ausgeführt werden, während das Haupttraining lokal stattfindet, kann Portworx dabei helfen, Daten nahtlos zwischen Umgebungen zu verschieben oder zu synchronisieren. Es bietet effektiv eine Cloud-fähige Ebene zusätzlich zu FlashBlade-Schnell-Storage. Die Portworx-Integration bedeutet, dass Entwickler die Datenlogistik nicht manuell verwalten müssen. Sie können Datenmengen über Kubernetes anfordern und darauf vertrauen, dass die Plattform die Daten mit der erforderlichen Performance liefert. In Kombination mit der Rohgeschwindigkeit von FlashBlade stellt dies sicher, dass containerisierte AI-Aufgaben (z. B. Modellinferenzservices oder Datenvorbereitungspipelines) nach Bedarf einen Datenzugriff mit niedriger Latenz und hohem Durchsatz erhalten.
NVIDIA Run:ai ist eine spezialisierte AIWorkload-Orchestrierungsplattform, die die GPU-Auslastung maximiert und die Auftragsplanung in der AI-Fabrik vereinfacht. Run:ai erweitert Kubernetes um intelligente, richtliniengesteuerte Planungsfunktionen, die GPU-Fraktionen dynamisch zuweisen, Jobs in die Warteschlange stellen und Quoten durchsetzen und eine effiziente gemeinsame Nutzung der GPU-Infrastruktur für mehrere Benutzer und Teams ermöglichen. Wenn ein Experiment beispielsweise nur einen Teil des GPU-Speichers verwendet, kann Run:ai zusätzliche Workloads auf derselben GPU planen, wodurch die Auslastung auf eine Weise erhöht wird, wie es herkömmliche Scheduler nicht können. Das Ergebnis sind weniger Leerlaufzeiten und ein höherer Workload-Durchsatz innerhalb der AIFabrik. Zusammen schaffen Run:ai und Portworx im Wesentlichen eine einzige einheitliche Daten- und Ressourcenmanagementebene über GPU und Storage hinweg und bieten so einen Datenzugriff mit geringerer Latenz und eine bessere Ressourcenauslastung für AIJobs. Diese Vereinigung ist ein entscheidender Faktor für die Produktivität: Daten- und Rechenressourcen werden automatisch zusammen orchestriert.

Durch die Nutzung von Base Command Manager, NVIDIA Run:ai und Portworx bietet die AI-Factory-Lösung von NVIDIA-Pure Storage einen Full-Stack-Ansatz. Es geht nicht nur um Rohhardware, sondern auch um Hardware und intelligente Software. Das bedeutet, dass Unternehmen eine schlüsselfertige Plattform erhalten, die nicht nur eine erstklassige Performance bietet, sondern auch die intelligente Automatisierung und Integration, die erforderlich sind, um diese Performance effektiv zu nutzen. Entwickler können AI-Experimente starten, ohne sich Gedanken über die Installation von Dateisystemen oder die Suche nach dem Speicherort ihrer Daten machen zu müssen – die Plattform verarbeitet sie. IT-Betreiber können Governance und Effizienz mit feinkörnigen Kontrollrichtlinien sicherstellen. Der einheitliche Stack verwandelt die komplexe Matrix aus GPUs, Netzwerk und Storage effektiv in eine zusammenhängende Erfahrung für Endbenutzer im Unternehmen.

Steigern Sie die Produktivität von Entwicklern und die Effizienz von AI-Pipelines

Einer der aufregendsten Aspekte der NVIDIA-Pure Storage AI Factory ist, wie sie die Arbeit von AI-Entwicklern und Datenwissenschaftlern beschleunigen kann. Durch die Beseitigung von Infrastrukturengpässen und Komplexität können sich Teams auf die Erstellung von Modellen und Lösungen konzentrieren, anstatt sich mit Hardware und Datenleitungen auseinanderzusetzen.

So verbessert die AI-Fabrik die Produktivität in der gesamten AIPipeline:

Vereinfachter Datenzugriff: In vielen Unternehmen sind Daten über verschiedene Storage-Systeme hinweg isoliert, und die richtigen Daten für AIExperimente zu erhalten, ist ein langsamer, manueller Prozess. Mit dem einheitlichen FlashBlade-Storage von AI Factory können alle Phasen von AI-Daten – von der Rohaufnahme bis hin zu verfeinerten Funktionen – in einem Hochgeschwindigkeits-Repository gespeichert werden. Das bedeutet, dass Trainingscluster und Inferenzserver direkt und ohne mühsame Kopier- oder Übertragungsschritte auf Datensätze zugreifen können. Darüber hinaus bedeutet die Fähigkeit von FlashBlade, sowohl Datei- als auch Objekt-Workloads zu bedienen, Kompatibilität mit einer Vielzahl von AIFrameworks und Datenformaten. Entwickler können Standardprotokolle (wie NFS oder S3) verwenden, um Daten mit GPU-Geschwindigkeit zu lesen/schreiben. Die Integration von RoCE-Netzwerken stellt ferner sicher, dass GPUs Daten mit minimaler Latenzzeit und CPU-Overhead aus dem Storage abrufen können. In der Praxis führt dies zu kürzeren Datenladezeiten und der Möglichkeit, schneller zu iterieren. Ein Trainingsjob, der möglicherweise nicht mehr auf I/O gewartet hat, geht jetzt ungehindert weiter und sorgt dafür, dass teure GPU-Ressourcen vollständig ausgelastet sind.
Minimale Optimierung der Infrastruktur: Die Optimierung der Infrastruktur für AI kann unzählige Stunden IT-Aufwand verbrauchen. Die Lösung Pure Storage mit NVIDIA Enterprise AI Factory reduziert diese Belastung erheblich. Diese Referenzarchitektur ist vorab validiert und für AI-Workloads ausbalanciert, was bedeutet, dass die Out-of-the-Box-Performance bereits optimiert ist. Die NVIDIA Base Command-Software (im Stack enthalten) bietet Tools zur Optimierung der GPU-Auslastung und zur Planung, sodass Administratoren keine eigenen Lösungen für die Verwaltung von Multi-User-Clustern programmieren müssen. Insgesamt bedeuten die Designentscheidungen der Plattform – wie die Verwendung von Standard-Ethernet und RDMA im Vergleich zu verdeckten proprietären Kopplungsstrukturen – auch, dass sie sich leicht in bestehende Umgebungen einbinden lässt. IT-Teams verbringen weniger Zeit mit dem Tüfteln und der Brandbekämpfung, und AI-Entwickler verbringen weniger Zeit mit dem Warten. Dadurch können Unternehmen schnellere Iterationszyklen erreichen – mehr Experimente, Modellanpassungen und Tests in derselben Zeit – und so den Weg von der Idee zur Erkenntnis beschleunigen.
End-to-End-Pipeline-Integration: Bei der NVIDIA AI Factory mit Pure Storage geht es nicht nur um Training, sondern um einen ganzheitlichen Ansatz, der Datenvorbereitung, -schulung, -validierung und -bereitstellung abdeckt. Betrachten Sie beispielsweise einen typischen KIAIWorkflow für Unternehmen: Dateningenieure nehmen große Datensätze auf und kuratieren sie, Datenwissenschaftler trainieren Modelle auf GPU-Clustern und ML-Ingenieure setzen diese Modelle für die Inferenz in der Produktion ein. Herkömmlicherweise kann jede Phase auf separaten Systemen erfolgen, sodass Daten verschoben und Umgebungen separat verwaltet werden müssen. In dieser Lösung kann die gesamte Pipeline vereinheitlicht werden. Ein einziges FlashBlade kann die Rohdaten, vorverarbeiteten Zwischendaten, Modellkontrollpunkte und endgültigen Modelldateien sowie RAG-Einbettungen und KV-Cache-Kontext zur Schlussfolgerung hosten. Die gleiche GPU-Infrastruktur kann partitioniert werden (mit entsprechender Planung), um sowohl Trainingsjobs als auch Inferenzservices zu bewältigen. Dieser Zusammenhalt bedeutet, dass ein Modell, sobald es trainiert wird, getestet und Benutzern auf derselben Plattform zur Verfügung gestellt werden kann, wodurch die Bereitstellungszeit drastisch verkürzt wird. Darüber hinaus reduziert die konsistente Umgebung Fehler beim Übergang von Modellen von der Entwicklung zur Produktion. All dies führt zu einem agilen AI-Entwicklungsprozess, bei dem Ideen schnell zu Produktionsimplementierungen übergehen, ohne die herkömmliche Reibung zwischen isolierten Teams und Systemen.

Letztendlich ermöglicht die AI-Fabrik es Unternehmen, das zu erreichen, was zuvor sehr schwierig war: eine AI-Plattform, die sowohl unglaublich schnell als auch operativ effizient ist. Diese Kombination bringt spürbare Geschäftsvorteile mit sich: schnellere Erkenntnisse aus Daten, die Möglichkeit, KIAIModelle häufiger zu iterieren, und ein produktiveres Entwicklungsteam, das nicht durch Infrastrukturbedenken behindert wird.

FlashBlade: Ein Storage-Backbone, das für AI-Workloads optimiert ist

Das Herzstück der NVIDIA Enterprise AI Factory mit Pure Storage ist FlashBlade//S, eine skalierbare All-Flash-Storage-Plattform, die speziell für moderne Analysen und AI-Workloads entwickelt wurde. In dieser Lösung fungiert FlashBlade als leistungsstarke Datenplattform, die sowohl AI-Training (das das effiziente Lesen riesiger Datensätze erfordert) als auch AI-Inferenz (das vom schnellen Zugriff mit geringer Latenz auf Referenzdaten und Modelldateien profitiert) unterstützt. Die Architektur von FlashBlade eignet sich auf einzigartige Weise für diese Herausforderungen. Sie bietet mehrdimensionale Performance und Skalierbarkeit, parallelen Datenzugriff mit geringer Latenz, unterbrechungsfreien und belastbaren Betrieb und die Fähigkeit, Datei- und Objekt-Storage zu vereinheitlichen, sodass Datenwissenschaftler und Ingenieure mit Daten in jedem Format arbeiten können, das ihre Tools erwarten, ohne auf die Verwendung von Silos mit unterschiedlichem Storage zurückgreifen zu müssen.

Pure Storage FlashBlade bietet eine NVIDIA EnterpriseAI-Fabrik mit einer leistungsstarken, hocheffizienten Datengrundlage, die eine Kapazität von mehreren Petabyte, einen Durchsatz von zehn Terabyte pro Sekunde und eine konsistent niedrige Latenz im großen Maßstab liefert. Genauso wichtig ist, dass sie diese Performance mit den Unternehmensfunktionen (Snapshots, Verschlüsselung, Replikation) und der Benutzerfreundlichkeit bietet, die die Unternehmens-IT erwartet, im Gegensatz zu HPC-Nischendateisystemen.

Fazit: KIAIInnovationen mit Zuversicht beschleunigen

Die Einführung der NVIDIA Enterprise AI Factory mit Pure Storage ist ein wichtiger Meilenstein bei der Entwicklung der AIInfrastruktur. Es vereint das Beste aus zwei Welten: Die innovativen AI-Berechnungs- und Orchestrierungsfunktionen von NVIDIA und die innovative Flash-Storage-Technologie von Pure Storage. Für KIAIFührungskräfte in Unternehmen bedeutet dies, dass sie endlich eine AI-Plattform implementieren können, die Performance auf Supercomputer-Ebene und Zuverlässigkeit/Effizienz auf Unternehmensniveau in einem Paket bietet. Die Fähigkeit der Plattform, dynamische, multimodale AI-Workloads mühelos zu bewältigen und gleichzeitig den Betrieb und die Skalierung zu vereinfachen, erhöht die organisatorische Agilität in einer Domäne, in der Geschwindigkeit wichtig ist.

Durch die Nutzung dieser gemeinsam entwickelten Lösung können Unternehmen ihre Rechenzentren in echte „AI-Fabriken“ umwandeln – Einrichtungen, die kontinuierlich Daten aufnehmen, AI-Modelle trainieren und Erkenntnisse oder intelligente Services liefern, die das Unternehmen voranbringen. Die Referenzarchitektur von Pure Storage mit NVIDIA Enterprise AI Factory hilft Unternehmen dabei, die historischen Hindernisse zu beseitigen, die diese Initiativen verlangsamt haben: Die Datenverarbeitung wird nicht mehr ein Hindernis für den Durchsatz sein, das Hinzufügen von Kapazität erfordert keine Ausfallzeiten mehr und Entwickler werden nicht mehr von Infrastrukturskurrenzen beeinträchtigt. Stattdessen erhalten sie eine optimierte Plattform mit hoher Oktanzahl, um schnell zu experimentieren und AI-Ergebnisse zu liefern.

Da sich die AI-Landschaft ständig weiterentwickelt (mit immer größeren Modellen und aufkommenden Anwendungen in den Bereichen generative AI, Echtzeitanalysen und darüber hinaus), ist eine flexible und leistungsstarke Grundlage der Schlüssel. Die AI-Fabrik bietet diese Grundlage: skalierbare Performance, Anpassungsfähigkeit für die Zukunft und integrierte betriebliche Eleganz. Für jedes Unternehmen, das im AIZeitalter führen möchte, bietet die NVIDIA AI Factory mit Pure Storage einen überzeugenden Weg nach vorne: Beschleunigen Sie Ihre AI-Projekte noch heute mit der Gewissheit, dass Ihre Infrastruktur die Anforderungen von morgen erfüllt. Dies ist eine AI-Infrastruktur, die für Agilität, Performance und Erfolg neu konzipiert wurde.