Vultr, HPE ja NVIDIA rakentavat seuraavan sukupolven AI-tietokeskuksia

• AI-suorituskyky: Jopa 1 440 PFLOPS FP4 AI -suorituskykyä
• Muisti: 279 Gt HBM3e-muistia per näytönohjain (yhteensä 37 Tt koko räkissä), 8 TB/s muistikaistanleveys per näytönohjain
• Arkkitehtuuri: Optimoitu suurten tekoälymallien koulutukseen, hienosäätöön ja reaaliaikaiseen päättelyyn yli 1 biljoonan parametrin malleille
• Jäähdytys: Täysin nestemäisjäähdytteinen rakenne, joka on integroitu HPE:n AI Factory -arkkitehtuuriin

GB300 NVL72:tä kuvataan "uudeksi päättelyn/koulutuksen työhevoseksi", ja sen markkinointi perustuu eksplisiittiseen kustannus per token -narratiiviin. Tämä heijastaa toimialan siirtymää kohti tekoälymallien operatiivista käyttöönottoa reaaliaikaisten sovellusten mittakaavassa . NVIDIAn tuotesivun mukaan se tarjoaa 1,5 kertaa tiheämpää FP4 Tensor Core FLOPS -tehoa ja kaksinkertaisen huomiosuorituskyvyn verrattuna NVIDIA Blackwell -näytönohjaimiin .

Suurinopeuksinen verkottaminen: AI-päättelyn selkäranka

Suurinopeuksinen verkottaminen on käyttöönoton peruspilari. NVIDIA GB300 NVL72 -järjestelmät liitetään toisiinsa NVIDIA Spectrum-X Ethernet -verkolla, joka on häviötön, suurikapasiteettinen Ethernet-ydin, joka on suunniteltu poistamaan pullonkaulat monisolmuisissa tekoälykuormissa .

Käyttöönotossa hyödynnetään 400GbE- ja 800GbE-yhdysliitäntöjä, optisia lähetinvastaanottimia, NVIDIA Spectrum-X Ethernet -kytkimiä ja SuperNICejä . Ilman tätä ydintä päättelyn skaalaaminen yritystason läpäisykykyyn aiheuttaisi lamaannuttavia viive- ja kaistanleveyspullonkauloja. NVIDIAn Enterprise Reference Architecture NVL72 AI Factorylle vahvistaa, että tämä kaksitasoinen verkkoarkkitehtuuri on suunniteltu tehostamaan yritysten tietokeskuksia tekoälyn koulutukseen ja päättelyyn massiivisessa mittakaavassa, mahdollistaen reaaliaikaiset sovellukset ja biljoonan parametrin mallit .

Strateginen muutos: Koulutuksesta päättelyyn

Vaikka infrastruktuuri tukee sekä koulutusta että päättelyä , ilmoitus korostaa yritysten kasvavaa keskittymistä tekoälyn päättelyyn (tuotantokäyttöön) koulutuksen ohella. Useat signaalit viittaavat tähän muutokseen:

• GB300 NVL72 on suunniteltu nimenomaan "testivaiheen skaalautuvaan päättelyyn ja tekoälyn päättelytehtäviin"
• Se on eksplisiittisesti asemoitu kustannus per token -narratiivilla, jossa arvoa mitataan päättelyn tuotoksena eikä raakana koulutuksen läpäisynä
• HPE:n laajempi viestintä tapahtumassa keskittyi tekoälyn tuomiseen tuotantoon turvallisuuden, hallinnan, skaalautuvuuden ja suvereniteetin kera

Johtopäätös on selvä: yritykset ovat siirtyneet kokeiluvaiheen ohi ja etsivät nyt infrastruktuuria, joka on optimoitu tekoälymallien käyttöönottoon tuotantoympäristöissä.

Muita ilmoituksia HPE Discover Las Vegas 2026 -tapahtumassa

Vultr-kumppanuuden lisäksi HPE nosti esiin useita liittyviä aloitteita:

• Agenttitekoäly-panos: HPE ilmoitti laajemmasta aloitteesta tuoda agenttitekoäly tuotantoon yhdessä NVIDIAn kanssa, painottaen turvallisuutta, hallintaa, skaalautuvuutta ja suvereniteettia
• Asiakaskäyttöönotot: S k y Co., Ltd. otti käyttöön HPE Private Cloud AI:n osana NVIDIA AI Computing by HPE -portfolioita
• Nubax Argentiinassa: Yritys lanseerasi kulutuspohjaisen AI-as-a-service-mallin, joka parantaa toimitusketjun ennustamista 62,5%, lyhentää odotusaikoja 35% ja säästää kustannuksia 40%, NVIDIA AI Computing by HPE -teknologialla

Mitä tämä tarkoittaa yritysten tekoälylle

Vultrin valinta HPE:n ja NVIDIAn hyväksi merkitsee merkittävää käännekohtaa. Maailman suurimpana yksityisomisteisena hyperskaalapalveluna Vultr lyö vetoa siitä, että yritysasiakkaat tarvitsevat infrastruktuuria, joka pystyy käsittelemään sekä koulutusta että reaaliaikaista päättelyä pilvimittakaavassa. Yhdistämällä NVIDIAn räkkimittakaavaisen GPU-laskennan HPE:n tehdasarkkitehtuuriin, nestejäähdytykseen ja palveluihin, Vultr asemoituu palvelemaan seuraavaa yritysten tekoälykuormien aaltoa – mallien koulutuksesta tuotantopäättelyyn biljoonan parametrin malleilla.