HPE avduker AI-bygde svitsjer og samler Juniper-porteføljen ved Discover 2026

Ett år etter å ha sluttført oppkjøpet av Juniper Networks for svimlende 14 milliarder dollar , brukte Hewlett Packard Enterprise sin Discover 2026-konferanse i Las Vegas for å vise hvordan selskapet nå fletter sammen de to porteføljene rundt ett eneste løfte: selvkjørende nettverk, spesialbygd for kunstig intelligens.

Strategien ble konkretisert i to nye svitsjer – en kompakt modell for AI-slutning (inference) og et vannkjølt monster for neste generasjons treningsrack – pluss en flerlags plan for å smelte de tidligere separate plattformene Aruba og Juniper Mist sammen til én AI-plattform .

Nye AI-bygde svitsjer: QFX5140 og QFX5252

HPE satte to nye svitsjer i sentrum for sin maskinvareutvidelse. Begge bærer det nye, samlede merkenavnet HPE Juniper Networking .

QFX5140: Bygd for slutningsoppgaver

Myntet på den enorme veksten i AI-slutning og edge-distribusjon er QFX5140 en 1RU fast datacentersvitsj, designet for roller som AI-fabric, spine, leaf og border leaf .

• Gjennomstrømning: 16 Tbps svitsjekapasitet, drevet av Broadcom Trident 5 ASIC med 112G PAM4 SerDes-teknologi .
• Porter: 24 porter på 400GbE (QSFP112) og 8 porter på 800GbE (OSFP800), med støtte for oppdeling (breakout) til hele 160 logiske 100GbE-tilkoblinger .
• AI-fabric funksjoner: Lav mikrosekundventetid, støtte for RoCEv2 (RDMA over Converged Ethernet) og avanserte mekanismer for trafikkontroll som Priority Flow Control og Explicit Congestion Notification – alt bygd for de deterministiske kravene i AI/ML-slutningstrafikk .

Rami Rahim, direktør for HPEs nettverksdivisjon, beskrev svitsjen som "spesialbygd for den neste bølgen av AI-infrastruktur, med et spesielt fokus på slutningsklynger på edge" .

QFX5252 Switch Tray: 102,4 Tbps for AMD Helios-rack

QFX5252 er flaggskipet i HPEs maskinvaresatsing – en vannkjølt svitsjmodul konstruert spesifikt for skala-opp AI-trening i selskapets AMD Helios rackløsning .

• Total gjennomstrømning: 102,4 Tbps fordelt på hele 64 porter med 1,6 Tbps Ethernet i en fast 2U-konfigurasjon .
• Kjøling: Direkte væskekjøling som utnytter HPEs mer enn 30 års termisk innovasjon for å redusere strøm- og anleggskostnader .
• Avansert protokollstøtte: Klart for Ultra Ethernet Transport, med AI-optimalisert Junos OS for å unngå pakketap og sikre ytelse i AI-arbeidsbelastninger .
• Maskinvare under panseret: Selv om det ikke ble offisielt bekreftet under keynoten, peker uavhengige rapporter på at QFX5252 er bygget på en dual Broadcom Tomahawk 6-arkitektur .

Juniper-integrasjon: En portefølje ombygd

HPE sluttførte kjøpet av Juniper i midten av 2025, og Discover 2026 var den første konferansen der veikartet for sammenslåingen ble vist i sin helhet . Strategien går langs fire akser.

Samlet merkevare. Hele Junipers portefølje lanseres nå som HPE Juniper Networking. QFX5140 og QFX5252 er de første store svitsjene lansert under den nye, felles logoen .

Innlemmet i AI-fabrikkene. Nettverksporteføljen er trukket direkte inn i HPE AI Data Center Solutions. Dermed kan kundene få en fullverdig, AI-basert infrastruktur med proaktive driftsløsninger .

Ett partnerprogram. HPE slår sammen partnerøkosystemene til ett enkelt, globalt program kalt HPE Partner Ready Vantage. Programmet trer i kraft 1. november 2026 og lover en forenklet struktur og sømløse insentiver, samtidig som eksisterende partnerinvesteringer beskyttes .

Krysspollinering av mikrotjenester. HPE utveksler AIOps-funksjoner mellom flaggskipsplattformene Aruba Central og Juniper Mist via en "utvikle én gang, distribuér overalt"-modell, basert på delte mikrotjenester. Dette lar avanserte funksjoner lande på begge plattformene uten tvungen migrering .

Visjonen om det selvkjørende nettverket og samlet SASE

HPE utvidet rammeverket for selvkjørende nettverk forbi campus og ut i AI-fabrikker og datasentre. Visjonen er en plattform der autonome driftsprosesser, AI-basert feilsøking og null-tillits-sikkerhet samles i ett intelligent system.

Under sin keynote uttalte Rahim: "AI, nettverk og sikkerhet er ikke lenger separate domener. De konvergerer nå til ett enkelt, intelligent, selvkjørende system" .

Blant de konkrete annonseringene var:

• Agentisk AI for rotårsaksanalyse: AI-agenter som proaktivt diagnostiserer og utbedrer nettverksproblemer i datasenteret, med mål om å redusere nedetid og manuell feilsøking betraktelig .
• Marvis AI som limet: HPE bygger Marvis-rammeverket (opprinnelig fra Juniper Mist) inn i Aruba Central for å skape en konsistent, AI-drevet tråd på tvers av kablet, trådløst og datacenter-fabrics .
• Samlet SASE med én orkestrator: En enkelt Secure Access Service Edge-plattform med null-tillits-sikkerhet og en felles orkestrator som blir tilgjengelig for alle kunder senere i 2026 .

Agentisk AIOps: Hva flyttes hvor

På integrasjonsnivå praktiserer HPE aktiv "krysspollinering" av AI-funksjoner .

• Mist får Aruba-styring. HPE Mist AIOps-plattformen støtter nå HPE Networking CX aksess-svitsjer, noe som bringer Junipers AI-verktøy til den installerte basen av Aruba-kunder .
• Aruba Central får Marvis. Den konverserende AI-assistenten Marvis og dens selvhelbredende automatikk introduseres i HPE Aruba Central, slik at Aruba-kunder får tilgang på AI-drevne nettverksoperasjoner .
• Selvhelbredende automasjon. Proaktive utbedringsfunksjoner, som opprinnelig ble bygd i Mist, tas nå i bruk i Aruba Networking-porteføljen .
• Utvidede datacenteroperasjoner. Mist-plattformen får dypere styring av datacenter-fabric, med ett enkelt kontrollpanel for proaktiv nettverksdrift .

HPEs uttalte mål er å samle alt i én helhetlig, AI-basert driftserfaring, samtidig som kundene selv kan velge om de vil styre nettverket fra Mist eller Aruba Central i overgangsfasen .

Siemens Energy: AI-simuleringer i privat sky

Blant kundenes prestisjeprosjekter var Siemens Energy den mest fremtredende. Industrigiganten bygger en privat skyløsning på teknologistabler fra HPE og Nvidia, spesialdesignet for ingeniørsimuleringer og komplekse modelleringsoppgaver .

Distribusjonen parer HPEs nye nettverksportefølje med Nvidia GPU-er for å akselerere digitale tvilling-simuleringer og tunge ingeniørarbeidsbelastninger i Siemens Energys operasjoner .