Vultr携手HPE与NVIDIA：揭秘HPE Discover 2026上的新一代AI数据中心

• AI性能： FP4精度下AI算力高达1,440 PFLOPS
• 内存： 每GPU配备279 GB HBM3e高带宽内存（整机架总计37 TB），每GPU内存带宽达8 TB/s
• 架构： 专为超过1万亿参数的大规模AI模型训练、微调和实时推理优化
• 散热： 全液冷设计，深度集成于HPE的AI工厂架构中

GB300 NVL72被业界称为“新的推理/训练工作马”，其核心叙事围绕“每Token成本”（cost-per-token）展开。这反映了整个行业正在向大规模、实时推理应用转型。根据NVIDIA官方产品页面，与NVIDIA Blackwell GPU相比，该系统的密集FP4 Tensor Core FLOPS提升1.5倍，注意力计算性能提升2倍。

高带宽网络：AI推理的“大动脉”

高带宽网络是该部署的基石。所有NVIDIA GB300 NVL72系统通过NVIDIA Spectrum-X以太网互联——这是一种无损、高吞吐量的以太网架构，专门设计用于消除多节点AI工作负载中的性能瓶颈。

本次部署全面采用400GbE和800GbE互联、光收发器、NVIDIA Spectrum-X以太网交换机及SuperNIC。没有这套网络架构，企业级推理吞吐量将遭遇严重的延迟和带宽瓶颈。NVIDIA官方发布的NVL72 AI工厂企业参考架构确认，这种双平面网络设计正是为了支撑企业级数据中心以超大规模运行AI训练和推理，支持实时应用和万亿参数模型。

战略转型：从“训练”转向“推理”

尽管这套基础设施同时支持训练和推理，但本次公告的核心信号是：企业正在将重心从“训练模型”转向“让模型跑起来”——即AI推理（生产部署）。多个线索指向这一转变：

• GB300 NVL72专为“测试时缩放推理（test-time scaling inference）和AI推理任务”而生
• 产品定位首次以“成本/Token”作为衡量标准，价值定义从原始训练吞吐量转向推理产出
• HPE在大会上的整体信息传递，始终围绕“安全、治理、规模化和主权”，推动AI进入生产环节

结论很明确：企业已走出AI实验阶段，转而寻求为生产环境中大规模部署AI模型而优化的基础设施。

HPE Discover Las Vegas 2026其他重磅发布

除了Vultr合作，HPE还发布了多项相关计划：

• 智能体AI（Agentic AI）推进： HPE宣布了更宏大的计划，与NVIDIA携手将智能体AI带入生产环境，并特别强调安全、治理、规模和主权
• 客户落地案例： S k y Co., Ltd. 部署了HPE Private Cloud AI，作为NVIDIA AI Computing by HPE产品组合的一部分
• 阿根廷Nubax创新模式： 在阿根廷，Nubax推出了基于消费的AI即服务（AI-as-a-Service）模式，借助NVIDIA AI Computing by HPE，实现了供应链预测准确率提升62.5%、等待时间缩短35%、成本降低40%

对企业AI意味着什么

Vultr选择HPE和NVIDIA，标志着行业的一个重要转折点。作为全球最大的私有超大规模云服务商，Vultr押注企业客户需要既能处理训练、又能处理大规模实时推理的基础设施。通过将NVIDIA的机架级GPU计算与HPE的工厂架构、液冷技术和服务深度结合，Vultr正将自己定位为服务下一波企业AI工作负载的核心伙伴——从模型训练到万亿参数模型的生产级推理。