Společnost DDN bude nabízet EXAScaler jako software, který si zákazníci instalují na kvalifikované servery splňující průmyslové standardy, což je změna, která přichází s nadcházející verzí EXAScaler 7. Paralelní souborový systém založený na Lustre se prodával pouze v rámci účelových zařízení DDN nebo prostřednictvím cloudových partnerů a nová možnost začíná na DDN AI2200, přičemž kvalifikovaná zařízení třetích stran budou následovat. Omezená beta verze je plánována na začátek roku 2027 a DDN v první polovině roku 2027 samostatně přidává do EXAScaleru funkce pro více klientů, ochranu dat a výkon.
Softwarově definovaný lesk pro umělou inteligenci a HPC
Společnost DDN popisuje EXAScaler jako otevřený Lustre s optimalizací I/O operací s využitím umělé inteligence, automatizovaným nasazením a podnikovou podporou. Paralelní souborový systém čte z mnoha úložných serverů najednou, což mu umožňuje zpracovávat malé soubory, čtení s velkým množstvím metadat a časté kontrolní body, které generují úlohy umělé inteligence a HPC. EXAScaler je souborový systém uvnitř zařízení, jako je AI400X3M, které společnost DDN představila na konferenci ISC 2026 , a společnost DDN uvádí, že bude i nadále vytvářet systémy určené pro zákazníky, kteří chtějí kompletní řešení DDN.
S EXAScalerem 7 běží stejný software na tom, co DDN nazývá ověřeným hardwarem od rostoucího ekosystému dodavatelů, počínaje serverem AI2200. DDN nabízí tuto možnost hyperscalerům a poskytovatelům cloudových služeb, kteří již mají úložnou infrastrukturu, a týmům platform AI, které si chtějí vybrat hardware podle svých požadavků. DDN nejmenovala dodavatele hardwaru třetích stran, nezveřejnila minimální hardwarové požadavky ani neuvedla, jak bude software licencován.
Omer Asad, produktový ředitel společnosti DDN, spojil tento přechod se zbytkem produktové řady: „Zpřístupněním EXAScaleru jako softwaru rozšiřujeme tuto flexibilitu v celém našem portfoliu.“ DDN Infinia, která ve verzi 2.4 získala podporu pro více klientů a POSIX , je již k dispozici v softwarově definovaném formátu, takže obě datové platformy DDN budou mít tuto možnost. EXAScaler zůstává k dispozici i prostřednictvím cloudových partnerů, jako je Google Cloud Managed Lustre.
Kontroly nájemníků a ochrana dat
EXAScaler 7 přidá vícenájemní REST API, která uplatňují limity kvality služeb pro jednotlivé klienty a spravedlivé sdílení, takže několik týmů může sdílet jeden systém s menším rušením mezi jejich úlohami. Funkce Obnovení souborů obnovuje omylem smazané soubory a protokol auditu podporuje vyšetřování. Pokud jde o výkon, DDN uvádí inteligentní hybridní I/O pro vyšší propustnost a IOPS. Společnost nezveřejnila žádné údaje o výkonu pro tyto funkce a uvádí, že ověřená data budou následovat.
Sdílená data pro simulaci a trénování umělé inteligence
Příkladem softwarově definované možnosti od DDN je web, který spouští HPC simulaci a trénování umělé inteligence na stejných datech, aniž by je kopíroval mezi prostředími. V biologických vědách vědci trénují náhradní modely umělé inteligence na výstupech molekulárně dynamických simulací, aby předpovídaly chování proteinů, aniž by musely každou simulaci znovu spouštět. DDN neuvedla datum obecné dostupnosti softwarově definované verze po začátku beta verze v roce 2027 a uvádí, že všechna tato data jsou cílová a mohou se změnit.
Test AMPHIX HyperPOD hlásí 98.8% využití GPU na Infiii
Společnost DDN také zveřejnila výsledky z prvního systému DDN Enterprise AI HyperPOD instalovaného v AMPHIX, modelu nasazení RAVEL a Strata Expanse, který si jako prvního komerčního zákazníka vybral RT-One . HyperPOD je zabalený systém postavený na serverech Supermicro s akcelerovanými výpočty NVIDIA a úložištěm DDN Infinia, takže výsledek platí pro jinou datovou platformu DDN a nebyl spuštěn na EXAScaleru. V 24hodinovém tréninkovém testu v centru excelence AMPHIX v Kalifornii zaznamenal RAVEL využití GPU 98.8 procenta s nulovým tepelným throttlingem nebo chybami GPU a tepelnou rezervou 37 °C při špičkovém zatížení.
Společnost DDN nám sdělila, že systém měl osm grafických karet NVIDIA RTX PRO 6000 a 500 TB paměti Infinia běžící na hardwaru Supermicro. Úloha natrénovala rozsáhlý jazykový model založený na architektuře GPT-2 ze 70 TB nezpracovaných trénovacích dat, která byla všechna načtena a zapsána zpět do úložiště přes S3 v síti. GPU měly po 98 procent běhu využití 95 procent nebo vyšší a hardwarová telemetrie byla vzorkována jednou za sekundu. DDN to popisuje jako interní test AMPHIX a my jsme výsledky nespustili ani neauditovali.
Do jednoho serveru se obvykle vejde osm GPU, takže test ukazuje, že malý HyperPOD udržuje své GPU zaneprázdněné po dobu jednoho dne při streamování trénovacích dat přes S3, a chování v rozsahu clusteru tak zůstává neměřené. DDN nezveřejnil trénovací propustnost, výsledky inference, které RAVEL také shromáždil, ani konfiguraci serveru a sítě. AMPHIX nabízí systém pro zákaznické ověřovací koncepty v kalifornském pracovišti a Strata Expanse a RAVEL popisují plán na propojení více než 100 pracovišť.




Amazon