En Google CloudNext, IBM y Google Cloud anunciaron una colaboración ampliada para abordar un desafío recurrente para los clientes empresariales: modernizar los sistemas centrales y poner en marcha la IA en entornos híbridos y multinube sin aumentar la complejidad. El esfuerzo conjunto se centra en mejorar la interoperabilidad entre plataformas, datos y herramientas, manteniendo al mismo tiempo la coherencia operativa y la seguridad. La asociación combina Google

NVIDIA y Google Cloud aprovecharon Google Cloud Next en Las Vegas para presentar una nueva fase de su larga colaboración en ingeniería, introduciendo actualizaciones de la plataforma Google Cloud AI Hypercomputer para escalar la IA física y automatizada en entornos de producción. Las empresas continúan codiseñando infraestructura que abarca silicio, sistemas, redes y software para dar soporte a sistemas cada vez más complejos.

Cuando publicamos nuestro artículo sobre la investigación de imágenes de plancton de la Universidad Estatal de Oregón el pasado noviembre, el titular era la ciencia: infraestructura acelerada por IA a bordo de buques de investigación, procesando terabytes de datos oceánicos en tiempo casi real antes de que el barco llegara a puerto. Pero algo más sucedió silenciosamente en las semanas siguientes. Se corrió la voz por todo el campus sobre lo que

En SUSECON en Praga, SUSE presentó SUSE AI Factory con NVIDIA, una pila de software de IA empresarial prevalidada que simplifica la implementación y las operaciones desde el desarrollo local hasta la producción. Construida sobre SUSE AI y NVIDIA AI Enterprise, la plataforma está diseñada para organizaciones que buscan construir, gobernar y escalar cargas de trabajo de IA en ubicaciones de borde, centros de datos centrales,

IBM presentó una arquitectura de almacenamiento sensible al contenido (CAS) que integra el procesamiento de datos de IA directamente en la capa de almacenamiento. Este enfoque se centra en los flujos de trabajo de generación aumentada por recuperación (RAG) mediante la integración de la vectorización de documentos en el sistema de almacenamiento, lo que reduce la necesidad de procesos de preprocesamiento externos. CAS traslada una función central de RAG, la incrustación de documentos mediante técnicas basadas en modelos de lenguaje a gran escala, a la infraestructura de almacenamiento.

NetApp anunció una colaboración ampliada con Google Cloud, formalizada mediante un acuerdo empresarial de cuatro años para acelerar la implementación del almacenamiento de NetApp dentro de entornos aislados de Google Distributed Cloud (GDC). Ofrecida con World Wide Technology (WWT), la solución está dirigida a casos de uso de nube soberana que requieren residencia de datos estricta, seguridad y aislamiento operativo. La solución conjunta integra NetApp

El programa JumpStart de Supermicro se ha consolidado como una de las herramientas más útiles para la evaluación previa a la compra de infraestructura de IA. En lugar de una demostración programada en un entorno compartido, JumpStart ofrece a los usuarios cualificados acceso gratuito y limitado en el tiempo a servidores de producción reales mediante SSH, IPMI y VNC, lo que les permite ejecutar cargas de trabajo en hardware real.

AMD ha publicado los resultados de MLPerf Inference v6.0, posicionando la GPU Instinct MI355X como una plataforma de inferencia escalable para implementaciones de nodo único, multinodo y heterogéneas. La presentación va más allá de las mejoras incrementales al añadir nuevas cargas de trabajo, demostrando un rendimiento a escala de clúster que supera el millón de tokens por segundo y validando la reproducibilidad en un ecosistema de socios en constante crecimiento. Objetivos de la arquitectura CDNA 4.

NVIDIA ha publicado los resultados de MLPerf Inference v6.0, destacando las mejoras a nivel de sistema impulsadas por un codiseño riguroso entre hardware, software y modelos. La compañía posiciona el rendimiento de inferencia y la economía de tokens como las métricas principales para el rendimiento de la fábrica de IA, yendo más allá de las especificaciones máximas del acelerador para medir la producción bajo cargas de trabajo reales. En esta ronda, los sistemas construidos sobre NVIDIA Blackwell