En ISC 2026, DDN anunció una amplia expansión de su cartera de plataformas de datos de IA y HPC, presentando nuevo hardware, software y capacidades de plataforma diseñadas para mejorar la utilización de la GPU, acelerar la inferencia de IA y simplificar las implementaciones de infraestructura de IA a gran escala.
Entre los anuncios se incluyen el dispositivo de almacenamiento AI400X3M, la disponibilidad general de la tecnología de aceleración de caché KV distribuida de DDN integrada con NVIDIA Dynamo , y nuevas capacidades de seguridad, observabilidad y gestión de infraestructura en todas las plataformas de datos de IA de la compañía.
DDN indicó que las actualizaciones buscan solucionar los cuellos de botella en todo el proceso de datos de IA, incluyendo la preparación de datos, el entrenamiento de modelos, la inferencia, la generación aumentada por recuperación (RAG), los modelos de razonamiento y las cargas de trabajo de IA con agentes. La compañía se centra en mejorar la eficiencia de la infraestructura mediante el aumento de la utilización de la GPU, a la vez que reduce el consumo de energía y los costos de infraestructura.
Alex Bouzari, CEO y cofundador de DDN, afirmó que la infraestructura de IA moderna requiere más que solo recursos informáticos. Hizo hincapié en que la gestión eficiente de datos, la seguridad y la visibilidad operativa se han convertido en componentes críticos de las implementaciones de IA en producción, y que los últimos lanzamientos de la compañía están orientados a mejorar la eficiencia de la GPU, reducir los costos de inferencia y acelerar el tiempo de obtención del primer token.
AI400X3M está diseñado para ofrecer una alta densidad de rendimiento en IA y computación de alto rendimiento (HPC).
El producto estrella del anuncio es el AI400X3M, el último dispositivo basado en el sistema de archivos paralelos EXAScaler de DDN.
Especificaciones del AI400X3M
| Rendimiento | |
| Rendimiento de lectura secuencial | Hasta 190 GB/s |
| Rendimiento de escritura secuencial | Hasta 110 GB/s |
| IOPS de lectura aleatoria | 8M |
| Características del sistema | |
| Plataforma | Dispositivo llave en mano EXAScaler de sistema de archivos paralelo compartido para IA con controladores de almacenamiento activo/activo. |
| Puertos host por dispositivo | 4x XDR/400GbE OSFP o 8x NDR200/200GbE QSFP112 |
| Soporte de Drive | 24 ranuras PCIe G5 NVMe de 2.5" con doble puerto y capacidad de intercambio en caliente |
| Opciones de capacidad | 120/250/500 TB y 1 PB/2 PB utilizables |
| Características estándar del firmware | Mapeo y enmascaramiento de LUN, segmentación inteligente de escritura, QoS de lectura, comprobación/corrección de integridad de datos, opciones de interfaz (CLI, GUI, API de Python), syslog saliente con soporte RELP, mensajes de cambio de estado (por correo electrónico y trampas SNMP). |
| Seguridad y cumplimiento | |
| Seguridad | IEC/EN/UL/CSA 62368-1, GB4943 |
| EMC | EN 55032 Clase A, EN 55035, EN 61000-3-2, EN 61000-3-3, FCC Parte 15 Clase A, VCCI Clase A, ICES-003 Clase A, GB/T9254 Clase A, BSMI Clase A |
| Responsabilidad | RoHS, REACH, WEEE, ERP Lote 9X |
| Atributos físicos | |
| Factor de forma | Montaje en rack 2U |
| Dimensiones | Altura: 3.43 ″ (87mm) Anchura: 17.56 "(446mm) Profundidad: 856 mm (33.7″) sin bisel; 895 mm (35.2″) en total Riel de bastidor ajustable: de 26.75″ a 34.0″ (680–860 mm) |
| Peso | 98 libras (44 kg) vacío; 108 libras (49 kg) máximo |
| Energía y refrigeración | |
| Tensión de entrada | 200–240 V 50/60 Hz |
| Alimentación eléctrica | 2 entradas IEC60320-C20 redundantes e intercambiables en caliente |
| Entorno operativo | |
| Rango de temperatura | 5 ° C a 30 ° C (° F a 41 86 ° F) |
| Humedad relativa | 8% -80% sin condensación |
| Altitud | 3,117 pies (950 m) a 30 °C — 10 000 pies (3,048 m) a 23 °C |
La plataforma ofrece un rendimiento de hasta 190 GB/s y una velocidad de lectura hasta un 35 % superior a la de la generación anterior. DDN también admite configuraciones que alcanzan los 30 PB en un único rack, e incorpora compatibilidad con discos híbridos que combinan almacenamiento flash y HDD para equilibrar rendimiento, capacidad y coste.
El dispositivo está diseñado para el entrenamiento de modelos de IA, inferencia, creación de puntos de control, simulación HPC y otras cargas de trabajo altamente paralelas donde el rendimiento del almacenamiento puede afectar directamente la utilización de la GPU. Se espera que esté disponible para el público en general a finales del tercer trimestre de 2026.
La caché KV distribuida ya está disponible para el público en general.
Tras una presentación preliminar de esta tecnología en la NVIDIA GTC 2026, DDN lanzó oficialmente su arquitectura de aceleración de caché KV distribuida, que integra NVIDIA Dynamo. Esta funcionalidad está disponible tanto en la plataforma de almacenamiento de objetos Infinia como en el sistema de archivos EXAScaler.
En lugar de depender de la memoria local de la GPU para el contexto del modelo, la arquitectura distribuida almacena y recupera los datos de caché KV de la plataforma de datos de DDN, lo que reduce los cuellos de botella de memoria durante la inferencia.
DDN afirmó que la plataforma es compatible con NVIDIA Dynamo, vLLM y otros marcos de inferencia modernos, a la vez que permite el uso compartido de caché KV distribuida entre múltiples nodos de inferencia. La compañía asegura una carga de caché KV hasta 55 veces más rápida para cargas de trabajo de inferencia a gran escala, junto con una mejor utilización de la GPU, una generación de tokens más rápida y menores costos de infraestructura para implementaciones de modelos de lenguaje a gran escala.
Esta tecnología está diseñada para beneficiar la inferencia de contexto extenso, la generación aumentada por recuperación, los modelos de razonamiento y los flujos de trabajo de IA basados en agentes que acceden repetidamente a grandes contextos de modelos.
Canalización de datos de IA unificada
DDN también describió su estrategia más amplia de combinar el almacenamiento de objetos Infinia para la inferencia con EXAScaler para el entrenamiento de modelos y la creación de puntos de control bajo una única infraestructura de datos de IA.
La compañía afirmó que Infinia ofrece operaciones de metadatos de baja latencia, alta concurrencia y un rendimiento de objetos optimizado para cargas de trabajo con alta carga de inferencia, mientras que EXAScaler continúa ofreciendo soporte para entornos de entrenamiento de alto rendimiento. En conjunto, estas plataformas buscan eliminar los silos de datos y mantener una alta utilización de la GPU durante todo el ciclo de vida de la IA.
Nuevas características de seguridad e infraestructura
Las mejoras adicionales de la plataforma se centran en los requisitos de implementación empresarial, incluyendo la multitenencia en hardware físico, el cifrado y la gestión de claves basados en KMIP, la integración con VictoriaLogs para la visibilidad operativa y las API multitenencia ampliadas.
En cuanto al almacenamiento, DDN introdujo la fijación inteligente de archivos y los grupos de acceso rápido acelerados por NAND, lo que permite que los datos de acceso frecuente permanezcan en la memoria flash mientras que los datos menos utilizados se transfieren automáticamente a discos duros de menor costo. La compañía afirmó que estas características están diseñadas para mejorar la eficiencia del almacenamiento y, al mismo tiempo, reducir los requisitos de capacidad de la memoria flash.
Expansión continua de la IA en la nube
DDN también destacó la continua adopción de sus ofertas de infraestructura de IA en la nube, incluidos los desarrollos de Managed Lustre anunciados con Google Cloud y una implementación de Salesforce que utiliza Google Cloud Managed Luster con tecnología EXAScaler.
Según DDN, la implementación de Salesforce logró un entrenamiento de modelos 1.5 veces más rápido, redujo la latencia de E/S en un 75 % y disminuyó los costos de entrenamiento en un 42 %, lo que demuestra el impacto de reducir los cuellos de botella de almacenamiento en entornos de IA a gran escala.
Con los últimos anuncios, DDN continúa expandiendo su cartera más allá del almacenamiento paralelo hacia la orquestación de datos de IA, la aceleración de inferencias y la gestión de infraestructuras, posicionando sus plataformas para dar soporte a implementaciones de IA empresariales, en la nube, de investigación y soberanas que operan a gran escala de GPU.
Amazon