Tijdens ISC 2026 kondigde DDN een aanzienlijke uitbreiding aan van zijn portfolio voor AI- en HPC-dataplatformen. Het bedrijf introduceerde nieuwe hardware, software en platformfunctionaliteiten die zijn ontworpen om het GPU-gebruik te verbeteren, AI-inferentie te versnellen en de implementatie van grootschalige AI-infrastructuren te vereenvoudigen.
De aankondigingen omvatten de AI400X3M-opslagappliance, de algemene beschikbaarheid van DDN's gedistribueerde KV Cache-acceleratietechnologie geïntegreerd met NVIDIA Dynamo , en nieuwe mogelijkheden voor beveiliging, observability en infrastructuurbeheer binnen de AI-dataplatformen van het bedrijf.
DDN gaf aan dat de updates bedoeld zijn om knelpunten in de gehele AI-datapipeline aan te pakken, waaronder datavoorbereiding, modeltraining, inferentie, retrieval-augmented generation (RAG), redeneermodellen en agentische AI-workloads. Het bedrijf richt zich op het verbeteren van de infrastructuurefficiëntie door het GPU-gebruik te verhogen en tegelijkertijd het energieverbruik en de infrastructuurkosten te verlagen.
Alex Bouzari, CEO en medeoprichter van DDN, zei dat moderne AI-infrastructuur meer vereist dan alleen rekenkracht. Hij benadrukte dat efficiënt databeheer, beveiliging en operationeel inzicht cruciale onderdelen zijn geworden van AI-implementaties in productieomgevingen. De nieuwste releases van het bedrijf zijn gericht op het verbeteren van de GPU-efficiëntie, het verlagen van de inferentiekosten en het versnellen van de time-to-first-token.
AI400X3M richt zich op een hoge prestatiedichtheid voor AI en HPC.
De aankondiging wordt aangevoerd door de AI400X3M, het nieuwste apparaat dat is gebouwd op DDN's EXAScaler parallelle bestandssysteem.
Specificaties van de AI400X3M
| Prestaties | |
| Sequentiële leesprestaties | Tot 190 GB/s |
| Sequentiële schrijfprestaties | Tot 110 GB/s |
| Willekeurig IOPS lezen | 8M |
| Kenmerken van het systeem | |
| Platform | Kant-en-klare EXAScaler gedeelde parallelle bestandssysteemoplossing voor AI met actieve/actieve opslagcontrollers. |
| Hostpoorten per apparaat | 4x XDR/400GbE OSFP of 8x NDR200/200GbE QSFP112 |
| Drive-ondersteuning | 24x 2.5″ dual-port, hot-swappable PCIe G5 NVMe |
| Capaciteitsopties: | 120/250/500 TB en 1 PB/2 PB bruikbaar |
| Standaard firmwarefuncties | LUN-mapping en -maskering, intelligente write striping, read QoS, data-integriteitscontrole/correctie, interface-opties (CLI, GUI, Python API), uitgaande syslog inclusief RELP-ondersteuning, statuswijzigingsberichten (via e-mail en SNMP-traps) |
| Veiligheid en naleving | |
| Veiligheid | IEC/EN/UL/CSA 62368-1, GB4943 |
| EMC | EN 55032 Klasse A, EN 55035, EN 61000-3-2, EN 61000-3-3, FCC Deel 15 Klasse A, VCCI Klasse A, ICES-003 Klasse A, GB/T9254 Klasse A, BSMI Klasse A |
| Mileu | RoHS, REACH, WEEE, ERP Lot9X |
| Fysieke attributen | |
| Form Factor | 2U rackmontage |
| Afmetingen | Hoogte: 3.43 "(87mm) Breedte: 17.56 "(446mm) Diepte: 33.7 inch (856 mm) zonder bezel; 35.2 inch (895 mm) totale lengte. Verstelbare rackrail: 26.75″ tot 34.0″ (680–860 mm) |
| Gewicht | 98 lbs (44 kg) leeg; 108 lbs (49 kg) maximaal |
| Stroom & koeling | |
| Ingangsspanning | 200–240V 50/60 Hz |
| Laboratoriumvoedingen | 2x hot-swappable, redundante IEC60320-C20-ingang |
| Werkomgeving | |
| Temperatuurbereik | 5 ° C tot 30 ° C (41 ° F tot 86 ° F) |
| Relatieve Vochtigheid | 8%–80% niet-condenserend |
| Hoogte | 950 m bij 30 °C — 3,048 m bij 23 °C |
Het platform levert een doorvoer tot 190 GB/s en tot 35% hogere leesprestaties dan de vorige generatie. DDN ondersteunt ook configuraties die schalen tot 30 PB binnen één rack, en biedt daarnaast ondersteuning voor hybride schijven die flash- en HDD-opslag combineren om prestaties, capaciteit en kosten in balans te brengen.
Het apparaat is ontworpen voor AI-modeltraining, inferentie, checkpointing, HPC-simulatie en andere sterk parallelle workloads waarbij de opslagdoorvoer direct van invloed kan zijn op het GPU-gebruik. De algemene beschikbaarheid wordt verwacht tegen het einde van het derde kwartaal van 2026.
Gedistribueerde KV-cache nu algemeen beschikbaar
Na een eerdere technologiepreview op NVIDIA GTC 2026 heeft DDN officieel zijn gedistribueerde KV Cache-acceleratiearchitectuur gelanceerd, die NVIDIA Dynamo integreert. Deze functionaliteit is beschikbaar voor zowel het Infinia-objectopslagplatform als het EXAScaler-bestandssysteem.
In plaats van te vertrouwen op lokaal GPU-geheugen voor modelcontext, slaat de gedistribueerde architectuur KV-cachegegevens op en haalt deze op van het dataplatform van DDN, waardoor geheugenknelpunten tijdens inferentie worden verminderd.
DDN gaf aan dat het platform NVIDIA Dynamo, vLLM en andere moderne inferentie-frameworks ondersteunt, terwijl het een gedeelde, gedistribueerde KV-cache mogelijk maakt over meerdere inferentieknooppunten. Het bedrijf claimt tot 55 keer snellere KV-cache-lading voor grootschalige inferentieworkloads, samen met een verbeterd GPU-gebruik, snellere tokengeneratie en lagere infrastructuurkosten voor grootschalige implementaties van taalmodellen.
De technologie is bedoeld om toepassingen te ondersteunen bij inferentie over lange contexten, retrieval-augmented generation, redeneermodellen en agentische AI-workflows die herhaaldelijk toegang hebben tot grote modelcontexten.
Geïntegreerde AI-datapipeline
DDN schetste ook zijn bredere strategie om Infinia-objectopslag voor inferentie te combineren met EXAScaler voor modeltraining en checkpointing binnen één enkele AI-data-infrastructuur.
Het bedrijf gaf aan dat Infinia metadata-bewerkingen met lage latentie, hoge gelijktijdigheid en objectprestaties biedt die geoptimaliseerd zijn voor inferentie-intensieve workloads, terwijl EXAScaler hoogwaardige trainingsomgevingen blijft ondersteunen. Samen zijn de platforms bedoeld om datasilo's te elimineren en een hoge GPU-benutting te behouden gedurende de gehele AI-levenscyclus.
Nieuwe beveiligings- en infrastructuurfuncties
Aanvullende platformverbeteringen richten zich op de implementatievereisten voor bedrijven, waaronder bare-metal multi-tenancy, KMIP-gebaseerde encryptie en sleutelbeheer, VictoriaLogs-integratie voor operationeel inzicht en uitgebreide multi-tenant API's.
Wat opslag betreft, introduceerde DDN intelligente bestandsvergrendeling en NAND-versnelde Hot Pools, waardoor veelgebruikte data op flashgeheugen kan blijven staan, terwijl minder vaak gebruikte data automatisch naar goedkopere harde schijven wordt verplaatst. Het bedrijf gaf aan dat deze functies zijn ontworpen om de opslagefficiëntie te verbeteren en tegelijkertijd de benodigde flashcapaciteit te verminderen.
Voortdurende uitbreiding van cloud-AI
DDN benadrukte ook de voortdurende acceptatie van haar cloud-AI-infrastructuur, waaronder de ontwikkelingen rond Managed Lustre die zijn aangekondigd in samenwerking met Google Cloud en een Salesforce-implementatie die gebruikmaakt van Google Cloud Managed Lustre, mogelijk gemaakt door EXAScaler.
Volgens DDN resulteerde de Salesforce-implementatie in 1.5 keer snellere modeltraining, een vermindering van de I/O-latentie met 75% en een verlaging van de trainingskosten met 42%. Dit toont de impact aan van het verminderen van opslagknelpunten in grootschalige AI-omgevingen.
Met de nieuwste aankondigingen breidt DDN zijn portfolio verder uit, van parallelle opslag naar AI-data-orkestratie, inferentieversnelling en infrastructuurbeheer. Hiermee positioneert DDN zijn platforms om AI-implementaties op grote schaal te ondersteunen in bedrijfsomgevingen, de cloud, onderzoeksinstellingen en overheden.
Amazon