Cisco מרחיבה את Secure AI Factory ל-rack-scale
Cisco ו-Nvidia מרחיבות את Secure AI Factory ל-rack-scale, עם תמיכה בקירור נוזלי של יותר מ-200 קילוואט ל-rack ואינטגרציה של Nvidia Spectrum-X עם NX-OS. המהלך מאפשר לחברות, neoclouds ו-sovereign clouds לבנות תשתיות AI מאובטחות ויעילות יותר, תוך הפחתת התלות בעננים ציבוריים והאצת המעבר ל-production.
הם מוציאים מיליונים על טוקנים ב-APIים של חברות ענן, אבל הלחץ להעביר את העבודה ל-inference מקומי הולך וגובר. אם גם אתם מרגישים שהתלות הזאת עולה ביוקר, הסיפור הבא רלוונטי במיוחד.
Cisco, במסגרת שותפות עמוקה עם Nvidia, מכריזה על הרחבה משמעותית של ה-Secure AI Factory לרמת rack-scale. זה אומר שארגונים, neoclouds ו-sovereign clouds יכולים כעת לתכנן ולבנות מפעלי AI מלאים — מ-compute, networking ו-storage ועד לקירור נוזלי ותוכנה — כפתרון מאוחד וקל יותר לפריסה.
אז מה בעצם קרה כאן?
ה-Secure AI Factory הוא framework ש-Cisco ו-Nvidia מפעילות כבר זמן מה, שמטרתו לספק תשתית מאובטחת ומחוברת end-to-end להקמת מפעלי AI. עכשיו, השדרוג לרמת rack-scale מרחיב את היכולת הזו: תמיכה בקירור נוזלי rack-to-fabric, המסוגל להתמודד עם עומסים של יותר מ-200 קילוואט ל-rack — מה שנחוץ עבור reasoning, agentic AI ו-training של מודלים עם טריליון פרמטרים.
בפן הרשתי, Cisco משלבת את סיליקון Nvidia Spectrum-X עם מערכת ההפעלה NX-OS שלה. בנוסף, היא מציעה ארכיטקטורות reference התואמות ל-Nvidia Cloud Partner, וגם ארכיטקטורות המבוססות על Cisco Silicon One. הכול מנוהל תחת Nexus One, פלטפורמת הניהול הרשתית של Cisco.
למה זה חשוב עכשיו?
מי שיחפש את ה-balancing act, ימצא אותו כאן. העלות הגבוהה של גישה ל-compute דרך שירותי ענן ציבוריים, במיוחד עבור inference, מובילה חברות רבות לשקול פריסת תשתיות AI on-premise. הנתונים מראים שהיפרסקיילרים כמו AWS, Microsoft ו-Google מוציאים השנה כ-700 מיליארד דולר על הוצאות הון, שרובם מיועדים לתשתיות AI. זה יוצר ביקוש ענק, אבל גם dependency מסוכן.
המהלך של Cisco ו-Nvidia נועד לאפשר לבוני AI מבוזרים — אותם ארגונים שבאים אחרי ה-hyperscalers — להשיג ביצועים דומים עם שליטה רבה יותר. "אנחנו בתחילת אחד מתחומי בניית מרכזי הנתונים הגדולים בהיסטוריה," אומר Jeetu Patel, נשיא ו-CPO ב-Cisco. "כל ארגון רץ ל-scale AI — אבל מהירות היא רק חלק מהמשוואה אם יש שליטה על נתונים, ניהול costs של טוקנים ו-ROI אמיתי."
איך זה עובד בפועל?
הארכיטקטורה המלאה כוללת שיתוף פעולה עם Supermicro ל-high-density compute, ציוד קירור אוויר ונוזל, ושזירה של הכול לרשת אחידה. "ממארג הרשת, בחלק של scale-out שמחבר GPUs, יש לנו stack מ-Cisco שבו אנחנו לוקחים את הסיליקון של Nvidia Spectrum ושמים אותו על ה-NX-OS שלנו," מסביר Will Eatherton, סגן נשיא בכיר להנדסת רשתות ב-Cisco.
המשמעות המיידית: חברות יכולות להקים מפעלי AI במהירות רבה יותר, עם אבטחה מובנית מלכתחילה. עבור neoclouds, המהלך מציע תשתית מותאמת לפריסה מהירה של קיבולת. עבור ארגונים, הוא מאפשר העברה של עומסי AI מ-APIים חיצוניים לסביבה מקומית, תוך הפחתת latency ועלויות.
מה הלאה?
השוק של תשתיות AI עובר משלב הרכישה לשלב ה-production. GPUs הם המנוע, אבל מפעל AI הוא מערכת — וכאן הקאץ': אם רכיב אחד נכשל, קיבולת יקרה יושבת ללא תועלת והכנסות נוזלות החוצה. הפתרון של Cisco-Nvidia מציע גישה תפעולית מלאה.
"מפעלי AI הם תשתיות מייצרות הכנסה," אומר Patel. "הם דורשים compute ו-networking שעובדים יחד מ-Day 0 ועד production מתמשך."
בשורה התחתונה, המהלך הזה מאותת שהשוק מתבגר. אם בשנים האחרונות כולם רצו לקנות GPUs, עכשיו הדרישה היא לבנות מערכות שלמות שמסוגלות לעבוד מהר, ביעילות ובבקרה. Cisco ו-Nvidia מציעות את ה-stack שמחבר את הכול, וגורמות למילה "מפעל AI" להישמע פחות כמו buzzword ויותר כמו מציאות עסקית.
אז אם תהיתם מתי ה-hype יהפוך ל-infrastructure אמיתי, כנראה שאנחנו במרחק rack אחד מהיעד.