DDN מפתחת טכנולוגיה שתאפשר ל-GPU למשוך מידע ישירות
DDN ו-NVIDIA מכריזות על שיתוף פעולה כפול: טכנולוגיה חדשה בפלטפורמת Infinia תאפשר ל-GPU ליזום שליפת מידע ישירות, במקום לחכות ל-CPU — מה שאמור לחסוך שעות GPU יקרות. בנוסף, במונטריי נחנך מרכז AI חדש בקמפוס NPS, ובו מערכת DGX GB300 ותשתיות DDN. הטכנולוגיה תוצג ב-Flash Memory Summit.
מה קורה כשה-GPU הכי מתקדם בעולם יושב ומחכה למידע? כסף מבוזבז — הרבה כסף. DDN מכריזה היום על שתי יוזמות עם NVIDIA שנועדו לפתור בדיוק את הבעיה הזו: אחת מהן עשויה לשנות את הדרך שבה תשתיות AI מטפלות בנתונים, והשנייה מציבה מרכז AI חדש בלב הצי האמריקאי.
Storage-Next: GPU ששולף מידע בלי לחכות
שיתוף הפעולה הטכני המרכזי הוא במסגרת יוזמת Storage-Next של NVIDIA. DDN מפתחת יכולות חדשות לפלטפורמת Infinia שלה — כאלה שיאפשרו ל-GPU עצמו ליזום משיכת מידע (GPU-initiated data access), במקום להמתין שה-CPU יפנה לו את הנתונים.
למה זה חשוב? בעולם של AI בקנה מידה עצום, מעבדי ה-GPU הם ההשקעה הגדולה ביותר בסביבה. כל רגע שבו GPU יושב וממתין לנתונים הוא רגע שבו הארגון משלם על חומרה יקרה שלא עושה כלום. Sven Oehme, ה-CTO של DDN, מנסח את זה כך: "הצלחת ה-AI תימדד יותר ויותר לא בכמות התשתיות שיש לארגון, אלא במידת הפרודוקטיביות של השימוש בהן."
הטכנולוגיה כבר עובדת. צוות המו"פ של Infinia עבד עם NVIDIA בחודשים האחרונים על בחינת הטכנולוגיה ופיתוחה, והתוצאות הראשוניות מראות שיפור ביעילות ובסקלביליות של סביבות AI גדולות. DDN תדגים את היכולת ב-Flash Memory Summit הקרוב.
למי שמתעסק בבניית AI factories או תשתית למודלים גדולים, המשמעות ברורה: יותר עבודה לאותו מספר של GPUs, פחות עלויות תפעול, ותשואה גבוהה יותר על ההשקעה בחומרה שכבר רכשתם.
מרכז AI חדש בצי האמריקאי
שיתוף הפעולה השני חורג מעולם התשתיות המסחריות: DDN משתפת פעולה עם NVIDIA בתרומת מערכת NVIDIA DGX GB300 ל-Naval Postgraduate School (NPS) בקליפורניה — האוניברסיטה המובילה של הצי האמריקאי ללימודים מתקדמים.
בית הספר, שמכשיר את הדור הבא של חוקרים ומנהיגים בצי האמריקאי, חנך ב-22 ביולי את מרכז ה-AI Technology Center החדש בקמפוס במונטריי, בטקס חגיגי בהשתתפות נציגים מ-NVIDIA, מ-DDN וממגזרי הממשלה והתעשייה. NVIDIA תרמה את פלטפורמת המחשוב המואצת ואת אקוסיסטם התוכנה, ו-DDN מביאה את תשתית ניהול הנתונים — הפלטפורמה שמאפשרת לחוקרים לגשת לנתונים, לנהל אותם, להגן עליהם ולהתאים את היקפם לכל יישום AI.
ביחד, הן מספקות לחוקרים ב-NPS פלטפורמה מלאה לפיתוח AI: ממדידות סביבתיות ומודלים של אוקיינוסים, דרך מערכות ימיות אוטונומיות וטכנולוגיות Digital Twin, ועד לתכנון משימות ותמיכה בקבלת החלטות מבצעיות.
Jason Hardy, סגן נשיא לטכנולוגיית אחסון ב-NVIDIA, מסביר: "מפעלי AI הכי פרודוקטיביים כשהמחשוב המואץ ותשתיות הנתונים עובדים יחד בצורה חלקה — וארגונים שמייעלים את החיבור הזה יגדלו מהר יותר ויקבלו תשואה גבוהה יותר על ההשקעות שלהם."
מה זה אומר למי שעובד פה?
שתי ההכרזות מצביעות על טרנד ברור: הקרב על יעילות AI לא נגמר ב-GPU. תשתיות הנתונים — האופן שבו מידע זורם, נשלף ומנוהל — הופכות לקריטיות באותה מידה. DDN, שמזינה את מעבדי ה-GPU הגדולים בעולם — מהייפרסקיילרים, דרך ממשלות ועד מוסדות מחקר — רואה ב-Storage-Next את הדרך להפוך את ההשקעות האלה לפרודוקטיביות יותר.
נכון, אף אחת מההכרזות האלה לא קשורה ישירות לחברות ישראליות. אבל אם אתם בונים תשתית AI לעבודות גדולות — בין אם במחקר, ב-defense-tech או באנטרפרייז — כדאי לשים לב לשיתוף הפעולה הזה. הטכנולוגיה עדיין בפיתוח, אבל הכיוון ברור: פחות חסימות בנתונים, יותר עבודה בפועל לכל GPU ועלויות תפעול נמוכות יותר.
בסופו של דבר, DDN מזכירה לכולנו עובדה פשוטה: GPU יקר שלא עושה כלום — זה כמו עובד במשכורת גבוהה שיושב בהפסקת קפה תמידית. ואף אחד לא אוהב לשלם על הפסקות קפה.