Neue Server für KI und Supercomputing (HPC) vorgestellt. KI-Anwendungen und HPC-Simulationen wachsen immer stärker zusammen. Das System kann im PowerRack 9100 von Dell auf bis zu 144 GPUs skalieren...
Hintergrund
Umfang und Komplexität von KI- und HPC-Anwendungen steigen inzwischen so schnell, dass schrittweise Infrastruktur-Upgrades oft nicht mehr ausreichend sind. Gleichzeitig treiben Unternehmen und Forschungseinrichtungen vermehrt Innovationen in Wissenschaft und Industrie voran. Dafür benötigen sie Rechenplattformen, die einen echten Technologiesprung ermöglichen.
Ankündigungsdetails
Der neue Dell PowerEdge XE8812 Server mit NVIDIAs Vera-Rubin-NVL4-Architektur wurde laut Anbieter speziell für diesen HPC- und KI-Anwendungstypus entwickelt und bereits erstmals auf der Supercomputing-Konferenz ISC im Juni 2026 in Hamburg vorgestellt.
Der Server lässt sich dazu im Dell PowerRack 9100 auf bis zu 144 GPUs skalieren. Als lüfterloser, direkt flüssigkeitsgekühlter Server wurde er speziell für Einrichtungen entwickelt, die rechenintensive HPC- und KI-Workloads wie molekulare und multiphysikalische Simulationen durchführen.
Durch den Übergang von NVIDIA GB200 NVL4 zu NVIDIA Vera Rubin NVL4 stehen mehr Host-Speicher, mehr CPU-Kerne (176 statt 144), mehr GPU-Speicher und mehr Rechenleistung zur Verfügung.
In Kombination mit den NVIDIA-CUDA-X-Bibliotheken soll dies HPC-Anwendern die Möglichkeit geben, ihre größten Modelle und Simulationen vollständig im Arbeitsspeicher auszuführen.
Abb.: Der Dell PowerEdge XE8812 ist mit der Vera-Rubin-NVL4-Architektur von NVIDIA ausgestattet und kann bis zu 144 GPUs pro Rack aufnehmen. (Bildquelle: Dell Technologies). Dell PowerEdge XE8812 soll laut Anbieter Anfang 2027 weltweit verfügbar sein.
Die wichtigsten Leistungsmerkmale des neuen Serversystems (Quelle, Anbieter):
1. Maximale Dichte bei minimalem Platzbedarf
„Dell Technologies plant nach eigenen Angaben eine der dichtesten Plattformen der Branche in einem ORv3-Rack-Design bereitzustellen: mit bis zu 144 GPUs, einer Leistungsaufnahme von über 300 kW sowie vollständig direkt flüssigkeitsgekühlten CPUs und GPUs für maximale Energieeffizienz.
2. Mehr Speicher
50 Prozent mehr Speicher pro Sockel sowie der erweiterte GPU-Speicher im Vergleich zur Vorgängergeneration ermöglichen es, größere Modelle und Simulationen vollständig im Speicher zu betreiben, ohne auf Staging oder Swapping angewiesen zu sein. Die beiden Verfahren führen zu Latenzen im Mikro- bis Millisekunden-Bereich und beeinträchtigen dadurch insbesondere moderne KI- und HPC-Anwendungen.
3. Offene Architektur und vereinfachte Verwaltung
Auf Basis des offenen ORv3-Standards bietet das Server- und Rack-Design eine höhere Effizienz und ermöglicht einen modularen Aufbau. Nach der Bereitstellung reduzieren Systemmanagement-Tools Risiken und vereinfachen den Betrieb. Mit dem Integrated Dell Remote Access Controller (iDRAC) können IT-Teams PowerEdge Server von überall aus bereitstellen, aktualisieren und überwachen.
Mit dem Dell Integrated Rack Controller und OpenManage Enterprise erhalten Teams Transparenz auf Rack-Ebene. Mithilfe von Echtzeit-Telemetrie und automatischer Leckerkennung sollen Probleme frühzeitig identifiziert, Risiken gesenkt und das Gesamtsystem umfänglich verwaltet werden können.
4. Schneller Nutzen durch schlüsselfertige Bereitstellung
Dell PowerRack im produktiven Betrieb. Schlüsselfertige, werkseitig integrierte und validierte Rack-Scale-Systeme reduzieren laut Anbieter die Komplexität der Bereitstellung und verkürzen die Zeit bis zum operativen Nutzen sowie zum Return on Investment."
Durch die vorintegrierten Systeme und die Services von Dell ProDeploy können aufwändige manuelle Integrationsschritte entfallen. Die produktionsfertigen Racks sind laut Dell in etwas mehr als sechs Stunden einsatzbereit, um dann Live-Workloads auszuführen.
(1) Quelle: Basierend auf einem von Dell Technologies beauftragten Bericht von Principled Technologies: „Accelerate AI time to value with Dell Services“, April 2026. Die tatsächlichen Ergebnisse können abweichen.
Querverweis:
Unser Beitrag > Open-source IT Infrastruktur Monitoring mit Icinga
Unser Beitrag > GRAU DATA mit BeeGFS Kooperation: massiv skalierbare Speicherinfrastruktur für HPC, KI und Big Data
Unser Beitrag mit Podcast > KI-Storage-Herausforderungen: Wie kann Speicherplatz im KV-Cache beim Einsatz großer Sprachmodelle und der Vektorsuche optimiert werden?