Huawei ha presentato la nuova soluzione integrata storage-computing-networking per HPC + AI, con l’obiettivo di supportare università e istituti di ricerca nel migliorare prestazioni ed efficienza lungo l’intero workflow end-to-end. Il portafoglio aggiornato, svelato in occasione del recente ISC High Performance 2026, combina capacità di storage, elaborazione e networking e risponde ai requisiti infrastrutturali necessari per abilitare l’implementazione dell’intelligenza artificiale su larga scala.
La nuova infrastruttura AI Data di Huawei
La tecnologia alla base della infrastruttura AI Data per data center AI di Huawei risponde a una sfida ben precisa: rispondere a un aumento costante del consumo di token da parte delle aziende per l’utilizzo di applicazioni di intelligenza artificiale e di agenti digitali in un contesto in cui le architetture IT esistenti stanno raggiungendo i propri limiti. L’azienda affronta questa esigenza con uno stack IT end-to-end per AIDC (AI Data Center), che comprende AI Data Lake, AI Data Platform e piattaforme Context Memory Storage, oltre a funzionalità per il model engineering, framework per agenti e resilienza dei dati:
- Nel campo della gestione dei dati per la ricerca, le tradizionali piattaforme RDM (Research Data Management) si stanno rapidamente evolvendo in AI Data Lake. La soluzione AI Data Lake di Huawei aiutagli enti di ricerca a raggiungere gli obiettivi di archiviazione, gestione e utilizzo efficace dei dati. Tra le sue caratteristiche, lo storage scale-out OceanStor Pacific offre una densità di capacità ai vertici del settore pari a 11 PB in 2U, consentendo l’archiviazione efficiente di enormi volumi di dati scientifici e un TCO ottimizzato. Grazie allo spazio dati unificato DME Omni-Dataverse, la soluzione supporta l’ingestione in tempo reale di dati multimodali e distribuiti su più siti nel data lake, garantendo allo stesso tempo visibilità e gestione globali, e offre la capacità di effettuare ricerche in pochi secondi su centinaia di miliardi di dati vettoriali multidimensionali, accelerando ulteriormente l’aggregazione, la distribuzione e l’analisi di dati scientifici di alta qualità.
- Nel campo dell’high-performance computing, i carichi di lavoro della ricerca si stanno espandendo continuamente dal tradizionale HPC verso l’addestramento e l’inferenza AI. Per gli scenari di AI training, Huawei OceanDisk 1610 Smart Disk Enclosure costituisce una base storage ottimale per i file system paralleli, offrendo una larghezza di banda di 220 GB/s e una densità di capacità elevata pari a 4 PB in 2U. Oltre a migliorare l’efficienza nella fornitura dei dati per l’addestramento, la soluzione contribuisce a ridurre in modo significativo l’occupazione di spazio nei data center e i costi energetici.
- Per gli scenari di inferenza AI, Huawei ha sviluppato una piattaforma AI Data Platform “3+1”, che integra knowledge base, cache KV, memoria e funzionalità unificate di gestione dei dati. La piattaforma utilizza la tecnologia UCM per la gestione dei dati di memoria destinati all’inferenza e consente di raggiungere una precisione superiore al 95% nel recupero delle informazioni.
- Huawei CMS (Context Memory Storage) rivoluziona le tradizionali architetture di storage grazie a funzionalità chiave quali l’archiviazione di contenuti multimediali multimodali, un’innovativa architettura disco 3-in-1 e il bypass semantico KV. È progettata specificamente per accelerare la cache KV e supportare l’archiviazione della memoria contestuale. Sul fronte dell’integrazione con l’ecosistema di calcolo, la soluzione presenta cluster eterogenei basati su GPU e NPU e garantisce compatibilità con i protocolli di rete RoCE e Unified Bus (UB). Rispetto alle soluzioni tradizionali, CMS incrementa da 3 a 5 volte il throughput nelle attività di inferenza dei foundation model AI, riduce fino al 90% la latenza del primo token e consente allo stesso tempo una riduzione dei costi del 30%.
Xinghe AI Data Center Network: scalare i cluster AI con rendimento elevato ed efficienza operativa
Per università ed enti di ricerca, i moderni ambienti HPC + AI dipendono dalle prestazioni e dalla stabilità della rete tanto quanto dalle capacità di calcolo e storage. Xinghe AI Data Center Network risponde a queste esigenze combinando scalabilità della larghezza di banda ed efficienza operativa. Basata su Open Ethernet, la soluzione riduce del 30% i costi operativi e di O&M, supportando la crescita di grandi cluster AI grazie a chassis ad alta densità in grado di offrire fino a 128×800GE o 128×400G in configurazioni raffreddate ad aria o a liquido. Questo consente di raggiungere una scala di networking quattro volte superiore rispetto agli standard di settore e di ridurre del 40% il TCO per la realizzazione della rete a parità di dimensioni.
I moduli ottici StarryLink introducono il bilanciamento del carico a livello di singolo pacchetto, permettendo di raggiungere un throughput di rete del 98% e di migliorare del 7% l’efficienza delle attività di training e inference. La telemetria integrata garantisce campionamenti con granularità inferiore al millisecondo e la visualizzazione dei principali KPI di rete, consentendo di individuare i guasti in pochi minuti. Inoltre, iFlashboot 2.0 supporta un riavvio in soli 5 secondi, riducendo le interruzioni durante le attività di addestramento e inferenza.
Supportare l’upgrade tecnologico di scuole e università
Lo storage rappresenta un elemento determinante nei workflow HPC e AI, poiché definisce la velocità con cui i dati vengono gestiti lungo l’intero processo, dall’ingestione fino alle fasi di training e inferenza. Attraverso il proprio stack storage per AIDC, che comprende AIDP, AI Data Lake, Context Memory Storage e la soluzione storage per HPC, Huawei punta ad aiutare università ed enti di ricerca a costruire una base dati in grado di crescere insieme all’aumento delle esigenze legate a modelli e simulazioni sempre più avanzati.
In Europa, Huawei collabora con un’ampia rete di istituzioni pubbliche e clienti del settore education, che comprende oltre 600 università e istituti e più di 80.000 scuole, oltre a cooperare con numerosi centri di ricerca in tutta la regione.
