همه‌چیز در AI به GPU ختم نمی‌شود؛ HPE دوباره CPU را به مرکز بحث آورده است

در بسیاری از پروژه‌های AI تمام توجه روی GPU است.

اما در Agentic AI، عامل هوشمند فقط مدل را اجرا نمی‌کند؛ باید داده بخواند، کد اجرا کند، با ابزارها ارتباط بگیرد، تصمیم‌گیری کند و چند مرحله پردازش را پشت سر هم انجام دهد.

همین موضوع باعث می‌شود CPU، Latency و پهنای باند حافظه دوباره نقش بسیار جدی‌تری پیدا کنند.

HPE در 1 ژوئن 2026 و در COMPUTEX سرور HPE ProLiant Compute DL394 Gen12 را با پردازنده NVIDIA Vera معرفی کرد؛ پلتفرمی که مشخصاً برای Agentic AI، Reinforcement Learning و پردازش‌های سنگین داده طراحی شده است.

NVIDIA Vera C2 در این سیستم دارای 88 هسته و 176 Thread است و HPE برای DL394 Gen12 حداکثر 3TB حافظه LPDDR5X ECC مبتنی بر SOCAMM اعلام کرده است. این سرور 2U و Air-Cooled است و با HPE iLO 7 و HPE Compute Ops Management مدیریت می‌شود.

نکته‌ای که برای من جالب‌تر است، Memory Architecture این سیستم است.

HPE برای این پلتفرم 1.2TB/s پهنای باند تجمیعی حافظه اعلام کرده؛ موضوعی که برای Workloadهایی که سرعت دسترسی CPU به حجم زیادی از داده اهمیت دارد، می‌تواند بسیار مهم‌تر از افزایش ساده تعداد Core باشد.

اما اینجا یک نکته مهم وجود دارد:

NVIDIA Vera مبتنی بر معماری Arm است.

بنابراین قبل از انتخاب چنین پلتفرمی باید Software Stack، سیستم‌عامل، Middleware و نرم‌افزارهای سازمانی از نظر سازگاری با Arm بررسی شوند. جدید بودن معماری به‌تنهایی دلیل کافی برای مهاجرت نیست.

وضعیت عرضه:
HPE زمان Availability این مدل را پاییز 2026 اعلام کرده است؛ در اطلاعیه رسمی فعلاً تاریخ دقیق General Availability مشخص نشده است.

برای بازار ایران:
به نظرم DL394 Gen12 در کوتاه‌مدت بیشتر از اینکه یک انتخاب عمومی برای دیتاسنترها باشد، محصولی برای Workloadهای خاص و سازمان‌هایی است که واقعاً به Memory Bandwidth بالا، پردازش Agentic AI و معماری جدید CPU نیاز دارند. تعداد اندکی از شرکت‌های معتبر مانند ایران اچ پی نوآوران آمادگی واردات این دستگاه را بعد از در دسترس قرار گرفتن دارند.

و سؤال اصلی برای هر پروژه باید این باشد:

گلوگاه واقعی ما کجاست؛ GPU، CPU، Memory یا Data Pipeline؟

به بالا بروید
Scroll to Top