اگر بخواهم این سؤال را برای بازار ایران جواب بدهم، پاسخ من این است:بله؛ Supermicro می‌تواند انتخاب خیلی خوبی باشد، اما نه برای هر پروژه و مهم‌تر از آن، نه از هر فروشنده‌ای.Supermicro یک تفاوت جدی با خیلی از برندهای سنتی Enterprise دارد:فلسفه طراحی آن بر پایه Building Block و تنوع بسیار زیاد Configuration است. […]
آیا سرور Supermicro بخریم یا نه؟ Read More »
در زیرساخت‌های جدید AI، دیگر فقط این سؤال مهم نیست که «چه GPUای داریم؟» یک سؤال مهم‌تر هم کنار آن قرار گرفته است:داده با چه سرعتی بین GPUها جابه‌جا می‌شود؟ اگر شبکه و Fabric نتوانند هم‌پای پردازنده‌ها کار کنند، حتی قدرتمندترین GPUها هم بخشی از زمان خود را منتظر می‌مانند. این یعنی بخشی از سرمایه‌گذاری
وقتی GPU سریع است، اما شبکه عقب می‌ماند Read More »
وقتی درباره زیرساخت هوش مصنوعی صحبت می‌کنیم، معمولاً اولین توجه به قدرت GPU است. اما یک محدودیت مهم‌تر گاهی دیر دیده می‌شود: حافظه. اگر مدل در حافظه جا نشود یا داده با سرعت کافی به پردازنده نرسد، حتی GPU قدرتمند هم نمی‌تواند از تمام ظرفیت خود استفاده کند. به نظرم مسیر چند نسل اخیر NVIDIA
تحول حافظه در NVIDIA؛ چرا رقابت AI دیگر فقط روی قدرت GPU نیست؟ Read More »
وقتی مشخصات نسل جدید پردازنده‌ها و شتاب‌دهنده‌های AMD را می‌بینیم، عددهای مربوط به توان مصرفی خیلی زود جلب توجه می‌کنند. مثلاً در بعضی مدل‌های EPYC 9005، توان طراحی‌شده به 500 وات رسیده و در خانواده Instinct هم اعداد بسیار بالاتری دیده می‌شود. در نگاه اول شاید نتیجه ساده باشد: هرچه وات بالاتر، مصرف بیشتر و
آیا مصرف برق بیشتر یعنی بهره‌وری کمتر؟ Read More »
در بسیاری از پروژه‌های هوش مصنوعی، اولین سؤال این است: چه GPUای بخریم؟ اما به‌نظر من، این سؤال فقط بخشی از مسئله را پوشش می‌دهد. NVIDIA امروز دیگر فقط یک تولیدکننده GPU نیست. مجموعه‌ای از فناوری‌های پردازشی، شبکه‌ای، ارتباطی و نرم‌افزاری را کنار هم قرار داده که عملاً روی معماری کامل زیرساخت AI تأثیر می‌گذارد.
آیا برای ساخت زیرساخت AI، انتخاب GPU کافی است؟ Read More »
اگر چند سال پیش می‌خواستیم درباره GPU حرف بزنیم، معمولاً بحث خیلی ساده‌تر بود: کدام مدل سریع‌تر است و چقدر حافظه دارد؟ اما الان قضیه کاملاً فرق کرده. NVIDIA، AMD و Intel هرکدام دارند GPU را به یک مسیر متفاوت می‌برند؛ از لپ‌تاپ و کامپیوتر شخصی گرفته تا ورک‌استیشن، سرور و دیتاسنترهای بزرگ هوش مصنوعی.
نسل جدید GPUها؛ دیگر فقط «کدام کارت قوی‌تر است؟» سؤال درستی نیست Read More »
با معرفی IBM Power S1112 مبتنی بر Power11، چیزی که برای من جالب است فقط کوچک‌تر شدن یک سرور Enterprise نیست؛ بلکه مسیری است که IBM برای نزدیک کردن AI به روندهای کاری اصلی سازمان دنبال می‌کند. Power S1112 یک سیستم نسبتاً جمع‌وجور است که برای دفاتر سازمانی و محیط‌های Edge طراحی شده است. یعنی
در پروژه‌های دیتاسنتری، معمولاً اولین سؤال درباره سرور این است: «چه پردازنده‌ای دارد؟» اما وقتی مجازی‌سازی، Database، Analytics و حجم Storage هم‌زمان رشد می‌کنند، به نظر من سؤال مهم‌تر این است: این سرور تا چه اندازه می‌تواند همراه با نیاز سازمان توسعه پیدا کند؟ Dell PowerEdge R770 یک سرور 2U، دوپردازنده‌ای مبتنی بر Intel Xeon
سرور Dell PowerEdge R770؛ وقتی توسعه‌پذیری زیرساخت از صرفاً قدرت CPU مهم‌تر می‌شود Read More »
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
همه‌چیز در AI به GPU ختم نمی‌شود؛ HPE دوباره CPU را به مرکز بحث آورده است Read More »