В этом году компании, занимающиеся серверной архитектурой и хранением данных, переживают настоящий бум. Super Micro Computer Inc. сообщила о более чем 60 миллиардах долларов новых заказов за четвертый финансовый квартал. Это связано с резким увеличением спроса на инфраструктуру для агентного AI, особенно в таких сферах, как банковское дело и финансовые услуги. По словам Вика Малялы, главного бизнес-офицера Supermicro, темпы изменений в индустрии удивляют даже самых опытных специалистов.
С 11 августа по 3 сентября пройдет седьмая ежегодная серия видео-сессий Supermicro Open Storage Summit, где основное внимание будет уделено внедрению AI в бизнес, созданию инфраструктуры для поддержки AI-инференса и управлению данными. В рамках мероприятия запланировано 12 информативных сессий с участием 38 лидеров отрасли из 21 компании, включая таких гигантов, как AMD, Intel и Nutanix.
Одной из ключевых тем станет роль архитектуры хранения данных в эпоху AI. Переход от чат-ботов к AI-агентам требует большего внимания к контекстной памяти — информации, необходимой автономным системам для выполнения задач. Supermicro разрабатывает новые системы на базе архитектуры Nvidia, что позволяет повысить эффективность обработки данных.
Также будет обсуждаться оптимизация серверных портфелей для максимальной эффективности развертывания CPU и GPU. Например, Supermicro представила новое поколение серверов H15, которые оптимизированы для работы с современными GPU и процессорами AMD EPYC.
AI-агенты также влияют на то, как разработчики проектируют новые инструменты для постоянной памяти. MinIO представила платформу AIStor Memory, которая сохраняет память агентов и рабочие пространства, что позволяет эффективно управлять данными и ускорять развертывание AI-решений.
Серия Supermicro Open Storage Summit станет важной площадкой для обсуждения того, как крупные технологические компании поддерживают AI-инференс и агентный AI, создавая надежные платформы для управления данными. В условиях стремительного развития технологий AI становится не просто вопросом отдельных чипов или моделей, а целой экосистемой, где важны скорость обучения и экономическая эффективность.