WhatsApp:8613480819877
Leave Your Message
Produktkategorien
Ausgewählte Produkte

Power Edge XE9680

Der XE9680 integriert 8 x HGX H100/H200, zwei 56-Kern-Xeon-Prozessoren, 4 TB DDR5-Speicher und 24 x E3.S NVMe-SSDs in einem 6U-Gehäuse und bietet damit eine branchenführende Plattform mit hoher GPU-Dichte und Bandbreite für anspruchsvollstes KI-Modelltraining mit großen Modellen dank vollständiger NVLink-Verbindung und GPUDirect Storage.

    Produktdetails

    GPU-Dichte und -Verbindung: 8 x NVIDIA HGX H100/H200 700W SXM5 (oder optional 8 x A100 500W SXM4), vollständig über NVLink verbunden, GPU-GPU-Bandbreite bis zu 900 GB/s, 1,5-mal höher als die Vorgängergeneration. Unterstützt NVIDIA MIG Multi-Instance-GPU, wodurch virtuell 7 Instanzen auf einer Karte erstellt werden können und Multi-Tenant-Isolation erreicht wird. CPU und Speicher: 2 x Intel Xeon Scalable der 4./5. Generation (z. B. Platinum 8480+), mit maximal 56 Kernen pro Chip, TDP 350 W. 32 × DDR5-4800 DIMM, maximal 4 TB, 50 % höhere Bandbreite im Vergleich zu DDR4, erfüllt die Caching-Anforderungen großer Modelle. I/O und Speicher: Frontblende: 8 × 2,5" NVMe/SAS/SATA + 16 × EDSFF E3.S Gen5 NVMe (optional). 122,88 TB Full-Flash-Speicher), unterstützt NVIDIA GPUDirect Storage, DMA zwischen GPU und Festplatte umgeht die CPU zur Latenzreduzierung. Motherboard: 10 x PCIe 5.0-Steckplätze (x16/x8), kompatibel mit 400GbE, InfiniBand NDR, DPU usw.; zwei OCP 3.0-Netzwerkkartensteckplätze, flexibler Austausch gegen 25/40/100/200 GbE. Wärmeableitung und Stromversorgung: 6U-Kühlkörper + 6 redundante, im laufenden Betrieb austauschbare Lüfter, unterstützt den Langzeitbetrieb in 35–40 °C warmen Serverräumen. 4 × 2800 W 80Plus Titanium-Netzteile (2+2 redundant), im laufenden Betrieb austauschbar, unterstützen AC 200–240 V oder HVDC, mit einer Leistungsaufnahme von ca. 10 kW unter Volllast. Management und Sicherheit: iDRAC9 Datacenter, bietet RESTful API, Telemetrie, CloudIQ AIOps; unterstützt Zero-Trust-Architektur: Silicon Trust Root, signierte Firmware. TPM 2.0, Multi-Faktor-Authentifizierung – typisches Szenario: Training/Feinabstimmung großer Modelle mit Milliarden von Parametern, Generierung von AIGC-Inhalten, Entwicklung von Deep Learning, HPC-basierte numerische Strömungsmechanik, digitale Zwillinge, Metaverse-Rendering