Everpure semplifica l’Enterprise AI

Everpure ha annunciato Evergreen//One for FlashBlade//EXA e il prossimo arrivo della versione beta di Everpure Data Stream, due soluzioni che aiutano le aziende a ridurre le barriere di costi e complessità che rallentano i progetti AI enterprise.

Evergreen//One (EG1) for AI si estende attraverso FlashBlade//EXA per fornire gli altissimi livelli di prestazioni, scalabilità e throughput richiesti dai processi di training e inferenza su vasta scala. In aggiunta, la versione beta di Everpure Data Stream – la cui disponibilità seguirà nel corso del 2026 – accelera il time-to-result eliminando le frizioni della movimentazione manuale dei dati attraverso una pipeline automatizzata che connette direttamente l’ingestione dei dati al processo di inferenza.

“La maggior parte dei progetti AI aziendali non arriva alla produzione perché molti considerano la AI come un workload qualsiasi. Aiutiamo i clienti a svincolare i dati dai silos in cui si trovano e portare le iniziative AI dalla fase pilota a quella di produzione mediante un’infrastruttura che garantisce prestazioni, flessibilità e capacità di crescita. Dalla preparazione dei dati all’inferenza su vasta scala, ci assicuriamo che i nostri clienti abbiano a disposizione gli strumenti di cui hanno bisogno”, ha dichiarato Kaycee Lai, vice president, AI di Everpure.

“Evergreen//One ha risolto completamente le nostre difficoltà di pianificazione della capacità – ha commentato Andrea Moccia, vice president, AI and Data di Options Technology -. Adesso siamo in grado di distribuire lo storage in qualsiasi parte del mondo, consumarlo su base pay-as-you-go e scalare on demand rimuovendo così gli ostacoli alla crescita globale e rispondendo flessibilmente alle esigenze di workload AI in rapida evoluzione”.

“La tecnologia Everpure ci permette di ottenere prestazioni nello storage dei dati con una uniformità senza precedenti anche nei workload AI più complessi – ha aggiunto Sabur Mian, CEO e fondatore di STN -. In una tipica infrastruttura storage i ricercatori possono iniziare ad addestrare un modello magari su quattro nodi ricavandone anche performance sufficienti ma, non appena cominciano a scalare, ecco che le prestazioni collassano. Con FlashBlade//EXA siamo arrivati sinora a 192 nodi e dobbiamo ancora trovare il limite”.

Performance verificate: i benchmark che convalidano l’intero stack di dati per l’AI

I deployment AI hanno successo quando l’infrastruttura riesce a far funzionare le GPU al picco delle loro capacità. Everpure ha allineato FlashBlade//EXA con la reference architecture modulare NVIDIA STX per supportare la nuova generazione di AI factory basate sulla piattaforma Vera Rubin. Combinando le prestazioni e la scalabilità di EXA con componenti STX come gli storage controller BlueField e architetture per la memoria di contesto, Everpure ottimizza la pipeline AI dalla preparazione dei dati fino all’inferenza ad alto contesto. Questa architettura risolve nello specifico i requisiti di memoria di contesto ad alte prestazioni dell’inferenza su scala gigabyte implementando l’accesso ai dati a bassa latenza necessario per sostenere workflow agentici e sistemi di ragionamento multi-step su vasta scala.

Recenti benchmark SPECstorage Solution 2020 e MLPerf convalidano la capacità di FlashBlade//EXA di erogare le prestazioni coerenti e ripetibili che occorrono per trasformare i dati grezzi in modelli addestrati su vasta scala.

• Valori record nei benchmark SPEC: FlashBlade//EXA ha raggiunto il più alto punteggio mai registrato nel benchmark SPEC Storage AI_Image. Con 6.300 job AI simultanei, Everpure ha dimostrato la capacità di FlashBlade//EXA di sostenere un maggior numero di task di addestramento contemporanei a piena velocità rispetto a qualsiasi altra soluzione attualmente sul mercato.
• Ridefinizione dei costi della AI: FlashBlade//EXA movimenta i dati al doppio della velocità del suo concorrente più prossimo occupando meno della metà di un rack storage. Sostenendo oltre il 90% di utilizzo della GPU in grandi cluster NVIDIA Hopper – come confermato dai workload model-driven MLPerf – EXA si assicura che le risorse di calcolo non restino mai inattive. Al crescere dei workload, EXA scala linearmente per ridurre drasticamente i tempi di inattività e assicurarsi che le risorse di calcolo non si fermino mai ad aspettare il task successivo.

Inoltre, l’estensione della convalida NVIDIA-Certified Storage (NVCS) a FlashBlade//EXA rafforza ulteriormente la fiducia nell’intero stack: questa integrazione traccia un percorso definitivo verso la certificazione NVCS di livello ‘NCP’ allineata alle reference architecture NVIDIA Cloud Partner (NCP).

Orchestrazione automatizzata: semplificare il percorso verso i dati AI-ready

Per rendere completamente operativi questi incrementi prestazionali, Everpure Data Stream semplifica le attività di curation e orchestrazione assicurando che dati AI-ready di alta qualità possano fluire senza interruzioni verso l’infrastruttura AI. Ciò accelera il time-to-insight e abbrevia la strada che dalla fase pilota porta a quella di produzione, garantendo che i modelli possano sempre lavorare sui dati più aggiornati senza appesantimenti amministrativi.

Per un design AI compatto che riduce le barriere d’ingresso è disponibile Everpure Data Stream, soluzione co-ingegnerizzata con Supermicro e realizzata sulla base del reference design NVIDIA AI Data Platform. Combinando l’hardware di Supermicro con il software-defined storage di Everpure, le aziende possono concretizzare rapidamente il vero valore dei loro dati.

Poiché le AI factory enterprise hanno bisogno di una piattaforma dati AI per poter preparare ed erogare dati AI-ready, Everpure supporta anche piattaforme accelerate come le GPU NVIDIA RTX PRO 6000 Blackwell Server Edition ed estenderà il supporto alle GPU NVIDIA RTX PRO 4500 Blackwell Server Edition.

Il successo in un contesto AI-driven richiede una strategia fondata sull’ottimizzazione continua dei dati, non su un semplice aggiornamento infrastrutturale una tantum. La piattaforma Everpure fornisce questa base così importante trattando la predisposizione alla AI non come un traguardo specifico, bensì come un percorso costante di preparazione e convalida delle prestazioni.