Liqid leverer softwaredefineret komponerbar infrastruktur, der gør det muligt for virksomheder dynamisk at allokere GPU'er og CXL-baseret hukommelse, hvilket frigør højere ydeevne, smidighed og effektivitet.
Liqid leverer softwaredefineret komponerbar infrastruktur, der gør det muligt for virksomheder dynamisk at allokere GPU'er og CXL-baseret hukommelse, hvilket frigør højere ydeevne, smidighed og effektivitet.
Med Liqid kan organisationer pulje, dele og tilknytte GPU'er eller DRAM efter behov på tværs af PCIe- og CXL-fabrikker, hvilket muliggør op til 30 GPU'er eller 100 TB hukommelse pr. pod uden tab af ydeevne.
Liqid-arkitekturen løser strøm-, budget- og skalerbarhedsbegrænsninger med virkelig dynamisk AI-infrastruktur, der understøtter 600W GPU'er, integreres med Kubernetes, VMware, Nutanix og Slurm og maksimerer udnyttelsen, samtidig med at TCO reduceres.
Liqid’s komponerbare GPU-platform dynamisk samler og tildeler GPU'er til enhver server, hvilket muliggør højere udnyttelse, 30-GPU-skala, lavere TCO og maksimal ydeevne til AI-arbejdsbelastninger på tværs af PCIe-fabrikker.
Liqid’s komponerbare CXL-hukommelse udvider dynamisk og deler DRAM på tværs af servere, hvilket leverer massiv kapacitet, lav latenstid, højere udnyttelse og dramatiske præstations- og TCO-gevinster til AI-, analyse- og database-arbejdsbelastninger.
Liqid Matrix-software orkestrerer dynamisk GPU- og CXL-hukommelsespooling, hvilket muliggør automatiseret provisioning, multi-fabric-administration og problemfri integration med Kubernetes, VMware, Nutanix og Slurm for fuldt agil, effektiv AI-infrastruktur.
Udløs det fulde potentiale af AI med NIM™ inferens-mikrotjenester på dynamisk konfigurerbare Kubernetes-klynger - implementér og administrer containere med komponerbar infrastruktur for skalerbare og effektive GPU-implementeringer
Introduktion af nye niveauer af udnyttelse og bæredygtighed. Ændr bæredygtighedsligningen med Liqid komponerbar infrastruktur.
Virksomheders ydeevne er nu hukommelsesbegrænset. DRAM er hurtigt, men kapacitetsbegrænset og dyrt; skalering ved sharding tilføjer latenstid, kompleksitet og omkostninger.