ASUS hat den XA P2N-E2 vorgestellt, einen 2U-Server basierend auf der NVIDIA MGX-Architektur und angetrieben von NVIDIA Vera CPUs, präsentiert auf dem OCP Global Summit 2026. Der Server ist für agente KI und Reinforcement-Learning-Arbeitslasten ausgelegt und zielt auf die Ausführungsschicht von AI-Anwendungen wie Code-Ausführung, Tool-Use, Sandboxing, Datenverarbeitung und Orchestration ab. Er unterstützt bis zu zwei dual-slot NVIDIA RTX PRO 6000 Blackwell Server Edition GPUs, die hochleistungsfähiges CPU-Rechnen mit flexibler GPU-Beschleunigung in einem kompakten Formfaktor kombinieren.
Die hohe Single-Thread-CPU-Leistung und der Hochbandbreiten-, energiesparende Arbeitsspeichervorhaben, AI-Agenten während anspruchsvoller Aufgaben reagibel zu halten. Auf dem OCP zeigte ASUS zudem ein breiteres AI-Infrastruktur-Portfolio, einschließlich des rack-skalen XA VR721-E3 AI POD, der 36 NVIDIA Vera CPUs und 72 NVIDIA Rubin GPUs über die NVIDIA Vera Rubin NVL72-Plattform mit voller Flüssigkeitskühlung für große AI-Trainings- und Inferenzlasten integriert. Darüber hinaus kombiniert der XR R1I12B-M1BHFS-Server NVIDIA HGX Rubin NVL8 mit Direkt-zu-Chip-Flüssigkeitskühlung für GPUs und Luftkühlung für Intel Xeon 6 Prozessoren für flexible Konfigurationen.
Diese Systeme spiegeln die Strategie von ASUS wider, AI-Infrastruktur über Compute-Dichten, Kühlungsarchitekturen und Deployments zu skalieren. ASUS betonte, dass AI-Factory-Leistung mehr als beschleunigtes Rechnen abhängt, und hob die Bedeutung von Hochgeschwindigkeits-Netzwerken, skalierbarem Kontextspeicher, reagierendem Inferenz und Dateninfrastruktur hervor. Das Unternehmen präsentierte zudem NVIDIA-Technologien wie HGX Rubin NVL8, Spectrum-X Spectrum-6 Ethernet-Switching, CMX Context Memory Storage und NVIDIA Groq 3 LPX — einen interaktiven AI-Inferenz-Beschleuniger für ultraschnelle Token-Generierung in niedrig-latenz, groß-kontext Agentic-Systemen.
Zusammen ermöglichen diese Komponenten volle AI-Factories unter Verwendung der NVIDIA Vera Rubin-Plattform, sodass Kunden von Einzel-Systemen bis hin zu rack-Scale-Deployments skalieren können, die Performance pro Watt optimieren und die Time-to-Market beschleunigen.
Quelle: TechPowerUp News · Zusammengefasst von HeadlinesBriefing