Один сервер вместо пяти: 🪵ITPOD представляет платформу ITPOD-SL401-D60R-G4.

Петабайт данных на классических 2U-серверах (по 12 дисков LFF) - это пять корпусов, 10 юнитов в стойке и в 5 раз больше точек отказа.

Тот же петабайт можно упаковать всего в один корпус 4U, если это платформа ITPOD-SL401-D60R-G4.

⚡️⚡️⚡️Сервер вмещает до 60 дисков LFF объёмом до 24 ТБ каждый. Плотность размещения дисков в 2,5 раза выше, чем у стандартных 2U-конфигураций - а это прямая экономия на аренде стойко-мест, питании и охлаждении в ЦОД.

Поскольку перед вами стандартная x86-архитектура, программное хранилище (SDS) может быть абсолютно любым: Ceph, MinIO, NexentaStor, vStack Unified Storage или отечественные решения. Жёсткой привязки к софту (vendor lock-in) здесь нет.

🛠 Что внутри платформы?

✅Подсистема хранения:
• 60 отсеков 3.5" SAS/SATA с горячей заменой. При использовании дисков по 24 ТБ это даёт до 1,44 П5 сырой (RAW) ёмкости на одно шасси.
• 10 фронтальных накопителей NVMe 2.5" (U.2) + 2 внутренних слота М.2. Это минимум 150 ТБ сверхбыстрого флеша в том же корпусе под кэш, журналы или отдельный all-flash пул.
✅Вычислительная мощность: 2 процессора Intel Xeon Scalable Gen5 (TDP до 350 Вт).
✅Память: 32 слота DDR5 (до 5600 МТ/с) — с огромным запасом под OSD-демоны, дедупликацию и компрессию.
✅Сеть и расширение: 7 слотов PCIe 5.0 (включая два OCP 3.0) с поддержкой адаптеров вплоть до 200GbE. Сеть точно не станет узким местом.
✅Отказоустойчивость: 4 блока питания CRPS (1600/2000 Вт) с резервированием N+N и вентиляторы N+1.

🔗О типовых сценариях применения платформы 🪵 ITPOD-SL401-D60R-G4 читайте в нашем блоге

🪵 Сервер для видеоаналитики на 100+ камер: три типа задач, реальная математика GPU и почему EPYC + DDR4 выгоднее

Выбрать сервер для видеоаналитики вслепую - значит переплатить или недополучить производительность. Мы разобрали три типовые задачи и показали, как одна платформа ITPOD‑SYR4108G‑D12R‑G3 с восемью NVIDIA RTX PRO 4500 Blackwell закрывает объект на 280 камер.

Три сценария - три требования к GPU:

🔹 Детекция в реальном времени - безопасность, КПП, распознавание лиц. Задержка < 300 мс, критичны инференс и низкая латентность.
🔹 Умная архивация - экономия хранилища в 10 раз. Важны стабильность 24/7, NVDEC и ECC-память.
🔹 Пост-аналитика - интеллектуальный поиск по терабайтам архива. Здесь нужны большой объём видеопамяти и поддержка INT8/FP8 для пакетной обработки.

💡Как выбрать конфигурацию под ваш сценарий?

✅Если нужна мгновенная реакция (безопасность, КПП): приоритет низкой латентности и запасу инференса, стартовая конфигурация 4 карты.

✅Если цель сократить хранилище и ускорить поиск событий: умная архивация, достаточно 2 карт и NVMe-подсистемы.

✅Если требуется глубокий разбор архивов (расследования, ML-исследования): максимум видеопамяти и пакетная обработка, сюда же имеет смысл смотреть на L40S или H200 в той же платформе.

Гибридная схема с восемью картами закрывает все три задачи одним сервером 4U.Платформа на AMD EPYC 7003 (до 128 ядер) и DDR4 - даёт лучшую цену за поток, т.к. не переплачиваем за свежее CPU и дефицитную DDR5

Подробнее о том, как как не ошибиться в выборе конфигурации под свой сценарий, читайте в нашем 🪵 блоге


#Видеоаналитика #AI #GPU #ITPOD #RTXPRO4500 #Blackwell #EPYC #Безопасность #ХранениеДанных

❓Какие задачи ПАК для ИИ от 🪵ITPOD решает лучше, чем классический подход?

Спойлер:  классический подход хорош для проверки гипотез. Для промышленной эксплуатации нужна платформа, которая уже учитывает все «взрослые» требования. Именно здесь ПАК показывает свою силу.

Классический подход - это, по сути, самостоятельная работа. Компания принимает решение: «Нам нужна автоматизация». ИТ-отдел берётся за дело: подбирают железо, изучают модели, проводят тесты.
На первом этапе такая схема работает. Почти всегда всё начинается с пилота. Мало кто рискнёт сразу запускать масштабное внедрение. Обычно пилот разворачивают либо на существующих мощностях, либо арендуют виртуальную машину с GPU у провайдера, чтобы быстро собрать демо и проверить гипотезу.
И тут всё выглядит многообещающе.
Но настоящие сложности начинаются, когда пилот пора переводить в продуктивную среду.

Пока решением пользуются два-три человека, можно допускать ручные операции: где-то пропустить этап обезличивания данных, где-то настроить процесс «на коленке» и просто посмотреть результат.
Однако как только решение выходит на уровень целых отделов, картина меняется. Появляются новые задачи:

✔️поддержка инфраструктуры (и «железа», и софта);
✔️внедрение ролей MLOps и инженеров поддержки;
✔️масштабирование системы;
✔️интеграция с корпоративными учётными записями, ролями доступа, системами аудита и мониторинга;
✔️подготовка и обезличивание данных для промышленного использования.

В пилоте это можно было делать быстро и даже вручную. В продуктиве такой подход не работает.

И вот здесь готовый программно-аппаратный комплекс (ПАК) для задач ИИ от 🪵ITPOD даёт то, что иначе пришлось бы выстраивать с нуля. Если пытаться закрыть все эти задачи самостоятельно, легко уйти в полгода-год разработки. А иногда, что ещё хуже, подорвать доверие к внедрению ИИ внутри компании: ожидания были одни, а результат оказался совсем другим.

🔗Напишите нам, и мы подберем оптимальное решение под ваши задачи.