Суперкомпьютерный кластер NVIDIA DGX SuperPOD

Суперкомпьютерный кластер NVIDIA DGX SuperPOD — готовая инфраструктура для компаний, университетов и исследовательских центров, которым нужно обучать и запускать крупные модели ИИ на собственной площадке. Это не набор отдельных серверов: вычисления, сеть, хранилище, ПО и управление спроектированы как единая система. Платформа масштабируется до десятков тысяч GPU NVIDIA и рассчитана на генеративные модели масштаба триллиона параметров.

Что входит: вычисления, сеть, хранилище и ПО в одной связке

DGX SuperPOD поставляется как проверенное «под ключ» решение, где все уровни стека оптимизированы друг под друга. Команде не нужно самой подбирать совместимые компоненты и отлаживать их на этапе запуска.

Вычислительную часть можно выбрать из линейки NVIDIA DGX: на сайте производителя указаны системы на архитектурах Rubin и Blackwell — DGX Vera Rubin NVL72, DGX Rubin NVL8, DGX GB300, DGX B300, DGX GB200 и DGX B200. Есть и варианты на DGX H200. Системы с жидкостным охлаждением рассчитаны на стоечную плотность, а DGX B300 предлагает питание AC и DC, что облегчает встраивание в современный ЦОД.

Управляет кластером NVIDIA Mission Control: он автоматизирует работу «фабрики ИИ» и повышает устойчивость инфраструктуры. В комплекте также есть библиотеки для ускорения вычислений, хранения и сети и операционная система, оптимизированная под ИИ-нагрузки. Хранилище подбирают из сертифицированных решений партнёров — DDN, IBM, VAST, NetApp, Dell, WEKA и Pure Storage.

Сценарии: корпоративный ИИ и университетская наука

Кластер закрывает два типичных сценария: собственный корпоративный ИИ-контур и общий вычислительный ресурс для научных групп.

Первый сценарий — банк или промышленная компания разворачивает свои LLM и ассистентов, не отправляя данные во внешнее облако. Платформа BNY Eliza на DGX SuperPOD обслуживает более 17 000 пользователей. SoftBank Corp. строит на нём национальные языковые модели для японского языка.

Второй сценарий — вуз или научный центр. Кластер HiPerGator Университета Флориды на DGX SuperPOD с архитектурой Blackwell поддерживает более 60% исследовательских проектов университета и обслужил почти 7 000 пользователей. Для образовательных проектов это ещё и учебная база: студенты работают с теми же инструментами, что и индустрия. Этот сценарий близок задачам Vizzion — оснащению образования ИИ-оборудованием.

Проверенная производительность и сопровождение

NVIDIA тестирует DGX SuperPOD на реальных корпоративных ИИ-нагрузках, поэтому покупатель получает предсказуемый результат, а не эксперимент. Собственный кластер NVIDIA Eos, построенный на этой архитектуре, входит в первую десятку рейтинга TOP500.

Поддержку дают NVIDIA Enterprise Services: эксперты сопровождают инфраструктуру на всём жизненном цикле. Заказчикам DGX также доступно обучение от NVIDIA Deep Learning Institute. Если нет готового ЦОД, для хостинга DGX BasePOD и SuperPOD есть вариант с площадками Equinix. Для старта на меньшем масштабе подойдёт референсная архитектура DGX BasePOD или облачный сервис DGX Cloud.

Ограничение: требуется подготовленный ЦОД и серьёзный бюджет

DGX SuperPOD не подходит для небольших команд и пилотных проектов: кластеру нужны выделенное машинное помещение, мощное электропитание и охлаждение, а жидкостные системы требуют соответствующей инженерной инфраструктуры. Прежде чем закупать, стоит рассчитать нагрузку на стойки и сеть.

Если задачи ограничиваются дообучением небольших моделей или RAG-прототипом, разумнее начать с одного узла DGX или с облачного доступа. Масштабный кластер оправдан, когда модели растут, а расчёты идут непрерывно.