A CoreWeave NVIDIA Blackwell klasztereket kínál nagy AI-terhelésekhez
A CoreWeave két nagy léptékű NVIDIA Blackwell-klaszterkonfigurációt vezetett be, amelyekkel a vállalat szerint az ügyfelek nagy AI-modellek betanítását és futtatását támogathatják. A kínálat az NVIDIA HGX B200 és az NVIDIA GB200 NVL72 rendszerekre épül.
- A CoreWeave NVIDIA HGX B200 és GB200 NVL72 konfigurációkat kínál.
- A GB200 NVL72 36 Grace CPU-t és 72 Blackwell GPU-t kapcsol össze.
- A rendszerek NVIDIA Quantum-2 InfiniBand hálózaton kommunikálnak.
- A CoreWeave szerint a HGX B200 15-ször, a GB200 NVL72 akár 30-szor gyorsabb valós idejű következtetést kínál ezermilliárd paraméteres modelleken.
- A menedzselt infrastruktúra automatizált állapotellenőrzést és AI-ra szabott szoftvereket is tartalmaz.
Két Blackwell-alapú konfiguráció érkezik
A CoreWeave 2026. október 22-i közleménye szerint a vállalat az elsők között biztosít nagy léptékű NVIDIA Blackwell-klasztereket. A rendszerek NVIDIA Quantum-2 InfiniBand hálózaton kapcsolódnak egymáshoz, amelyet a cég nagy sebességű összeköttetésként jellemez.
Az egyik konfiguráció az NVIDIA HGX B200, amelyet a legigényesebb mesterségesintelligencia-, adatfeldolgozási és nagy teljesítményű számítási feladatokra terveztek. Az NVIDIA Blackwell GPU-kra épülő, x86-os HGX B200 platform a CoreWeave állítása szerint 15-ször gyorsabb valós idejű következtetést kínál ezermilliárd paraméteres modelleken.
A másik rendszer az NVIDIA GB200 NVL72, egy folyadékhűtéses, rackméretű megoldás. A konfiguráció 36 NVIDIA Grace CPU-t és 72 NVIDIA Blackwell GPU-t kapcsol össze, és a CoreWeave szerint akár 30-szor gyorsabb valós idejű következtetést tesz lehetővé ezermilliárd paraméteres nagy nyelvi modelleken.
A Blackwell architektúra nagyobb modellekre készült
Az NVIDIA az idei NVIDIA GTC rendezvényen mutatta be a Blackwell architektúrát. A technológia egyetlen NVIDIA NVLink tartományban akár 72 GPU összekapcsolását teszi lehetővé. A CoreWeave szerint ez nagyobb GPU-k közötti kommunikációs sávszélességet biztosít a nagyméretű modellek betanításához és futtatásához.
A vállalat úgy látja, hogy a Blackwell képességei az AI-betanításon és a következtetésen túl is új alkalmazási lehetőségeket nyithatnak. A közlemény példaként a kvantumszámítást, a gyógyszerkutatást és a fúziós energiát említi. A CoreWeave szerint a tudományos számítások és a fizikai alapú szimulációk is jelentős előrelépést érhetnek el az AI használatával.
A CoreWeave menedzselt infrastruktúrát kínál
A CoreWeave szerint a felhőpiacon hiány van az olyan infrastruktúrából, amelyet kifejezetten nagyléptékű AI- és gépi tanulási munkaterhelésekhez alakítottak ki. A vállalat állítása szerint a hagyományos, általános célú felhőkön az ügyfeleknek sok időt kell a rendszerek felépítésére és átalakítására fordítaniuk, míg a kisebb projektekre összpontosító alternatív szolgáltatók nem feltétlenül tudják biztosítani a vállalati szintű nagy nyelvi modellekhez szükséges számítási kapacitást.
A CoreWeave teljes körűen menedzselt infrastruktúrával, valamint AI-ra kialakított saját szoftverekkel igyekszik csökkenteni az üzemeltetési terheket. Eszközei között automatizált csomópont-állapotellenőrzés, gyors modellmásolás és -betöltés, illetve egyszerűsített munkaterhelés-kezelés szerepel. A vállalat ügyfelei a közlemény szerint nagyobb rálátást és kontrollt kapnak a klasztereik felett, miközben a CoreWeave mérnöki csapataival együttműködve oldhatják meg a felmerülő problémákat.
Mit jelent ez az ügyfeleknek?
A bejelentés alapján a CoreWeave a nagy számítási igényű AI-munkafolyamatokhoz kínál előre kialakított, Blackwell-alapú infrastruktúrát. Az ügyfelek a közlemény szerint kevesebb DevOps-feladattal foglalkozhatnak, és több időt fordíthatnak munkaterheléseik telepítésére, valamint innovációik piacra vitelére.
A két konfiguráció eltérő feladatokra ad lehetőséget: a HGX B200 az AI-, adatfeldolgozási és nagy teljesítményű számítási munkaterheléseket célozza, a GB200 NVL72 pedig 72 Blackwell GPU-t egyesít egy folyadékhűtéses, rackméretű rendszerben. A CoreWeave közlése szerint a platformok a nagyméretű modellek futtatása mellett olyan területeket is támogathatnak, mint a gyógyszerkutatás, a kvantumszámítás és a fúziósenergia-kutatás.
