Fujitsu presenta la nuova serie di server PRIMERGY M7, pensati per rendere la Sustainability Transformation più rapida e accessibile
Milano, 9 febbraio 2023 – Fujitsu ha annunciato il lancio dei nuovi server PRIMERGY M7, dotati di tecnologia Intel® Xeon® Scalable Processor Platform di quarta generazione. Grazie ai migliori livelli di prestazioni ed efficienza energetica della loro classe, i sistemi PRIMERGY M7 offrono la semplicità e il profilo di costo necessari per i backbone operativi, oltre alla potenza di calcolo adatta per rendere accessibili le operazioni AI per i programmi di trasformazione digitale sostenibile, in maniera economicamente conveniente.
A dimostrazione della loro flessibilità, Fujitsu adotterà immediatamente i server M7 nel proprio AI Test Drive facility , parte della Fujitsu DX Innovation Platform reso accessibile in Italia grazie a FINIX Technology Solutions, che commercializza in esclusiva nel nostro Paese le soluzioni dell’offerta Fujitsu. L’AI Test Drive aiuta i professionisti a mettere alla prova i business case per le applicazioni AI, superando così il principale ostacolo che i data scientist si trovano spesso ad affrontare: trovare hardware e ambiente necessari per eseguire dei test, prima di affrontare investimenti onerosi. L’ambiente di test, che è utilizzabile gratuitamente, mette a disposizione un pacchetto completo di capacità di calcolo – compreso il rack server top di gamma a 8 socket PRIMERGY RX8770 M7 – con connettività di rete, ottimizzazione mediante tool open source e supporto: tutto ciò che occorre per valutare la fattibilità del business case di un progetto basato su AI.
Il nuovo portfolio di server Fujitsu PRIMERGY M7 propone una scelta di CPU Intel e il più ricercato e specializzato approccio alle GPU (Graphics Processing Unit) utilizzato nella AI. I server PRIMERGY M7 aprono la strada alle attività AI basate su CPU, grazie a innovazioni come la distribuzione Intel di OpenVINO™ Toolkit, che semplifica il deployment dell’inferenza associata al deep learning per centinaia di modelli preaddestrati. Il risultato è che le CPU e le librerie software che se ne avvalgono si sono evolute, diventando notevolmente più abili nelle attività di deep learning. I sistemi basati su CPU si rivelano inoltre generalmente più semplici e robusti, per esempio negli ambienti edge, dove i ridotti requisiti di alimentazione sono i più adatti.