NetApp ha annunciato che NVIDIA ha certificato i sistemi di storage aziendali ad alte prestazioni di NetApp con NetApp ONTAP per ambienti dedicati all’addestramento e inferenza AI. Per la prima volta, grazie a NetApp, i clienti possono beneficiare di configurazioni e architetture validate per NVIDIA, tra cui NVIDIA DGX SuperPOD, NVIDIA Cloud Partners e NVIDIA-Certified Storage, combinando le avanzate funzionalità di gestione di NetApp ONTAP, essenziali per la costruzione di AI factories.
Queste certificazioni consentono a NetApp di integrare NVIDIA AI Data Platform con NetApp ONTAP, migliorando l’infrastruttura di storage, sfruttando la potenza del calcolo accelerato, networking e software NVIDIA.
NetApp e Nvidia, un’alleanza strategica per l’AI
“Noi e NVIDIA collaboriamo da tempo per offrire soluzioni innovative a centinaia di clienti nell’addestramento e inferenza di modelli AI,” Davide Marini, Country Manager NetApp Italia. “NetApp è impegnata ad aiutare i clienti a navigare l’era dell’intelligenza, consentendo loro di gestire i dati senza silos. L’adozione dell’AI non è solo una questione tecnologica, ma una vera e propria sfida strategica legata ai dati. Collaborando con NVIDIA, ci posizioniamo come leader nell’offrire infrastrutture dati intelligenti per le AI factories, supportando i clienti nella definizione di strategie dati di successo.”
Per rimanere competitivi nell’era dell’intelligenza artificiale, le aziende devono basarsi su insight guidati dai dati. Molte organizzazioni stanno ripensando le loro strategie di gestione dati per adattarsi a questa nuova realtà. L’adozione di un’infrastruttura dati intelligente consente di gestire e proteggere i dati in ogni ambiente, eliminando i silos e permettendo di estrarre informazioni critiche e automatizzare le operazioni con l’AI.
“Insieme, le due società consentono alle aziende di sfruttare appieno il potenziale dell’AI“, ha dichiarato Charlie Boyle, Vice President DGX Platforms di NVIDIA. “Integrando le avanzate funzionalità di gestione dati di NetApp con NVIDIA AI Data Platform, DGX SuperPOD e le architetture di riferimento NVIDIA, le imprese e i provider cloud possono implementare ambienti performanti per l’addestramento e l’inferenza di modelli AI.”
Novità annunciate a NVIDIA GTC 2025
NetApp presenta nuove certificazioni e aggiornamenti per il proprio portafoglio di soluzioni a supporto dell’innovazione AI:
- NetApp AFF A90 certificato per DGX SuperPOD: I sistemi storage AFF A90 con ONTAP sono ora validati per NVIDIA DGX SuperPOD. Questo porta il massimo livello di sicurezza nello storage per le implementazioni DGX SuperPOD, fornendo funzionalità avanzate di gestione e multi-tenancy scalabile, fondamentali per sviluppare AI factories performanti ed eliminare i silos di dati.
- NetApp AFF A90 certificato come storage ad alte prestazioni per NVIDIA Cloud Partners con NVIDIA HGX Systems: Con il supporto delle architetture di riferimento NVIDIA Cloud Partner (NCP) per lo storage ad alte prestazioni con NVIDIA HGX B200 e HGX H200, NetApp fornirà l’infrastruttura storage per i principali provider AI-as-a-service. Le soluzioni NetApp AFF A90 garantiscono prestazioni elevate e scalabilità in ambienti cloud multi-tenant sicuri, permettendo ai partner di offrire un’infrastruttura AI robusta ai loro clienti.
- NetApp AIPod certificato per il nuovo programma NVIDIA-Certified Storage: NetApp AIPod ha ottenuto la certificazione per supportare le architetture di riferimento aziendali NVIDIA con storage ad alte prestazioni. Questa certificazione assicura che NetApp fornisca uno storage enterprise-grade per sistemi certificati NVIDIA, accelerando le piattaforme di calcolo AI, dai supercomputer NVIDIA HGX H200 ai sistemi NVIDIA L40S. Inoltre, NetApp sta lanciando una nuova versione di AIPod con Lenovo, che include la piattaforma software NVIDIA AI Enterprise, offrendo maggiore flessibilità ai clienti che implementano infrastrutture AI per inferenza e fine-tuning. Questa architettura semplificata permette alle aziende di cogliere le opportunità offerte dall’AI generativa e agentica senza investire in risorse dedicate alla data science.
