Advertentie
QNAP Systems heeft de QAI-h1290FX aangekondigd, een nieuwe edge AI-storage server gericht op organisaties die AI-workloads lokaal willen draaien. Het systeem is ontworpen voor toepassingen zoals large language models (LLM’s), Retrieval-Augmented Generation (RAG) en generatieve AI, zonder afhankelijkheid van cloudinfrastructuur.
De QNAP QAI-h1290FX speelt in op de groeiende vraag naar dataprivacy en lage latency bij AI-toepassingen. Door workloads on-premises uit te voeren, behouden bedrijven volledige controle over hun data en infrastructuur, terwijl ze tegelijkertijd de prestaties van lokale hardware benutten.
De server is uitgerust met een AMD EPYC 7302P-processor met 16 cores en 32 threads en ondersteunt GPU-versnelling via NVIDIA RTX-kaarten, waaronder optioneel een RTX PRO 6000 Blackwell Max-Q. In combinatie met twaalf U.2 NVMe/SATA SSD-slots biedt het systeem een all-flash architectuur voor hoge I/O-prestaties, wat vooral relevant is voor AI-inferentie en dataverwerking.
Als besturingssysteem gebruikt QNAP zijn ZFS-gebaseerde QuTS hero-platform, dat functies biedt zoals dataintegriteit, snapshots en deduplicatie. Voor AI-workloads ondersteunt het systeem containerisatie via Docker en LXD, inclusief directe GPU-toegang. Ook is GPU-passthrough beschikbaar voor virtuele machines via Virtualization Station, waardoor ontwikkelaars en IT-teams flexibel AI-omgevingen kunnen opzetten.
De QAI-h1290FX wordt geleverd met vooraf geïnstalleerde AI-tools zoals AnythingLLM, OpenWebUI en Ollama, waarmee gebruikers snel lokale AI-workflows kunnen implementeren. Daarnaast werkt QNAP aan integratie van andere tools zoals Stable Diffusion, ComfyUI, n8n en vLLM, om het platform verder uit te breiden.
Op netwerkvlak beschikt het systeem over twee 25GbE- en twee 2.5GbE-poorten, met uitbreidingsmogelijkheden via PCIe tot 100GbE. Voor opslaguitbreiding kan de server gekoppeld worden aan JBOD-behuizingen, waardoor hij schaalbaar is voor grotere datasets en AI-projecten.
Volgens QNAP is het doel om de complexiteit van het opzetten van AI-infrastructuur te verminderen. Door hardware, software en tools te combineren in één systeem moeten organisaties sneller AI-toepassingen kunnen implementeren, variërend van interne chatassistenten en documentzoekmachines tot beeldgeneratie en geautomatiseerde workflows.