Dietro ogni infrastruttura AI moderna si nasconde un elemento fondamentale ma spesso poco considerato come la gestione efficiente dei dati. Lo sa bene Nutanix, che ha ottenuto per la propria soluzione Unified Storage (NUS) la certificazione NVIDIA-Certified Storage, un riconoscimento che conferma l’idoneità della piattaforma a supportare carichi di lavoro AI enterprise su larga scala.

In un mercato in cui aziende e cloud provider stanno investendo massicciamente nella realizzazione delle cosiddette AI Factory, ovvero infrastrutture progettate per addestrare, ottimizzare e distribuire modelli di intelligenza artificiale in produzione, la capacità di garantire un flusso continuo di dati verso le GPU è diventata un elemento strategico. Senza uno storage sufficientemente rapido ed efficiente, infatti, anche gli acceleratori più avanzati rischiano di operare al di sotto del proprio potenziale.

L’obiettivo di Nutanix è proprio quello di eliminare alcuni dei principali ostacoli che oggi rallentano l’adozione dell’AI su scala enterprise. Infrastrutture frammentate, architetture composte da silos di dati separati e difficoltà di integrazione tra componenti hardware e software rappresentano ancora problemi diffusi all’interno di molte organizzazioni. La certificazione NVIDIA attesta che Nutanix Unified Storage è in grado di interoperare correttamente con l’intero stack tecnologico sviluppato dall’azienda californiana, riducendo i rischi di implementazione e minimizzando i colli di bottiglia nei flussi di input/output.

Dal punto di vista tecnico, la piattaforma è stata validata attraverso un’infrastruttura all-NVMe composta da dieci nodi che sfrutta il protocollo parallel NFS (pNFS) e la tecnologia GPUDirect Storage su NFS con RDMA. Questa combinazione consente di creare un collegamento diretto e a bassa latenza tra le GPU e lo storage, riducendo i passaggi intermedi e migliorando significativamente la velocità di trasferimento dei dati. Il risultato è una maggiore efficienza operativa e una riduzione dei tempi morti che spesso limitano il rendimento delle infrastrutture AI più complesse.

nutanix nvidia

Uno degli aspetti più interessanti dell’annuncio riguarda la scalabilità. Nutanix dichiara infatti di poter mantenere prestazioni prevedibili e lineari anche all’aumentare del numero di acceleratori impiegati. Secondo i dati forniti dall’azienda, la piattaforma è in grado di passare da configurazioni con 32 GPU, capaci di raggiungere 10 GB/s in lettura e 5 GB/s in scrittura, fino a infrastrutture molto più estese con 1.024 GPU, dove le prestazioni possono arrivare rispettivamente a 160 GB/s e 80 GB/s.

A rendere possibile questa crescita progressiva contribuisce anche l’integrazione con l’ecosistema di networking NVIDIA, in particolare attraverso la piattaforma Ethernet Spectrum-X. L’architettura utilizza switch Spectrum-4 e DPU BlueField-3 per garantire una gestione efficiente del traffico dati e un utilizzo ottimale delle risorse computazionali disponibili. Si tratta di componenti sempre più centrali nelle moderne infrastrutture AI, dove il networking assume un ruolo fondamentale tanto quanto la potenza di calcolo vera e propria.

L’infrastruttura certificata è stata progettata per supportare un ampio spettro di applicazioni AI. Oltre alle tradizionali attività di addestramento dei modelli, la soluzione può gestire processi di fine-tuning, inferenza e implementazioni basate su Retrieval-Augmented Generation (RAG), una delle tecniche più utilizzate per migliorare l’accuratezza dei sistemi di intelligenza artificiale generativa. La compatibilità si estende inoltre a numerose piattaforme hardware, dai sistemi basati su GPU NVIDIA RTX 6000 PRO Blackwell e H200 NVL fino ai server NVIDIA HGX equipaggiati con acceleratori B200, H200 e H100, senza dimenticare le configurazioni basate su GH200 Grace Hopper Superchip.

L’annuncio evidenzia anche la volontà di Nutanix di guardare oltre le esigenze attuali del mercato. L’azienda ha infatti confermato lo sviluppo del supporto per NVIDIA Vera BlueField-4 STX, la nuova generazione di DPU destinata a svolgere un ruolo sempre più importante nell’accelerazione delle operazioni di rete, sicurezza e gestione dei dati. L’integrazione è prevista nella seconda metà del 2026 e punta a migliorare ulteriormente velocità di accesso alle informazioni, efficienza dello storage e semplificazione delle operazioni AI.