List HPC Systems

10/09/2026

🚀 LIST HPC Daily — 10 settembre 2026

NVIDIA: fino a 2 GW di nuove “AI Factory” in Australia entro il 2027

La notizia più rilevante di oggi per LIST HPC Systems è il nuovo piano annunciato da NVIDIA il 9 settembre 2026 per espandere fortemente la capacità di calcolo AI in Australia, attraverso una rete di operatori locali e internazionali.

L’obiettivo dichiarato è arrivare fino a 2 gigawatt di nuova capacità AI entro il 2027, utilizzando la piattaforma NVIDIA DSX.

Tra i partner coinvolti figurano Firmus, Sharon AI, IREN, Megaport, ResetData, CDC, NEXTDC e AirTrunk. NVIDIA fornirà la piattaforma DSX, il computing accelerato, il networking, il software e il supporto all’ecosistema.

🔧 Perché è tecnicamente interessante

Il punto più importante non è soltanto la quantità di GPU installate.

DSX è concepita come una piattaforma completa di AI infrastructure, che integra:

data center e alimentazione;
sistemi di calcolo accelerato;
networking ad alte prestazioni;
software;
reference design;
raffreddamento ad alta densità.

In uno dei progetti annunciati, Sharon AI prevede fino a 68.000 GPU NVIDIA, collegate tramite Quantum InfiniBand e Spectrum-X Ethernet. Altri operatori stanno predisponendo infrastrutture con direct-to-chip liquid cooling per sostenere densità di potenza sempre maggiori.

La piattaforma è inoltre progettata per supportare più generazioni successive di sistemi NVIDIA, cercando quindi di evitare che l’infrastruttura elettrica, termica e di rete debba essere completamente riprogettata a ogni nuovo acceleratore.

La scala australiana è enorme, ma la logica progettuale vale anche per cluster molto più piccoli.

Quando si acquista oggi un server GPU bisogna già considerare cosa accadrà alla generazione successiva:

più GPU → più potenza → più calore → più traffico di rete → maggiore richiesta di storage.

La capacità di espandere un cluster senza dover sostituire rete, alimentazione e raffreddamento può quindi incidere sul TCO quasi quanto la scelta della GPU stessa.

Questo annuncio conferma inoltre una tendenza ormai molto evidente: l’AI infrastructure sta evolvendo dal semplice acquisto di server verso una progettazione full-stack dell’intero data center.

📌 Il punto da ricordare: NVIDIA non sta più vendendo soltanto acceleratori. Con DSX propone un modello nel quale compute, networking, cooling, power e software vengono progettati come un’unica infrastruttura, destinata a evolvere attraverso più generazioni di GPU.

Per chi progetta oggi sistemi HPC/AI, la capacità di aggiornamento futura diventa quindi un requisito da considerare prima ancora dell’acquisto del primo nodo.

NVIDIA today announced that it is collaborating with a growing ecosystem of Australian NVIDIA Cloud Partners (NCPs) and AI infrastructure partners to expand land, power and shell capacity designed to host multiple generations of NVIDIA DSX™ AI factories, supporting the nation’s growing demand fo...

10/09/2026

🇪🇺 Un nuovo supercomputer entra nell'infrastruttura europea EuroHPC

È stato inaugurato in Svezia Arrhenius, il nuovo sistema EuroHPC capace di superare i 60 PFlop/s.

Attualmente al 42° posto nella classifica TOP500 mondiale, Arrhenius è progettato per affrontare sia simulazioni scientifiche HPC sia workload AI ad alta intensità di calcolo.

Interessante anche il risultato sul fronte dell'efficienza: oltre 61 miliardi di operazioni per watt, che collocano il sistema al 24° posto della Green500.

La nuova infrastruttura sarà disponibile non soltanto per la ricerca, ma anche per industria e settore pubblico europeo.

Un ulteriore esempio di come l'evoluzione dell'High Performance Computing stia procedendo su due fronti ormai inseparabili: aumentare la capacità di calcolo e, contemporaneamente, migliorare l'efficienza energetica dei sistemi.

Today, the EuroHPC Joint Undertaking (EuroHPC JU), together with the National Academic Infrastructure for Supercomputing in Sweden (NAISS), inaugurated Arrhenius, a new EuroHPC supercomputer located in Sweden.

09/09/2026

🚀 LIST HPC Daily — 9 settembre 2026

Arm Neoverse CSS N4: fino a 128 core, LPDDR6 e PCIe 7 per la prossima generazione di server AI

La notizia che sceglierei oggi per LIST HPC Systems è il nuovo Arm Neoverse Compute Subsystem N4, annunciato l’8 settembre 2026. È una novità interessante perché riguarda direttamente l’evoluzione delle CPU server destinate a infrastrutture AI, cloud e sistemi specializzati.

Il nuovo Neoverse CSS N4 arriva fino a:

128 core per die;
memoria LPDDR6;
connettività PCIe Gen 7;
fino a 2× le prestazioni rispetto a Neoverse CSS N3;
fino a +25% di performance per watt;
fino a +75% di banda memoria.
🔧 Perché è tecnicamente interessante

Neoverse CSS non è semplicemente una CPU pronta da installare.

È una piattaforma pre-integrata che permette ai produttori di costruire processori e ASIC personalizzati, mantenendo una base Arm già validata e aggiungendo componenti specifici per il proprio progetto.

Questo approccio è particolarmente adatto ai nuovi data center AI, dove stanno proliferando:

CPU custom + DPU + acceleratori AI + networking specializzato

anziché piattaforme completamente general purpose.

Il supporto a PCIe 7 è forse l’elemento più significativo: gli acceleratori AI, le NIC e gli storage di prossima generazione richiederanno una quantità sempre maggiore di banda tra CPU e periferiche, e l’I/O rischia di diventare uno dei principali limiti delle architetture server future.

Il mercato HPC e AI sta diventando sempre meno dipendente da una sola architettura CPU.

Accanto ai tradizionali sistemi x86 AMD EPYC e Intel Xeon stanno crescendo piattaforme Arm dedicate al data center, comprese soluzioni sviluppate da hyperscaler e produttori di sistemi.

Arm cita già un ecosistema che comprende, fra gli altri, Oracle, Lenovo e Supermicro, oltre ai grandi cloud provider.

Per chi deve progettare una nuova infrastruttura HPC/AI questo significa che, nei prossimi anni, sarà sempre più utile valutare la CPU non soltanto in termini di numero di core, ma anche considerando:

prestazioni per watt, banda memoria, PCIe disponibile, capacità di alimentare gli acceleratori e compatibilità software.

📌 Il punto da ricordare: mentre l’attenzione del mercato rimane concentrata sulle GPU, anche la CPU server sta cambiando rapidamente. Con 128 core, LPDDR6 e PCIe 7, Arm prepara una piattaforma pensata per data center nei quali CPU e acceleratori dovranno scambiarsi quantità di dati sempre maggiori mantenendo sotto controllo consumi e densità per rack.

Arm expands AI infrastructure with AGI CPU and Neoverse CSS N4, giving customers more choice for agentic AI workloads.

08/09/2026

🚀 LIST HPC Daily — 8 settembre 2026

Dell: l’AI potrebbe rappresentare il 75% della domanda data center entro il 2030. L’inference diventa il vero motore

La notizia che sceglierei oggi per LIST HPC Systems è l’analisi pubblicata il 7 settembre da The Next Platform sui risultati e sulle previsioni di Dell Technologies. Il dato più significativo è la stima Dell secondo cui, entro il 2030, l’AI potrebbe generare il 75% della domanda complessiva di infrastruttura data center.

I numeri attuali mostrano già quanto rapidamente il mercato stia cambiando. Nell’ultimo trimestre Dell ha registrato:

✅ 60,9 miliardi di dollari di nuovi ordini AI;
✅ 16,4 miliardi di ricavi da sistemi AI;
✅ un backlog AI record di 95 miliardi di dollari;
✅ oltre 6.500 clienti che hanno già acquistato infrastrutture AI Dell.

🔧 Il passaggio più interessante: dall’AI training all’inference

Secondo Dell, il mercato sta entrando in una nuova fase.

Il training dei grandi modelli continuerà a richiedere enormi cluster GPU, ma sarà soprattutto la crescita dell’inference — cioè l’utilizzo quotidiano dei modelli già addestrati — a moltiplicare la richiesta di capacità di calcolo.

Dell stima che entro il 2030 il volume dell’inference possa crescere fino a 87 volte, mentre l’enterprise agentic AI potrebbe diventare il maggiore workload aziendale già nel 2028.

Questo cambia anche il modo in cui devono essere progettate le infrastrutture.

Un sistema destinato all’inference non deve necessariamente essere dimensionato come un enorme cluster per training. Diventano invece determinanti:

quantità e banda della memoria GPU;
latenza;
capacità di servire molti utenti contemporaneamente;
networking;
storage ad alta velocità;
efficienza energetica;
costo per token prodotto.

Per aziende, università e centri di ricerca la conseguenza è importante: non esiste una configurazione AI universale.

Un sistema progettato per training, fine-tuning, RAG o inference può richiedere proporzioni molto diverse tra CPU, GPU, memoria, rete e storage.

Ed è proprio qui che la progettazione tecnica diventa essenziale: acquistare semplicemente “la GPU più potente” può significare spendere molto senza ottenere il miglior rapporto prestazioni/costo sul workload reale.

C’è poi un secondo dato interessante anche per l’HPC tradizionale. Dell segnala oltre 1,2 milioni di server installati di generazione PowerEdge 14G o precedente e stima che, grazie ai processori moderni, in alcuni casi 6-8 vecchi server possano essere consolidati in un singolo sistema attuale, arrivando a 12-14 con la prossima generazione.

Liberare spazio, alimentazione e raffreddamento attraverso il consolidamento può quindi diventare uno dei modi con cui i data center trovano la capacità necessaria per introdurre nuovi nodi GPU.

📌 Il punto da ricordare: la prossima ondata dell’AI infrastructure potrebbe non essere guidata soltanto dai giganteschi cluster utilizzati per addestrare i modelli, ma da migliaia di infrastrutture inference distribuite nelle aziende.

Per chi progetta sistemi HPC e AI significa una cosa molto concreta: dimensionare l’hardware sul workload reale sarà sempre più importante della semplice scelta dell’acceleratore.

It may have taken many years and what we presume was a certain amount of patience as Michael Dell wa ...

08/09/2026

🚀 Amazon e Qualcomm insieme per una nuova generazione di chip AI custom

Amazon e Qualcomm hanno annunciato una collaborazione multi-generazionale per sviluppare silicio personalizzato destinato ai data center AI, con particolare attenzione ai workload di inference.

Il progetto comprenderà anche nuove tecnologie di interconnessione ottica fino a 1,6 Tb/s, necessarie per sostenere lo scambio di enormi quantità di dati nelle infrastrutture AI su larga scala.

È un segnale interessante dell’evoluzione del mercato HPC e AI: accanto alle GPU tradizionali stanno assumendo sempre maggiore importanza acceleratori progettati per workload specifici, con particolare attenzione a prestazioni per watt, memoria, connettività e costo complessivo dell’infrastruttura.

La competizione non riguarda quindi più soltanto il processore più potente, ma l’efficienza dell’intero sistema.

Qualcomm Announces a Multi-Generation Collaboration with Amazon on Customized Silicon and Advanced Optical Connectivity Solutions for Next-Generation AI Data Center Infrastructure.

07/09/2026

🚀 La nuova generazione di server HPC e AI entra nel vivo

ASUS ha ampliato la propria gamma di infrastrutture professionali presentando nuovi server basati su AMD EPYC 9006 “Venice”, Intel Xeon 6 e acceleratori AMD Instinct MI350P.

Le nuove piattaforme introducono tecnologie come PCIe 6.0, maggiore bandwidth di memoria e CPU AMD Zen 6/Zen 6c fino a 256 core per socket, affiancate da sistemi GPU progettati per HPC, inference e AI agentica.

Il dato interessante non riguarda quindi un singolo componente: sta prendendo forma una nuova generazione completa di infrastrutture server, nella quale CPU, GPU, memoria, storage e I/O vengono progettati per sostenere carichi di lavoro sempre più intensivi.

Per chi realizza sistemi HPC, significa nuove possibilità di configurazione e soprattutto la necessità di dimensionare ogni piattaforma in funzione del workload reale.

ASUS unveils Intel Xeon 6 and AMD EPYC 9006 servers and a rugged Industrial Edge Server at ASUS AI Tech 2026, expanding its cloud-to-edge AI ecosystem.

02/09/2026

🚀 La domanda di server AI continua ad accelerare

Dell Technologies ha registrato un nuovo record nella domanda di infrastrutture dedicate all'intelligenza artificiale: circa 60 miliardi di dollari di ordini nel trimestre, con un backlog che raggiunge i 95 miliardi.

L'azienda prevede ora 74 miliardi di dollari di ricavi da server AI nell'esercizio 2027, rivedendo sensibilmente al rialzo le precedenti stime.

Ma il dato interessante per il mondo HPC è più ampio: insieme ai sistemi accelerati stanno crescendo fortemente anche server CPU tradizionali e networking.

L'espansione dell'AI sta quindi accelerando la trasformazione dell'intero data center. GPU e acceleratori sono fondamentali, ma prestazioni e scalabilità dipendono sempre più dall'integrazione tra CPU, GPU, memoria, rete e storage.

Per chi progetta infrastrutture HPC, la sfida è sempre più quella di costruire il sistema giusto attorno al workload.

Dell Technologies on Tuesday boosted its annual revenue forecast by $25 billion while also raising its profit outlook for the second time this year, driven by soaring demand for ​its AI servers.

31/08/2026

🚀 LIST HPC Daily — 31 agosto 2026

NVIDIA: Data Center a 89 miliardi di dollari (+117%) e Vera Rubin entra nella fase di produzione su larga scala

La notizia che sceglierei oggi per LIST HPC Systems è il nuovo risultato trimestrale di NVIDIA, perché offre una misura molto concreta della velocità con cui continua a crescere il mercato delle infrastrutture AI.

Nel secondo trimestre fiscale 2027 NVIDIA ha registrato 96,2 miliardi di dollari di ricavi, +106% rispetto a un anno fa. Di questi, ben 89 miliardi provengono dal Data Center, +117% anno su anno e +18% rispetto al trimestre precedente.

Ma per il mercato hardware c’è un dato ancora più interessante: NVIDIA conferma che Vera Rubin è ormai in full production, con rack già operativi presso CoreWeave, Google Cloud, Microsoft Azure, Oracle Cloud Infrastructure e Nebius. La società prevede inoltre ricavi complessivi per circa 108 miliardi di dollari nel prossimo trimestre.

🔧 Perché è tecnicamente importante

Vera Rubin rappresenta il passaggio da una GPU considerata come componente singolo a una vera piattaforma rack-scale.

Il sistema integra infatti:

✅ Rubin GPU;
✅ Vera CPU progettata da NVIDIA;
✅ interconnessione NVLink;
✅ networking Spectrum-X e InfiniBand;
✅ BlueField DPU;
✅ storage e networking ottimizzati per accesso diretto agli acceleratori;
✅ raffreddamento a liquido ad alta densità.

Anche il networking sta entrando nella nuova generazione: NVIDIA conferma che gli switch Spectrum-6, con supporto sia a ottiche pluggable sia a co-packaged optics, stanno iniziando ad arrivare nelle AI Factory di maggiore scala.

La crescita del Data Center di NVIDIA mostra soprattutto una cosa: gli investimenti AI non stanno rallentando e si stanno spostando sempre più verso infrastrutture complete.

Per chi deve progettare oggi un cluster HPC/AI questo significa che il confronto non può più fermarsi alla GPU.

Bisogna valutare contemporaneamente:

capacità e banda HBM;
CPU host;
interconnessione GPU-GPU;
rete scale-out;
storage;
potenza disponibile per rack;
raffreddamento;
software e possibilità di espansione futura.

Un sistema con acceleratori molto potenti ma networking, storage o cooling sottodimensionati rischia infatti di non sfruttare realmente l’investimento effettuato.

C’è anche un dato particolarmente significativo per il mercato HPC: NVIDIA segnala 35 nuovi supercomputer AI/HPC Vera Rubin in sviluppo in Europa, ulteriore conferma della convergenza tra infrastrutture scientifiche tradizionali e piattaforme AI accelerate.

📌 Il punto da ricordare: con 89 miliardi di dollari di fatturato Data Center in un solo trimestre, l’AI infrastructure non è più una nicchia del mercato server. Sta diventando il principale motore dell’evoluzione di CPU, GPU, networking, storage, alimentazione e raffreddamento dei data center.

NVIDIA (NASDAQ: NVDA) today reported revenue for the second quarter ended July 26, 2026, of $96.2 billion, up 18% from the previous quarter and up 106% from a year ago.

31/08/2026

🚀 L'Europa investe 387,8 milioni di euro nel nuovo supercomputer LUMI-AI

EuroHPC ha affidato a Bull la realizzazione di LUMI-AI, una nuova infrastruttura europea dedicata all'Intelligenza Artificiale e all'High Performance Computing.

Il sistema sarà basato su acceleratori AMD Instinct MI430X e processori EPYC di 6ª generazione fino a 256 core, con storage IBM, networking ad alte prestazioni e raffreddamento diretto a liquido.

LUMI-AI offrirà una capacità AI circa 10 volte superiore a quella dell'attuale LUMI e quasi raddoppierà la capacità HPC, diventando il cuore computazionale della LUMI AI Factory europea.

Un investimento importante che conferma una tendenza ormai evidente: l'accesso a grandi capacità di calcolo sta diventando un'infrastruttura strategica per ricerca, industria e sviluppo dell'AI europea.

The European Union on Monday awarded French state-owned Bull a ‌387.8 million euro ($449.4 million) contract to build a new AI-focused supercomputer, the company's largest-ever order, as Europe seeks to expand computing capacity and close the gap with the ​United States and China.

27/08/2026

🚀 LIST HPC Daily — 27 agosto 2026

Broadcom porta Ethernet a 800 Gb/s nei cluster AI/HPC: a Hot Chips 2026 i dettagli di Thor Ultra

Tra le novità tecniche emerse da Hot Chips 2026, una delle più interessanti per chi progetta realmente cluster GPU è Broadcom Thor Ultra, la NIC Ethernet da 800 Gb/s pensata specificamente per fabric AI e HPC. La presentazione tecnica del 25 agosto ha mostrato come Broadcom intenda rendere Ethernet competitivo anche nei cluster di acceleratori di grandi dimensioni.

Thor Ultra combina un'interfaccia host PCIe 6.0 x16 con otto SerDes da 100 Gb/s e può essere configurata come 1×800G, 2×400G, 4×200G oppure 8×100G. Il controller è prodotto a 5 nm, integra circa 2,4 miliardi di transistor e ha un consumo massimo nell'ordine dei 40–42 W.

La parte più interessante, però, non è semplicemente passare da 400 a 800 GbE.

Thor Ultra implementa le nuove tecniche di Enhanced RoCE necessarie quando migliaia di GPU devono comunicare contemporaneamente:

✅ packet-level multipathing, distribuendo i pacchetti su più percorsi della rete;

✅ ricezione out-of-order direttamente nella memoria GPU/XPU;

✅ Selective ACK/NACK e selective retransmission, evitando di ritrasmettere inutilmente intere sequenze di pacchetti;

✅ congestion control programmabile;

✅ DMA diretto tra NIC e memoria GPU tramite dma-buf;

✅ supporto nativo agli stack NCCL, RCCL e MPI.

🔧 Perché è tecnicamente importante

Nei cluster AI distribuiti una GPU può essere estremamente veloce e, contemporaneamente, restare inutilizzata perché attende dati provenienti dalle altre GPU.

Il problema quindi non è soltanto la banda nominale della rete, ma quanto bene il fabric riesce a utilizzare percorsi multipli, reagire alla congestione e recuperare eventuali pacchetti persi.

È proprio qui che Thor Ultra cerca di colmare parte della distanza storica tra Ethernet e fabric specializzati come InfiniBand.

Broadcom sottolinea inoltre che Thor Ultra è conforme alle specifiche dell'Ultra Ethernet Consortium, quindi può essere utilizzata con switch, ottiche e acceleratori di produttori differenti anziché richiedere necessariamente un ecosistema verticalmente integrato.

Perché conta per i clienti

Per aziende, università e centri di ricerca questo può diventare molto interessante.

La possibilità di costruire cluster GPU ad alte prestazioni su Ethernet standardizzato e multi-vendor significa potenzialmente:

maggiore scelta tra produttori;
migliore riutilizzo dell'infrastruttura Ethernet esistente;
minore dipendenza da un singolo ecosistema;
possibilità di combinare GPU NVIDIA, AMD e altri acceleratori;
maggiore concorrenza sui costi di networking.

Non significa che 800GbE renda automaticamente Ethernet migliore di InfiniBand: le prestazioni reali dipenderanno da switch, topologia, software, congestion control e workload. Ma mostra chiaramente quanto rapidamente Ethernet stia evolvendo per diventare un fabric specificamente progettato per AI e HPC.



https://www.servethehome.com/broadcom-thor-ultra-ethernet-nic-at-hot-chips-2026/