PaleBlueDot AI hat angekündigt, dass sein NVIDIA HGX B300-Cluster den NVIDIA Exemplar Cloud-Status für Trainings-Workloads mit großen Modellen erreicht hat. In enger Zusammenarbeit mit dem Engineering-Team von NVIDIA erfüllte das Unternehmen NVIDIAs Leistungsanforderungen in jedem Benchmark-Rezept und übertraf die 95 %-Leistungsschwelle in allen Tests. Diese Anerkennung bestätigt die Leistung, Belastbarkeit und Skalierbarkeit des Clusters und gibt AI-Laboren sowie Unternehmenskunden mehr Vertrauen beim Ausführen anspruchsvoller Trainings-Workloads in großem Maßstab.
Was ist NVIDIA Exemplar Cloud?
NVIDIA hat Exemplar Cloud im Jahr 2025 ins Leben gerufen, um ein echtes Problem zu lösen: Produktions-Scale-AI-Workloads stellen eine Rechenzentrum-große Herausforderung dar, die eine Optimierung des gesamten Infrastruktur-Stacks erfordert. Wenn diese Optimierung bricht, leidet die Leistung. Nutzer erleben langsame Reaktionen, steigende Rechenkosten, unvorhersehbare Zuverlässigkeit und höhere Gesamtkosten, während die Innovation langsamer wird. Exemplar Cloud bietet Anbietern einen standardisierten Benchmark, um ihre Infrastruktur zu validieren, sodass Käufer einen Standard statt einer bloßen Behauptung vergleichen können.
Dieser Exemplar-Cloud-Status liefert greifbare Vorteile für AI-Labore und Unternehmenskunden durch eine glaubwürdige Leistungsreferenz bei Beschaffungs-Reviews und Projektbudget-Freigaben.
Leistung validiert mit realen Trainings-Workloads
PaleBlueDot AIs Benchmark-Kampagne umfasste sechs gängige Trainings-Workloads für große Modelle: DeepSeek-V3, GPT-OSS, Nemotron-H, Qwen3 und zwei unterschiedliche Llama 3.1-Konfigurationen. Diese Auswahl deckt die Modellfamilien ab, die das aktuelle Frontier-Training definieren.
Jeder Testlauf übertraf 98 % der NVIDIA-Referenzleistung. Die Ergebnisse hielten bei unterschiedlichen Modellarchitekturen, Parameter-Skalen von moderat bis frontier-Klasse und mehreren numerischen Präzisionsformaten, was eine nahezu Referenz-Training-Leistung als Eigenschaft des Clusters und nicht als Ergebnis einer einzelnen günstigen Konfiguration demonstriert.
Diese Ergebnisse zeigen unsere Fähigkeit, konsistente, optimierte Trainings-Leistung über verschiedene Modellarchitekturen, Parameter-Skalen und numerische Präzisionsformate hinweg zu liefern.
Für Leistung und Zuverlässigkeit im großen Maßstab entwickelt
PaleBlueDot AIs Blackwell Ultra-Cluster basiert auf NVIDIA HGX B300-Systemen. Jeder Compute-Node enthält acht NVIDIA Blackwell Ultra-GPUs, die über NVIDIA NVLink und NVIDIA NVLink Switch verbinden, wodurch innerhalb jedes Nodes ein vollständig vernetztes AI-Infrastruktur-Rechen-Domain entsteht.
Der HGX B300-Trainings-Cluster nutzt eine 800 Gb/s non-blocking NVIDIA Quantum-X800 InfiniBand-Netzwerkarchitektur, die Engpässe bei der Kommunikation zwischen Nodes eliminiert, die üblicherweise die Effizienz verteilten Trainings im Produktions-Scale einschränken. Jede GPU ist mit einer dedizierten 800 Gb/s-Hochgeschwindigkeits-Netzwerkverbindung ausgestattet, was eine aggregierte Compute-Network-Bandbreite von bis zu 6,4 Tb/s pro Node ermöglicht.
PaleBlueDot AI hat die Infrastruktur als integriertes System optimiert, das umfasst:
- Beschleunigtes Computing und System-Tuning: Angepasste Hardware-Konfigurationen, abgestimmt auf NVIDIA Blackwell Ultra-GPUs und das hochdichte Strom- und Luftkühl-Design des Rechenzentrums, maximieren die Rechenleistung pro GPU.
- Hoch-Performance-Netzwerkarchitektur: Das 800 Gb/s non-blocking NVIDIA Quantum-X800-InfiniBand-Fabric liefert verlustfreie, latenzarme Kommunikation für großskaliges verteiltes Training.
- High-Throughput-Speicher: Ein paralleles Speichersystem und 63,36 TB lokaler NVMe-Cache pro Compute-Node beschleunigen das Laden von Trainingsdaten und häufige Checkpoint-Operationen.
- Workload-Scheduling und Ressourcen-Orchestrierung: Optimierte Scheduling-Logik verbessert die Ressourcenauslastung, reduziert Rechenverschwendung und senkt die Kosten für Leerlauf-Training.
- Monitoring und Betrieb über den gesamten Lebenszyklus: Automatisierte 24/7-Alarmierung und Betriebsmechanismen reduzieren unerwartete Unterbrechungen bei langlaufenden Trainings-Workloads.
Der Cluster integriert zudem topologie-bewusstes Scheduling, NVIDIA GPUDirect RDMA, Optimierung kollektiver Kommunikation und automatische Isolation fehlerhafter Nodes. Zusammen verbessern diese Fähigkeiten die Effizienz großskaliger Trainings und mindern die Auswirkungen von Infrastruktur-Fehlern auf aktive Workloads.
Validiert für dauerhaften Volllast-Betrieb
Über die NVIDIA-Benchmark-Bewertung hinaus hat PaleBlueDot AI einen kontinuierlichen Volllast-Stabilitätstest auf seinem HGX B300-Cluster durchgeführt.
Diese einwöchige, ununterbrochene Simulation replizierte Produktions-Szenarien, in denen Unternehmens-Trainingsjobs über Tage oder Wochen kontinuierlich laufen. Der Test umfasste Compute, Netzwerk, Speicher und Scheduling-Systeme des Clusters und bestätigte einen stabilen Betrieb unter anhaltender hoher Last.
Es wurden zudem hochdichte Stromversorgung und eigens entwickelte Luftkühl-Infrastruktur eingesetzt, um den kontinuierlichen Volllast-Betrieb zu unterstützen. Diese Systeme helfen, stabile Betriebsbedingungen und optimale GPU-Leistung aufrechtzuerhalten.
Zusätzlich hat das Unternehmen ein mehrstufiges Qualitätssicherungs-Framework etabliert, das umfasst:
- Hardware-Burn-In-Tests
- Einzel-Node-Abnahmetests
- Cluster-weite Langzeit-Stabilitätstests
Dieser Prozess hilft, Hardware- oder Konfigurations-Inkonsistenzen vor der Produktion zu identifizieren und eine gleichbleibende Leistung sowie Konfiguration über den gesamten Cluster hinweg zu gewährleisten.
Für AI-Labore und Unternehmen bedeuten diese Fähigkeiten vorhersehbarere Workload-Leistung, schnellere Daten- und Checkpoint-Ladevorgänge, ein geringeres Risiko von Unterbrechungen und mehr Vertrauen beim Skalieren komplexer Trainings-Workloads.
Fortschrittliche, produktionsreife AI-Infrastruktur
Dieser Erfolg stellt einen weiteren Meilenstein in PaleBlueDot AIs fortlaufender Investition in Hochleistungs-AI-Infrastruktur dar. Das Unternehmen wird weiterhin Fähigkeiten in Computing, Netzwerk, Speicher, Scheduling, Monitoring und Betrieb optimieren, um zuverlässige, produktionsreife Infrastruktur für immer anspruchsvollere AI-Workloads bereitzustellen.
Der Exemplar-Cloud-Erfolg baut auf der langjährigen Zusammenarbeit von PaleBlueDot AI mit NVIDIA auf. Das Unternehmen wird weiterhin eng mit NVIDIA zusammenarbeiten, um nächste-Generation-NVIDIA-Architekturen für Trainings- und Inferenz-Workloads von Unternehmenskunden weltweit zu bringen.
Weitere Informationen finden Sie unter palebluedot.ai.
Der Beitrag PaleBlueDot AI gains NVIDIA Exemplar Cloud status erschien zuerst auf Engineering.com.