TAIPEH, 9. Juli 2026 /PRNewswire/ -- GIGABYTE, einer der führenden Hersteller von Motherboards, Grafikkarten und Hardware-Lösungen, zeigt, wie sich lokale KI-Rechenleistung mit Vier-Knoten-Clustering auf Basis von AI TOP ATOM für zunehmend komplexe Workloads skalieren lässt. Da KI-Modelle, wissenschaftliche Simulationen und Unternehmensanwendungen weiter an Umfang und Komplexität zunehmen, stoßen eigenständige Systeme je nach Konfiguration zunehmend an Grenzen bei Arbeitsspeicher und Rechenleistung. AI TOP ATOM-Clustering kann diese Grenzen erweitern und die lokale Ausführung speicherintensiver Workloads unterstützen, während Unternehmen zugleich ein hohes Maß an Datenkontrolle behalten.
Jeder AI TOP ATOM-Knoten bietet bis zu 1 PetaFLOP FP4-KI-Leistung und 128 GB Unified Memory. Über einen RoCE-fähigen 200-GbE-Switch können vier miteinander verbundene Knoten mit jeweils 128 GB Unified Memory speicherintensive Workloads über die Grenzen eines einzelnen Systems hinaus skalieren. Die modulare Architektur ermöglicht es Unternehmen, je nach Workload-Anforderungen von einem auf bis zu vier Knoten zu erweitern und dabei eine lokale Bereitstellung sowie ein hohes Maß an Datenkontrolle beizubehalten. Damit entsteht eine skalierbare Grundlage für umfangreichere Workloads in den Bereichen Künstliche Intelligenz und Wissenschaft.
Um diese Fähigkeiten zu demonstrieren, hat GIGABYTE in Zusammenarbeit mit NVIDIA einen KI-gestützten Workflow für wissenschaftliche Simulationen auf AI TOP ATOM-Clustern vorgestellt. Der auf NVIDIA NVIDIA NemoClaw-Blueprints basierende Workflow nutzt das Open-Source-Modell NVIDIA Nemotron-3-Nano-30B-A3B-NVFP4 zur Entwicklung von Forschungshypothesen und steuert GROMACS an, um Simulationen auf dem gesamten Cluster durchzuführen. Durch die Verknüpfung KI-gestützter Hypothesengenerierung mit wissenschaftlichen Simulationen demonstriert der Workflow, wie KI-getriebene Forschung in einer Cluster-Computing-Umgebung umgesetzt werden kann.
Im Rahmen der Demonstration wird der Workflow auf die Entwicklung von Wärmeleitmaterialien (Thermal Interface Materials, TIM) für fortschrittliches Halbleiter-Packaging angewendet. Dieser Anwendungsbereich ist zunehmend auf groß angelegte Molekulardynamik-Simulationen angewiesen. Während eigenständige Systeme in der Regel auf Simulationen von etwa 10 Millionen Atomen beschränkt sind, bevor sie an ihre Speichergrenzen stoßen, erweitert ein AI TOP ATOM-Cluster mit vier Knoten die Simulationskapazität für die Forschung im Bereich der IC-Packaging-Technologie auf über 30 Millionen Atome.
Die Demonstration verdeutlicht, wie Vier-Knoten-Clustering mit AI TOP ATOM komplexe wissenschaftliche Simulationen unterstützen kann, die über die Möglichkeiten eines einzelnen Systems hinausgehen. Damit erweitert sich der mögliche Einsatzbereich von AI TOP ATOM von der KI-Entwicklung hin zu wissenschaftlichen Rechen- und Simulationsprozessen. Weitere Informationen finden sich unter GIGABYTE AI TOP ATOM.
Foto – https://mma.prnewswire.com/media/3002874/image1.jpg
View original content:https://www.prnewswire.com/news-releases/gigabyte-demonstriert-ai-top-atom-vier-knoten-clustering-fur-wissenschaftliche-simulationen-302821490.html
Die Zukunft des deutsch-französischen Panzerprojekts MGCS gerät zunehmend ins Wanken. Armin Papperger, Vorstandschef des Düsseldorfer Rüstungskonzerns Rheinmetall, schließt einen Rückzug Frankreichs aus dem Vorhaben nicht mehr aus. In einem Interview mit der „Welt am Sonntag“ sprach er von einem „Gefahrenszenario“, betonte allerdings, dass bislang keine endgültigen Entscheidungen gefallen seien. Die Diskussionen kommen zu einem Zeitpunkt, an dem mit dem Ende des Kampfflugzeugprojekts FCAS (Scaf) bereits ein anderes zentral geplantes Vorzeigeprojekt der Verteidigungskooperation zwischen Berlin und Paris gescheitert ist.
Nach Informationen Pappergers plant Frankreich, das Budget für das „Main Ground Combat System“ (MGCS) drastisch zu kürzen. Im Gespräch ist demnach ein Ansatz von weniger als der Hälfte der ursprünglichen Planungen. Zwar unterstrich der Rheinmetall-Chef, dass es „null Entscheidungen über das finale Budget“ gebe, doch ein reduzierter Finanzrahmen hätte nach seiner Einschätzung unweigerlich die Streichung von Leistungsumfängen und weitere Verzögerungen zur Folge. „Wenn man weniger Geld zur Verfügung hat, wird man nicht schneller, und wir sind jetzt schon sehr langsam“, sagte er. Bereits jetzt liegt das Programm, das seit rund einem Jahrzehnt läuft, weit hinter den ambitionierten politischen Ankündigungen zurück.
Das MGCS-Projekt wurde auf Initiative der Regierungen Frankreichs und Deutschlands gestartet, um ein gemeinsames, plattformübergreifendes Bodenkampfsystem zu entwickeln, das ab etwa 2040 die Kampfpanzer Leopard 2 und Leclerc ersetzen soll. Beteiligt sind neben Rheinmetall der französische Technologiekonzern Thales sowie KNDS – ein Zusammenschluss des deutschen Herstellers Krauss-Maffei Wegmann und des staatlichen französischen Rüstungsunternehmens Nexter. Trotz der politischen Bedeutung des Vorhabens sind die finanziellen Mittel bislang überschaubar: Die vier Partnerunternehmen haben in rund zehn Jahren zusammen lediglich 25 Millionen Euro erhalten, was Papperger als „offensichtlich sehr wenig Geld“ bezeichnete.
Parallel zum schleppend verlaufenden MGCS treiben Rheinmetall und KNDS Deutschland auf deutscher Seite bereits eine Zwischenlösung voran. Der in der Militärfachpresse inoffiziell „Leopard 3“ genannte neue Kampfpanzer soll nach aktueller Planung Anfang der 2030er Jahre in Dienst gestellt werden und damit die Lücke überbrücken, bis ein mögliches MGCS-System verfügbar wäre. Für MGCS selbst wird die Einsatzreife derzeit erst in den 2040er Jahren erwartet – ein Zeithorizont, den Papperger als „eine Wahnsinnszeit“ bezeichnete. Vor diesem Hintergrund stellte er die grundsätzliche Realisierung des Projekts offen in Frage: „Ich kann heute nicht sagen, ob es überhaupt ein MGCS geben wird.“ Die jüngsten Budgetüberlegungen in Paris verstärken diese Unsicherheit und nähren Zweifel daran, ob Europa den angestrebten gemeinsamen Panzer der Zukunft tatsächlich auf die Spur bringen kann.
