Supermicro AS-4125GS-TNHR2-LCC - 4U liquid-cooled GPU сервер с NVIDIA HGX H100/H200 8-GPU для AI, Deep Learning и HPC. Платформа на AMD EPYC 9004/9005 рассчитана на тяжёлые multi-GPU нагрузки и масштабирование в вычислительных кластерах.
Supermicro AS-4125GS-TNHR2-LCC - 4U HGX-система с восемью SXM GPU NVIDIA H100 или H200. NVLink и NVSwitch обеспечивают быстрый обмен между ускорителями, а liquid cooling позволяет работать с высокой вычислительной плотностью.
• AI / Deep Learning Training • Large Language Models • High Performance Computing • Machine Learning • Scientific Computing • Distributed Training • AI/HPC Clusters
Основные параметры
Производительность
КАК МЫ ДЕЛАЕМ СВОЮ РАБОТУ В getcore
</02>
РАЗРАБОТКА
Проектируем инфраструктуру для глубокого обучения и ИИ-обработки
Настраиваем и оптимизируем оборудование под задачи клиента
Адаптив
UPGRADE
Послепродажное обслуживание и апгрейд
Готовы к высокой нагрузке 24/7 с поддержкой SLA
Поддержка
КАК МЫ РАБОТАЕМ С СЕРВЕРАМИ SUPERMICRO
ПОДБИРАЕМ КОНФИГУРАЦИЮ ПОД ЗАДАЧИ
ТЕСТИРУЕМ И ПРОВЕРЯЕМ ОБОРУДОВАНИЕ
ПОСТАВКА И СОПРОВОЖДЕНИЕ
НУЖНА ПОМОЩЬ В ПОДБОРЕ GPU СЕРВЕРА?
Оставьте заявку, и мы подготовим коммерческое предложение на SUPERMICRO AS-4125GS-TNHR2-LCC
AI Workstation для генерации и разработки (RTX 6000 Ada)
Рекомендуется для дата-центров, научных центров, ML-команд и интеграторов.
Конфигурация оборудования Форм-фактор: 4U (стойка, активное охлаждение) CPU: 2× Intel Xeon Scalable 4-го поколения (до 2×350W) Чипсет: Intel C741, поддержка до 8 TB DDR5 ECC R-DIMM ОЗУ: до 2048 GB DDR5 ECC 4800MT/s GPU: до 8× NVIDIA A100/A800/H100 (до 270 мм) Хранение: 4× 2.5" SSD + 12× 3.5" HDD Сеть: 3× GbE LAN, включая IPMI Управление: ASPEED AST2500 (IPMI 2.0), поддержка BMC Охлаждение: 3× 120 мм + 4× 80 мм вентиляторов Питание: 5× CRPS, режим 4+1 (избыточность)
Предустановленное ПО
Ubuntu Server 22.04 или Rocky Linux 9
NVIDIA CUDA Toolkit, драйверы для A800/H100
Поддержка PyTorch, TensorFlow, Apex, Triton Inference Server
Возможность установки Slurm, Kubernetes, ComfyUI/SDXL (по задаче)
Сервис и сопровождение
Предтестирование под нагрузкой и настройка BIOS/энергопрофилей
Подбор компонентов под вашу задачу
Консультации и поддержка по драйверам — 3 мес бесплатно
Стоимость Цена (включая установку ПО, настройку и сопровождение): Варианты с 2, 4, 8 GPU — под заказ Гарантия 3 года и 5 лет (по выбору) Сервисное обслуживание и расширенная поддержка — опционально
Почему именно это решение
Российская платформа с перспективой включения в реестр Минпромторга (осень 2025г.)
Высокая плотность GPU и масштабируемость
Надежный BMC, IPMI, продуманная система охлаждения
Гибкость в настройке BIOS, совместимость с вашим ПО
Возможность кастомизации под проект
Условия поставки
Срок поставки: от 4 недель
Транспортировка: промышленная упаковка с защитой
Доступна отгрузка с установкой и вводом в эксплуатацию
Назначение Готовое решение для запуска моделей типа ChatGPT, LLaMA, StableLM, генерации текста, голосовых ассистентов, внутренних ИИ-систем в компании. Идеально подходит для компаний, которым важно:
не зависеть от облаков и внешних API
держать данные внутри организации
получить ИИ-инфраструктуру под ключ с установкой и поддержкой
Экспертиза по ИИ-инфраструктуре, от одиночных серверов до кластеров
Подбор серверной платформы для любых задач ИИ и высоких нагрузок
Мы конфигурируем серверы под конкретные задачи, от обучения и инференса LLM, до систем хранения, виртуализации и HPC. Работаем с проверенными платформами мировых вендоров и бюджетными OEM-производителями, обеспечиваем совместимость, тестирование и поддержку.
Оставьте заявку и мы подберем необходимое оборудование под ваши задачи
ОСТАВИТЬ ЗАЯВКУ
SUPERMICRO AS-4125GS-TNHR2-LCC - ПРИМЕНЕНИЕ И ПРЕИМУЩЕСТВА
</04>
Supermicro AS-4125GS-TNHR2-LCC предназначен для проектов, где требуется восемь связанных GPU в компактном 4U-формате. Liquid cooling помогает размещать высокопроизводительные HGX-узлы плотнее и эффективнее отводить тепло при постоянной нагрузке.
Supermicro AS-4125GS-TNHR2-LCC используется для: • обучения крупных нейросетей • LLM и Generative AI • HPC-расчётов • научного моделирования • Machine Learning • распределённого обучения • AI-кластеров
Важное преимущество модели - архитектура, рассчитанная не только на вычисления внутри одного сервера, но и на масштабирование между узлами. Восемь NVMe под GPUDirect Storage и возможность установить до восьми NIC под GPUDirect RDMA помогают уменьшить задержки при работе с данными и межсерверном обмене.
В workloads, которые хорошо масштабируются на несколько GPU: обучение LLM, distributed training, HPC и крупные научные модели. Если ускорители работают преимущественно независимо, потенциал NVLink/NVSwitch будет использоваться не полностью.
H200 предпочтительнее, когда ограничением становится объём или пропускная способность GPU-памяти - например, при работе с крупными LLM и memory-intensive inference. Если задача уверенно помещается в 80 ГБ HBM, H100 может быть экономически рациональнее.
Она позволяет восьми GPU интенсивно обмениваться данными без зависимости только от PCIe. Это критично для model parallelism, tensor parallelism и других сценариев, где производительность определяется не только мощностью каждого GPU, но и скоростью связи между ними.
Это нужно прежде всего для multi-node training. Соотношение NIC к GPU 1:1 позволяет строить высокопроизводительный сетевой контур и уменьшать задержки при обмене данными между ускорителями разных серверов.
Нужно учитывать количество серверов, размер моделей и интенсивность collective operations. Для крупного distributed training обычной Ethernet-сети может быть недостаточно - fabric проектируется вместе с GPU-топологией, а не после покупки серверов.
Сравнили 3 варианта: облако, аренда и покупка у GetCore. Взяли в лизинг через них — за 7 дней получили настроенный сервер, полностью готовый к продакшну. Экономим около 180 тыс. рублей каждый месяц по сравнению с облаком. Сопровождение — на уровне партнёрства, не просто техподдержка
Алексей, ИТ-директор, финтех-компания, Москва
Андрей, ML-инженер, стартап по компьютерному зрению, Санкт-Петербург
Ребята из GetCore не просто продали „железо“, а погрузились в архитектуру модели, которую мы обучаем. Подобрали точную конфигурацию под PyTorch + CUDA, всё развернули и протестировали. Через 5 дней уже запускали первый эксперимент. Приятно удивлён уровнем техничности
разработчик нейросети
руководителя отдела разработки
С GetCore построили свою первую собственную ИИ-инфраструктуру. Подобрали сервер на базе двух A100, настроили под TensorFlow и помогли оптимизировать пайплайны. За месяц сэкономили больше 500 000 ₽ по сравнению с тем, что тратили на аренду облака. Чёткие сроки, понятные люди, без обещаний "на словах"
Максим, руководитель отдела разработки ИИ-продуктов, Ростов-на-Дону
Илья, архитектор ИТ-инфраструктуры, интегратор, Казань
Нужно было быстро развернуть серверную платформу для запуска LLM в локальном режиме. GetCore подобрали мощный сервер с 4xGPU, провели стресс-тест и обеспечили резервную схему. С таким подходом чувствуешь себя не клиентом, а техдиром внутри сильной команды
архитектор инфраструктуры
Файлы cookies
Мы собираем файлы cookies для улучшения работы сайта и применяем рекомендательные технологии. Продолжая пользоваться сайтом, вы даёте согласие на использование файлов cookies.
Файлы cookies
Подробнее о cookies
Файлы cookie, необходимые для корректной работы сайта, всегда включены. Другие файлы cookie настраиваются