מערכות חדשות שתוכננו על ידי WEKA מפחיתות באופן משמעותי את צריכת האנרגיה, עלויות התשתית, המורכבות התפעולית ואת שטח מרכז הנתונים הנדרש, המשיגות צפיפות קיבולת אפקטיבית גבוהה ב-267% וצפיפות ביצועים גבוהה ב-114% בהשוואה לחלופות הקיימות בשוק, בתוך ארון שרתים יחיד, ומיועדות מפעלי בינה מלאכותית יעילים במיוחד ומוכנים לסביבת ייצור, ותשתיות הסקה המספקות כלכלת ביצועים פורצת דרך.
קמפבל, קליפורניה, 21 ביולי, 2026 /PRNewswire/ –– WEKA, חברת תשתיות הנתונים והזיכרון לבינה מלאכותית, חשפה היום את הדור השלישי של התקני האחסון שלה לבינה מלאכותית: WEKApod Nitro, WEKApod Prime ו-WEKApod Prime Max. ההתקנים כוללים מארזים שתוכננו בהנדסה ייעודית וחידושי חומרה הנמצאים בהליכי רישום פטנט, המספקים את צפיפות הביצועים וצפיפות הקיבולת הגבוהות ביותר בשוק כיום. המערכות, שתוכננו לפעול באופן חלק עם תוכנת NeuralMesh 6 החדשה של WEKA שהוכרזה בנפרד היום, מספקות פלטפורמת תשתית להסקה של בינה מלאכותית (AI Inference), שנועדה לסייע לענני בינה מלאכותית, למפתחי מודלים ולארגונים להרחיב עומסי עבודה של בינה מלאכותית בסביבת ייצור, תוך הפחתת עלויות התשתית, שטח מרכז הנתונים, צריכת החשמל והמורכבות התפעולית.
כאשר ארגונים מפעילים עומסי עבודה של בינה מלאכותית מבוססי הקשר ארוך (Long-Context), סוכניים ומונחי אחזור (Retrieval-Driven) בקנה מידה עצום, ארכיטקטורות תשתית שנבנו עבור עומסי נתונים ארגוניים מסורתיים ועבור עידן האימון המוקדם של למידת מכונה מתקשות לספק את ניצולת ה-GPU, תפוקת הטוקנים, יכולת ההתרחבות התפעולית ויעילות התשתית הנדרשות לכלכלת ההסקה המודרנית.
מערכות WEKApod החדשות תוכננו ייעודית על ידי WEKA כדי להתמודד עם אתגרים אלה, והן צפויות לשבור את שיאי הביצועים הקיימים במדדי אחסון נתונים ברמת ארון שרתים ולהגדיר מחדש כל ממד בכלכלת הבינה המלאכותית, תוך יצירת מדד ביצועים חדש לתשתיות בעידן ההסקה. מערכת WEKApod יחידה יכולה לספק 1.1 אקסה-בייט של קיבולת אפקטיבית בארון שרתים יחיד, כאשר מנגנון הפחתת הנתונים של NeuralMesh פועל על בסיס חומרה בעלת קיבולת גולמית של 441.5 פטה-בייט, מה שהופך אותה להמערכת הראשונה בארון יחיד ששוברת את מחסום האקסה-בייט. התפוקה מגיעה ל-10.2 טרה-בייט לשנייה לכל ארון שרתים. הביצועים מגיעים ל-210 מיליון פעולות קלט/פלט בשנייה (IOPS) לכל ארון שרתים.
כדי להשיג זאת, WEKA תכננה את המערכת עם מארג פנימי (Internal Fabric) מבוסס PCIe Gen 6, חיבור כוננים מבוסס כבלים ללא לוח אחורי (Backplane-Free Drive Interconnect), תקשורת רשת באמצעות NVIDIA® ConnectX® SuperNIC™ המאפשרת קישוריות Data Plane של Spectrum-X Ethernet, וכן ארכיטקטורה תרמית המנוהלת באמצעות תוכנה. למערכות קיימות מספר בקשות פטנט תלויות ועומדות עבור טכנולוגיות חדשניות הכוללות את תכנון המארז, מערכת חיבור הכוננים הבסיסית, ניהול החום וטכנולוגיות התחזוקה והשירות.
“תשתיות בינה מלאכותית שנבנו עבור עומסי עבודה מסורתיים אינן מסוגלות לתמוך בעידן ההסקה. המגבלות שונות כעת: שטח בארונות שרתים, אנרגיה, שרשרת אספקה וצפיפות תפעולית הם הגורמים שקובעים כיום האם הפעלות של בינה מלאכותית ייצרו רווחיות או יפגעו בה”, אמר לירן צביבל, מייסד-שותף ומנכ”ל WEKA. “בנינו את WEKApod כדי לפעול בתוך המגבלות הללו ולא להיאבק בהן — על גבי חומרה ש-WEKA תכננה והנדסה במיוחד עבור מחשוב בעידן ההסקה, ועם שרשרת אספקה הנמצאת בשליטתנו. המערכת מספקת יתרונות כלכליים כבר בשלב הראשוני, המצטברים יחד עם עלות הבעלות הכוללת (TCO) הטובה ביותר לאורך כל קשת הדרישות של תשתיות בינה מלאכותית. בכך היא מגדירה מדד ביצועים חדש שלדעתנו יהפוך בקרוב לנקודת הייחוס שלפיה כל לקוח המריץ בינה מלאכותית בסביבת ייצור בקנה מידה רחב יבחן את החלטות התשתית שלו”.
“ככל שעומסי העבודה של בינה מלאכותית גדלים וניצולת מרכזי הנתונים ממשיכה לעלות, מערכות מודרניות חייבות לספק יותר ביצועים, יותר קיבולת ויותר יעילות — בלי לדרוש שטח רצפה נוסף או צריכת חשמל גבוהה יותר”, אמר ג’ייסון הארדי, סגן נשיא לטכנולוגיות אחסון ב-NVIDIA. “רשת NVIDIA Spectrum-X Ethernet מעניקה ל-WEKApod 3 את מארג התקשורת בעל רוחב הפס הגבוה וההשהיה הנמוכה הנדרשים כדי לשמור על נתיב הנתונים בין האחסון ל-GPU פתוח ויעיל בקנה מידה רחב, ובכך לסייע ללקוחות להפיק יותר מכל GPU שהם מפעילים”.
מדוע בינה מלאכותית סוכנית דורשת גישה חדשה
המגבלות המניעות כיום את ההחלטות הנוגעות לתשתית של בינה מלאכותית הן פיזיות וקשורות לרכש ולאספקה. בניית מרכזי נתונים בארה”ב ירדה בשנת 2025 לראשונה מאז 2020. תורי החיבור לרשת החשמל בשווקים מרכזיים נמשכים 4 עד 7 שנים. Morgan Stanley צופה מחסור של 49 ג’יגה-וואט בהספק חשמל בארה”ב עד שנת 2028. במקביל, שוקי ה-NAND עדיין מוגבלים מבחינת היצע, וזמני האספקה דרך ערוצי יצרני הציוד המקורי התארכו הרבה מעבר לטווחי הזמן שתהליכי תכנון תשתיות יכולים לספוג. אחסון שצורך שטח בארונות שרתים וחשמל בצורה לא יעילה מתחרה ישירות עם מעבדי ה-GPU על אותם משאבים פיזיים מוגבלים. אחסון המבוסס על חומרה שהספק אינו שולט בה מוסיף גם סיכון לשרשרת האספקה על גבי הסיכונים הקיימים.
WEKApod הוא המענה של WEKA לאתגרים הבסיסיים הללו: מערכת שנבנתה כדי להקטין את טביעת הרגל של מרכז הנתונים, לפנות שטח יקר בארונות שרתים ולשפר את מספר הטוקנים לכל ואט — בלי להתפשר על תפוקת הטוקנים או על ביצועי עומסי העבודה. לכל יחידת גובה בארון שרתים, WEKApod מובילה על פני כל החלופות הזמינות לציבור מבחינת צפיפות קיבולת וצפיפות תפוקה — עם יתרון של 267% בקיבולת אפקטיבית ו-114% בתפוקה, בהשוואה למערכת הבאה הטובה ביותר בכל אחת מהקטגוריות. בצד הרכש, WEKA שולטת ישירות במקורות האספקה של הרכיבים, במקום להיות תלויה בתלותיות של ערוצי יצרני ציוד מקורי. הדבר מעניק לספקי ענן בינה מלאכותית ולארגונים יציבות תמחור ויכולת חיזוי של זמני אספקה, כפי שנדרש בפועל עבור תכנון תשתיות בקנה מידה רחב.
עבור ספקי ענן בינה מלאכותית ריבוניים (Sovereign AI Cloud Providers) וספקיות ענן ענקיות (Hyperscalers), המשמעות היא יותר מעבדי GPU ויותר דיירים לכל ארון שרתים. עבור מפתחי בינה מלאכותית וצוותים ארגוניים, המשמעות היא יותר קיבולת הסקה בתוך שטח מרכז הנתונים הקיים שלהם.
“הסקה בקנה מידה של סביבת ייצור היא בעיית תשתית שונה לחלוטין מאימון. המדדים החשובים ביותר הם מספר הטוקנים לכל ארון שרתים, מספר הטוקנים לכל ואט ועלות להסקת מסקנות בעומס מתמשך. רוב הספקים בקטגוריה הזו ביצעו אופטימיזציה למדדי ביצועים ישנים, בעוד שעומסי העבודה כבר השתנו והתקדמו”, אמר סטיב מקדואל, האנליסט הראשי של NAND Research. “WEKApod תוכננה כדי לתמוך במדדים החשובים ביותר ללקוחות כיום, באמצעות גישה מאוחדת של חומרה ותוכנה שמשקפת את הצרכים הללו. כל מי שמתכנן להקים תשתית בינה מלאכותית בשוק מרכזי הנתונים והזיכרון המוגבל של ימינו צריך להעריך כל ספק מול מדד הביצועים החדש הזה, ללא קשר לספק שבו יבחר בסופו של דבר”.
WEKApod Nitro: מקסימום ביצועים. התאמה לעומסי עבודה של הסקה.
WEKApod Nitro נבנתה והוגדרה עבור עומסי העבודה של בינה מלאכותית הרגישים ביותר לביצועים, שבהם רוחב הפס של האחסון קובע האם מעבדי ה-GPU פועלים בניצולת מלאה או נעצרים וממתינים לנתונים. מארז בגובה שתי יחידות הכולל ארבעה צמתים (Nodes) מציע ארבעה תחומי כשל בלתי תלויים לחלוטין וכולל 56 כונני TLC, בשילוב עם תקשורת NVIDIA ConnectX בעלת שתי יציאות, המספקת תפוקה של 800 ג’יגה-ביט לשנייה.
WEKApod Prime ו-WEKApod Prime Max: קיבולת עצומה. טביעת רגל מינימלית.
- WEKApod Prime מספקת שילוב מאוזן של קיבולת וביצועים באמצעות שילוב AlloyFlash של זיכרונות TLC ו-QLC, במארז הכולל ארבעה צמתים בגובה שתי יחידות עם 56 כוננים בסך הכול.
- WEKApod Prime Max נבנתה והוגדרה כדי לספק קיבולת מרבית בטביעת הרגל הפיזית הקטנה ביותר האפשרית. מארז בגובה שתי יחידות עם שני צמתים מכיל 70 כונני NVMe. האחסון עתיר הביצועים לאובייקטים של NeuralMesh, יחד עם צמצום נתונים תמידי (Always-On Data Reduction) וכונני 6600 ION של Micron בנפח 245.76 טרה-בייט, מאפשרים ל-WEKApod Prime Max לספק קיבולת אפקטיבית של 1.1 אקסה-בייט בתוך ארון יחיד בגובה 56U — צפיפות שאין לאף מתחרה אפשרות להשוות אליה.
“בינה מלאכותית סוכנית והסקה מציבות רף חדש ליעילות של מרכזי נתונים, ודורשות שצפיפות, צריכת חשמל וביצועים יגדלו יחד באופן מתואם”, אמר ג’רמי ורנר, סגן נשיא בכיר ומנכ”ל היחידה העסקית למרכזי נתונים ב-Micron. “עם ארכיטקטורת WEKApod החדשה וכונני ה-SSD של Micron בנפח 245 טרה-בייט, לקוחות יכולים לספק 15.8 פטה-בייט של קיבולת במארז בגובה 2U, תוך מיצוי קיבולת האחסון ושמירה על שטח וצריכת חשמל לטובת הוספת משאבי מחשוב נוספים”.
מאפיינים ויתרונות מרכזיים של WEKApod
- מארז 2U בתכנון הנדסי ייעודי: מספק את צפיפות הביצועים והקיבולת הגבוהה ביותר הזמינה כיום בשוק, בתוך טביעת הרגל הפיזית הקטנה ביותר האפשרית. אותו מארז תומך הן בתצורות של ארבעה צמתים והן בתצורות של שני צמתים.
- מבוסס על המארג הפנימי PCIe Gen 6: מספק מרווח רוחב פס המאפשר לכל כונן לפעול בניצולת מלאה בו-זמנית.
- תכנון תחומי כשל מיקרוסקופיים עבור כוננים בצפיפות גבוהה: סביבה ללא לוח חיבור פנימי יוצרת תחומי כשל בלתי תלויים לחלוטין, ומגבילה תקלות לכונן בודד בלבד, תוך מניעת הצורך בהתערבויות ברמת האשכול.
- ארכיטקטורה תרמית שתוכננה לפעולה בטמפרטורת סביבה של 35°C: ויסות הספק NVMe המנוהל באמצעות תוכנה בעת עומס תרמי מאפשר למערכת לבצע האטה הדרגתית ומבוקרת במקום להוביל לכיבוי המערכת. בקנה מידה של בינה מלאכותית בסביבת ייצור, זהו ההבדל בין אירוע ירידת ביצועים לבין הפרת הסכם רמת שירות.
- יכולת תחזוקה מובנית: כונני אתחול הניתנים להחלפה חמה (Hot-Pluggable Boot Drives), באמצעות מתאם חומרה ייעודי (Custom Interposer) עם החלפה מונחית דרך ממשק גרפי. פריסת יציאות NIC במבנה משוכפל (Mirrored NIC Port Layout) שומרת על גישה למפרצי הכוננים במהלך פעולות תחזוקה. החלפת כונן היא פעולת שירות עצמי של 10 דקות, ולא חלון תחזוקה של שעתיים.
- פריסה ללא מסך וללא ממשק מקומי (Headless): התקנות בקנה מידה של ארון המנוהלות מהענן באמצעות NeuralMesh Home.
- מערכות Appliance ניתנות להגדרה מקיבולת של פחות מ-1 פטה-בייט ועד 100 פטה-בייט ומעבר לכך: הדור השלישי של WEKApod Nitro, WEKApod Prime ו-WEKApod Prime Max הם מוצרי WEKApod הראשונים הנמכרים כמק”טים הניתנים להגדרה. סוג המארז, כמות הזיכרון, קיבולת הכוננים ומספר הכוננים ניתנים לבחירה ולהתאמה בהתאם לדרישות הלקוח. כל תצורה מציעה את אותה פשטות תפעולית.
זמינות
WEKApod Nitro, WEKApod Prime ו-WEKApod Prime Max זמינים להזמנה כבר היום דרך רשת המפיצים וה-VAR (Value-Added Reseller) הגלובלית של WEKA, עם אספקה החל מסתיו 2026. NeuralMesh 6 יישלח יחד עם המערכות הראשונות.
למידע נוסף על מערכות ה-WEKApod החדשות, בקרו באתר: https://www.weka.io/product/wekapod/.
WEKA NeuralMesh x WEKApod: תוכננו לפעול יחד בסימטריה מושלמת
WEKA הציגה היום גם את הדור השישי של פלטפורמת התוכנה המובילה שלה, NeuralMesh, עם יכולות חדשות ברמה ארגונית, הכוללות ריבוי משתמשים מקורי (Native Multi-Tenancy), ערמת פרוטוקולים מאוחדת לקבצים ולאובייקטים (Unified File-and-Object Protocol Stack), עמידות נתונים חכמה המבוססת על מטא-נתונים(Intelligent Metadata-First Data Resiliency), יעילות נתונים רציפה עם התחייבויות ביצועים חוזיות (Always-On Data Efficiency with Contractual Performance Guarantees), תפעול טבעי בסביבת Kubernetes (Kubernetes-Native Operations) וניטור אחוד (Unified Observability). למדו עוד על ההכרזה של היום בנושא NeuralMesh 6 כאן: https://www.weka.io/news/neuralmesh-6-enterprise-agentic-ai.
אודות WEKA
WEKA היא חברת תשתיות נתונים וזיכרון לבינה מלאכותית, שמטרתה לשנות את כלכלת הבינה המלאכותית מבוססת הסוכנים. פלטפורמת NeuralMesh™ מאחדת בין אחסון נתונים עתיר ביצועים לבין הרחבת זיכרון GPU, ומספקת לארגונים, לספקי ענן מבוסס בינה מלאכותית ולמפתחים תשתית אחת לאימון מודלים, לאינפרנס ולעומסי עבודה מבוססי סוכנים. באמצעות Augmented Memory Grid, NeuralMesh מגדילה את קיבולת זיכרון ה-GPU פי 1000, משפרת את הזמן עד הטוקן הראשון עד פי 20, ומספקת פי 10 יותר משתמשים במקביל מאותו נפח GPU – תוצאות שהודגמו במבחני ייצור. WEKA, המשרתת בהצלחה 30% מחברות Fortune 50, מאפשרת לארגונים להרחיב מערכות בינה מלאכותית מהר יותר, למקסם את ניצול ה-GPU ולהפחית את העלות לכל טוקן. למידע נוסף בקרו בכתובת www.weka.io, או צרו איתנו קשר ב-LinkedIn וב-X.
