Обзор: Сервер HPE ProLiant DL145 Gen11 — интеллектуальная обработка контента в любом месте

Спрос на быстрый и качественный видеоконтент никогда не был таким высоким. В нынешних условиях небольшие редакции, независимые авторы и команды выездной съемки должны снимать, монтировать и публиковать материал профессионального уровня почти в реальном времени — нередко без поддержки постобработки и без централизованной инфраструктуры.

Именно поэтому локальный поиск на основе ИИ, реализованный в периферийных производственных системах, становится необходимостью: объем отснятого материала стремительно растет, а потребность в его повторном использовании усиливается. Когда работа с файлами происходит непосредственно в месте съемки, периферийные процессы снимают узкие места и позволяют тратить меньше времени на поиск и управление медиа материалами и больше — на создание качественного контента.

Axle AI — платформа управления медиаданными и автоматизации с поддержкой ИИ, созданная для распределенных и динамичных процессов. В сочетании с аппаратной базой уровня лидеров рынка — сервером HPE ProLiant DL145 Gen11, графическим ускорителем NVIDIA L4 и твердотельными накопителями Solidigm PCIe Gen5 — формируется мощная и мобильная среда производства. Такой подход дает профессиональные функции обработки контента с ИИ даже небольшим командам с ограниченными ресурсами.

Обзор архитектуры HPE ProLiant DL145 Gen11

Сервер начального уровня HPE ProLiant DL145 Gen11 подходит для развертываний Axle AI на выездных площадках и филиалах, где ограничены место, питание и охлаждение. Укороченный 2U-корпус глубиной около 406 мм (16") изначально рассчитан на переносимость и монтаж в стесненных условиях — мобильные стойки и транспортные кейсы. В отличие от типового корпоративного оборудования сервер поддерживает расширенный температурный режим от −5 до +55 °C, что позволяет работать в менее контролируемой среде. При компактных габаритах доступны функции уровня предприятия — резервирование питания и варианты загрузочных дисков, поэтому решение подходит командам, которым нужна надежная периферийная инфраструктура без издержек полноразмерного железа.

По части процессора DL145 поддерживает линейку AMD EPYC 8004 (Siena) с конфигурациями от 8 до 64 ядер. В тестовом стенде установлен EPYC 8434P: 48 ядер и 96 потоков. При TDP 200 Вт он дает удачный баланс между энергоэффективностью и производительностью, что важно для ресурсоемких задач. Процессор предоставляет 96 линий PCIe 5.0 и шесть каналов памяти DDR5, с поддержкой скоростей до 4800 MT/с и высокой пропускной способностью. Минимальные требования Axle AI — не менее 16 ядер ЦП и 32 ГБ ОЗУ. Выбранная конфигурация значительно их превышает: 48 ядер и 256 ГБ DDR5.

Производительность подсистемы хранения критична для любых медиа процессов. DL145 поддерживает до шести накопителей NVMe форм-фактора EDSFF E3.S, что закрывает потребности по скорости и параллелизму. В тестовой конфигурации использованы шесть твердотельных накопителей Solidigm D7-PS1010 E3.S емкостью 7,68 ТБ каждый. Эти PCIe 5.0 x4 устройства обеспечивают до 14 500 МБ/с на чтение и до 10 000 МБ/с на запись, формируя суммарно почти 46 ТБ высокоскоростного хранилища. Для задач ИИ и медиа потоков такие SSD отличаются высокой энергоэффективностью и могут давать до 50% больший сквозной поток на отдельных этапах конвейера, чем типичные NVMe-накопители. При необходимости емкость масштабируется: до 15,36 ТБ на диск и совокупно до ~92 ТБ в компактном корпусе.

DL145 поддерживает до трех однослотовых графических ускорителей. В тестовой конфигурации установлен один NVIDIA L4 — энергоэкономичный ускоритель на архитектуре Ada Lovelace. Он ориентирован на обработку видео, инференс ИИ, визуальные вычисления и задачи виртуализации, обеспечивая высокую производительность при потреблении всего 72 Вт. Ускоритель оснащен 24 ГБ GDDR6 и подключается по PCIe 4.0 x16, где слот обеспечивает и обмен данными, и питание. Рекомендация Axle AI — не менее 16 ГБ видеопамяти, так что L4 уверенно перекрывает этот порог, добавляя еще 8 ГБ запаса для медиа с высоким разрешением и операций на базе ИИ.

Для прикладного уровня развернуты Axle AI MAM и Axle AI Tags в среде виртуализации Proxmox VE (8.3.5). Конфигурация включает две отдельные виртуальные машины: одна под Axle AI MAM, другая под Axle AI Tags. Такая схема четко разделяет управление медиаданными и обработку метаданных на основе ИИ при сохранении бесшовного взаимодействия между компонентами.

Параллельно с MAM модуль Axle AI Tags добавляет локальные возможности ИИ: семантический векторный поиск, распознавание объектов и логотипов, обучаемое распознавание лиц. Решение развернуто в контейнере Docker и использует NVIDIA L4 через проброс PCIe для эффективного инференса в реальном времени. Веб-интерфейс обучения и администрирования позволяет гибко настраивать поведение, а модульная архитектура поддерживает аппаратные связки Intel с NVIDIA либо AMD с NVIDIA. При полной интеграции с MAM в текущей схеме Axle AI Tags также предоставляет совместимость через REST API для работы с другими платформами.

Накопители Solidigm PS1010 подключены к виртуальной машине Axle AI MAM, что обеспечивает высокую скорость и низкие задержки при работе с видеоматериалами. За счет виртуализации всего стека и выделения собственных вычислительных ресурсов каждому компоненту повышаются доступность сервиса, эффективность управления ресурсами и многопользовательская работа — на уровне, недостижимом для одиночной рабочей станции. Это делает решение удобным для совместной работы в потоковом производстве с большим объемом материалов.

В совокупности эти компоненты формируют интегрированную аппаратную платформу для быстрых локальных рабочих процессов с ИИ. Платформа оптимизирована для работы в ограниченных условиях: обеспечивает надежную производительность там, где ограничены место и энергопитание, при сохранении ключевых возможностей ИИ.

Производительность HPE ProLiant DL145 Gen11

Перед началом тестирования приведена конфигурация системы HPE ProLiant DL145 Gen11. Тесты Axle AI выполнялись в виртуальной среде на Proxmox, а для измерения скорости подсистемы хранения в GDSIO и FIO сервер был переведен на Ubuntu Server 22.04.5.

Аппаратная конфигурация HPE ProLiant DL145 Gen11

Пиковая синтетика (FIO)

FIO — гибкий инструмент нагрузочного тестирования подсистем хранения (SSD и HDD). Он измеряет полосу пропускания, IOPS и задержки при разных профилях — последовательное и случайное чтение/запись. В данном сценарии цель — зафиксировать пиковые значения и нагрузить систему по полной, поэтому выполнен прогон по всей поверхности накопителей для оценки устойчивой производительности.

В последовательном чтении с блоком 128K система показала 56,4 ГБ/с и 430 тыс. IOPS со средней задержкой 1,78 мс. Последовательная запись с тем же блоком достигла 45,4 ГБ/с, 346 тыс. IOPS при средней задержке 2,22 мс. При случайном чтении 4K зафиксировано 46,6 ГБ/с, 11,4 млн IOPS и средняя задержка 0,269 мс, что подчеркивает высокий потенциал массива NVMe при интенсивных паттернах доступа. Случайная запись 4K составила 29,1 ГБ/с, 7,1 млн IOPS при средней задержке 0,432 мс, что подтверждает устойчивую скорость записи даже при фрагментированном доступе.

GPU Direct Storage

Один из тестов стенда — Magnum IO GPU Direct Storage (GDS). GDS — технология NVIDIA, позволяющая графическому ускорителю обращаться к данным на NVMe и других высокоскоростных накопителях напрямую, минуя ЦП и системную память. Вместо передачи через процессор и ОЗУ используется прямой обмен между GPU и хранилищем, что заметно снижает задержки и повышает пропускную способность.

Как работает GPU Direct Storage

В классической схеме при обработке данных с NVMe-диска информация сначала проходит через ЦП и системную память, и лишь затем попадает на GPU. Это создает узкие места: процессор выступает посредником, добавляя задержки и расходуя ресурсы. GPU Direct Storage устраняет неэффективность, предоставляя графическому ускорителю прямой доступ к данным с накопителя по шине PCIe. Прямой путь снижает накладные расходы на перемещение данных и ускоряет передачу, повышая общую эффективность.

Нагрузки ИИ, особенно связанные с глубинным обучением, крайне чувствительны к подаче данных. Обучение крупных нейросетей требует обработки терабайт, и любые задержки на пути данных приводят к простою GPU и увеличению времени обучения. GPU Direct Storage решает эту задачу: данные доставляются к GPU максимально быстро, сокращается холостой интервал и повышается вычислительная эффективность.

GDS особенно полезен там, где идет непрерывный поток больших массивов — видео процессинг, обработка естественного языка, инференс в реальном времени. Снижение зависимости от ЦП ускоряет движение данных и высвобождает ресурсы процессора для иных задач, что дополнительно повышает общую производительность системы.

GDSIO: последовательное чтение

В тесте GDSIO на последовательное чтение для накопителя Solidigm PS1010 емкостью 7,68 ТБ производительность заметно масштабировалась с ростом размера блока и глубины очереди. При минимальном блоке 16K полоса начиналась с ~0,2 GiB/s при глубине очереди 1 и постепенно возрастала до ~1,3 GiB/s при глубине 128, что указывает на ограниченное масштабирование на такой гранулярности. При блоке 128K рост выражен сильнее: от ~1,1 GiB/s до ~6,5 GiB/s на максимальной глубине. Наилучшие результаты достигнуты при размере блока 1M: старт ~2,4 GiB/s и пик ~8,5 GiB/s при глубине очереди 128, что показывает оптимальный профиль накопителя при крупных последовательных чтениях и глубоких очередях.

GDSIO: последовательная запись

Для Solidigm PS1010 при последовательной записи масштабирование лучше всего проявляется на крупных блоках, тогда как в средних размерах блоков на высоких глубинах очереди заметна просадка. На минимальном блоке 16K скорость начиналась с 0,5 GiB/s и умеренно росла до 0,9 GiB/s при глубинах 8–64, после чего немного снижалась до 0,8 GiB/s на глубине 128. При 128K производительность стартовала с 2,2 GiB/s, поднималась до пика 4,3 GiB/s на глубине 32 и далее снижалась до 1,9 GiB/s на максимальной глубине, что может указывать на насыщение по записи или термозащиту/ограничение. Лучшая устойчивая полоса достигалась при блоке 1M: от 4,1 GiB/s на глубине 1 до 5,6 GiB/s на глубинах 32 и 64, с удержанием уровня до 128.

GDSIO — сводка (QD128)

Таблица ниже показывает метрики задержки и IOPS для накопителя Solidigm D7-PS1010 при размерах блока 16K, 128K и 1M на глубине очереди 128. На QD128 задержка и IOPS предсказуемо изменяются с ростом блока: малые блоки дают наибольшие IOPS и наименьшие задержки, крупные — ниже IOPS и выше задержки.

Медиапроизводство в SMB и на периферии

Что такое Axle AI

Axle AI — локальная MAM-платформа с поддержкой ИИ, упрощающая видеопроцессы для небольших и средних команд. Система автоматизирует ключевые операции — прием материала, тегирование и поиск — без затрат и сложности, характерных для традиционных MAM-решений. Упор на скорость и простоту: контент удобнее организовывать и доставлять как в офисе, так и при удаленной работе.

Платформа покрывает весь производственный цикл: автоматически принимает отснятый материал, создает прокси, назначает метаданные на базе ИИ (распознавание объектов, лиц, семантический поиск), интегрируется с профессиональными монтажными редакторами, включая Adobe Premiere Pro и DaVinci Resolve. В результате команды быстро находят, монтируют и публикуют материалы без узких мест и задержек.

Практические сценарии

Axle AI используют вещатели, документалисты, корпоративные видео подразделения, маркетинговые агентства и продюсеры событий в реальном времени. Им требуется надежный доступ к медиатеке на разных площадках без тяжелой инфраструктуры. Через веб-интерфейс возможна удаленная совместная работа с мгновенным доступом к прокси: монтажеры начинают резку в привычных нелинейных системах, а продюсеры и заинтересованные лица просматривают, отмечают и согласуют клипы в режиме онлайн — без массивных пересылок и без специальных технических навыков.

Независимо от масштаба — пять человек или пятьдесят — Axle AI ускоряет и упрощает процессы. Простой интерфейс, быстрое развертывание и совместимость с существующими системами хранения делают решение рациональным выбором для высокопоточного распределенного производства.

Рост спроса на моментальные публикации в соцсетях резко ускорил темп выпуска контента. В сегменте живых событий действует логика «первым успел — выиграл». Индустрии потребовались средства быстро организовывать и просматривать большие массивы видеоматериала. Инструменты уровня Axle AI, способные работать и в небольших операциях, делают такую модель реальной «в поле». При корректной организации потока — например, когда камеры параллельно пишут прокси и исходники — эффективность заметно возрастает.

Сохранение одновременно исходников высокого разрешения и прокси низкого разрешения на этапе съемки, а также немедленная обработка компактных прокси в Axle AI Tags делают весь материал практически мгновенно доступным для поиска. Это снимает значительную нагрузку с продакшн-команды, позволяя переключиться на другие задачи и снижая количество ошибок.

Традиционно логирование — один из самых трудоемких и часто пропускаемых этапов медиапроцесса. Axle AI выполняет его автоматически: вместо одних только стандартных полей метаданных используются сгенерированные ИИ описания сцен, благодаря чему редактор видит содержание клипа до просмотра по таймлайну. Дополнительно доступны инструменты семантического поиска: редакторы и продюсеры находят нужный материал по понятиям и темам, а не только по заранее заданным тегам.

Масштабируемость критична: не всем задачам нужна стремительная работа «на площадке». Axle AI можно развернуть на более мощной стационарной системе с доступом к архиву компании по сетевым шарам. Это ускоряет поиск релевантного материала и помогает обнаруживать «потерянные» в фондах кадры. Редакции и вещатели получают больше ценности из уже отснятого: индекс бэклога снижает долю простаивающих активов и экономит время на самых трудозатратных этапах подготовки контента. Решение не панацея, но дает ощутимый задел в скорости и полноте отбора.

Российские аналоги Axle AI

Вопрос «чем заменить Axle AI» встает не только из-за ограничений. Во многих проектах приоритетом становятся управляемость, суверенность данных и бесшовная интеграция с уже развернутыми хранилищами и монтажными системами. На рынке есть два рабочих пути: готовые MAM-платформы и модульная сборка из доступных ИИ-компонентов.

Готовые MAM-платформы

• BRAM Technologies (A-MAM / линейка SFERA). Законченное MAM-ядро для телепроизводства: инжест, хранение, каталог, архив, интеграции с монтажом и эфиром. Подходит, когда нужен быстрый запуск «из коробки» и единая точка управления медиапроцессом.

• Облачная MAM «Синтерра Медиа» / «ОКНО ТВ». Каталогизация и доступ к медиатеке в облаке РФ. Уместно для распределенных редакций и удаленной совместной работы. Часто используется как гибридный слой над локальными хранилищами.

Когда выбирать готовую MAM

Нужны предсказуемые сроки внедрения, единый интерфейс для редакции, поддержка типовых интеграций с нелинейными системами монтажа видео (NLE) и минимальные риски сборки из разных технологий.

Модульная сборка (ИИ-функции «как у Axle AI»)

• Распознавание лиц и объектов:
  VisionLabs LUNA Platform — серверная платформа для распознавания и поиска; on-prem.
  NtechLab FindFace Enterprise — обнаружение/идентификация лиц и мультимодальный поиск; on-prem, REST API.

• OCR и базовые CV-задачи:
  Yandex Vision OCR — распознавание текста и документов, интеграция через API; возможна гибридная схема с VPC в РФ.

• Семантический поиск:
  Qdrant — on-prem векторная БД для эмбеддингов (сцены, описания, теги); обеспечивает быстрый поиск «по смыслу».

Как это сочетается

MAM-ядро (например, BRAM или облачная MAM) хранит оригиналы/прокси и метаданные. ИИ-модули формируют описания сцен и эмбеддинги (лица, объекты, текст), а Qdrant дает семантический поиск. Поверх добавляются панели/интеграции для NLE, права доступа и регламенты архива.

Еще немного о сервере HPE ProLiant DL145 Gen11

HPE ProLiant DL145 Gen11 может выступать аппаратной базой любого периферийного ИИ-решения: компактная платформа с сбалансированными вычислениями, полосой хранилища и ускорением на GPU. Поддержка до трех однослотовых GPU и шести E3.S дает запас для масштабирования под требовательные видео- и ИИ-сценарии. Ключевой вывод: грамотная сборка современных компонентов — ЦП, GPU и SSD — обеспечивает выдающуюся производительность периферийных ИИ-потоков.

Сервер спроектирован для разнообразных площадок за пределами ЦОДа: компактный HPE ProLiant DL145 Gen11 уместен в магазинах, клиниках, банках и на производственных линиях, где требуется высокая производительность. Конструктив дополняют встроенная фильтрация воздуха для запыленных помещений, повышенная энергоэффективность, устойчивость к вибрациям и заметно более тихая работа по сравнению с более старшими моделями. Такая «локационная гибкость» позволяет выполнять периферийные задачи без сложностей, связанных с попыткой поставить чисто датацентровый сервер на объект.

К тому же в сценариях для распределенных локаций сервер установил пять мировых рекордов.

Среди ключевых достижений:

• Суммарная вычислительная производительность: на 8,2% выше, чем у текущего лидера, что напрямую влияет на экономику владения и окупаемость решений.

• Энергоэффективность: показатели выше текущего мирового рекорда для Linux, что снижает операционные затраты и помогает достигать целей по устойчивому развитию.

Для заказчиков это означает практическую возможность развернуть высокопроизводительные сервисы ближе к месту возникновения данных — без издержек попыток адаптировать классическое серверное оборудование под требования периферии.

Заключение

DL145 Gen11 — прикладной «скелет» решения: компактное 2U-шасси укороченной глубины, рассчитанное на работу вне ЦОДа, с расширенным температурным режимом, пылезащитой и устойчивостью к вибрациям. В связке с процессорами AMD EPYC 8004 (до 64 ядер), поддержкой до 3 однослотовых GPU и массивом до шести EDSFF E3.S NVMe платформа дает нужный баланс вычислений, графического ускорения и полосы хранилища «на месте».

Сервер подходит для широкого круга задач на своем поле: управление запасами и кассовыми операциями в ритейле, видеоаналитика и предотвращение потерь, обработка медиаконтента с прокси и авторазметкой, локальная аналитика и бизнес-отчеты в филиалах, инференс ИИ для классификации/распознавания, предиктивное обслуживание и автоматизация процессов на производстве, локальная доставка контента и кэширование, системы контроля доступа и наблюдения, удаленные офисы и мини-ЦОД для приложений отделов, виртуальные рабочие места и тонкие клиенты, быстродействующие серверы приложений и баз данных на площадке.

Выбирая HPE ProLiant DL145 Gen11 проектные команды и SMB компании получают предсказуемую производительность в ограниченных по пространству и питанию локациях — от розницы и клиник до выездных площадок и цехов.

Руководство пользователя:

• Data Sheet (HPE ProLiant DL145 Gen11).pdf
• Техническое руководство (HPE ProLiant DL145 Gen11).pdf