DapuStor skaliert KI-Infrastruktur mit 512-TB-QLC-Speicher und Flüssigkühlung

Gezeigt werden die Komponenten auf der Tech Week Singapore 2026 in Partnerschaft mit Anbietern wie DDN. Zielgruppe sind Rechenzentren und Workloads mit hoher Parallel-I/O-Last, wie sie bei KI-Training und Inferenz auftreten.

Produktportfolio und Architekturansatz

Die R6060 E2 nutzt QLC-NAND und adressiert mit 512 TB Kapazität primär Hyperscale- und AI-Deployments. QLC-Zellen liefern höhere Bitdichte pro Die bei niedrigeren Kosten pro Gigabyte, gehen jedoch mit reduzierter Schreib-Endurance gegenüber TLC einher. Für KI-Training mit wiederholten Checkpoint-Schreibvorgängen ist dieser Parameter explizit zu prüfen, da synthetische Benchmark-Werte unter Dauerlast deutlich abweichen können. Die flüssigkeitsgekühlten E1.S-Modelle reduzieren die thermische Verlustleistung pro Rack-Einheit und ermöglichen dichtere Bestückung. Im 1U-Server mit E1.S-Slots steigt die nutzbare Kapazität pro Höheneinheit erheblich gegenüber klassischen U.2-Konfigurationen. Die Demonstration gemeinsam mit DDN und weiteren Infrastrukturpartnern signalisiert validierte Referenz-Architekturen für I/O-intensive Workloads, die als Vorlage für eigene Deployments dienen.

Betriebliche Auswirkungen

Zwei direkt messbare Effekte für den IT-Betrieb: höhere Speicherdichte pro Höheneinheit und reduzierte Kühllast im Rechenzentrum. Beide Werte wirken unmittelbar auf den PUE-Wert und die Gesamtbetriebskosten über den Lebenszyklus. Flüssigkeitsgekühlte E1.S setzen jedoch eine angepasste Rack- und CDU-Infrastruktur voraus; bestehende luftgekühlte Racks lassen sich nicht ohne weiteres nachrüsten. Vor jeder Implementierung steht daher die Frage, ob die Kühlstruktur Cold-Plate-Anschlüsse und Schlauchführung unterstützt. Zusätzlich zu beachten: veränderte Service-Prozesse, da Hot-Swap von E1.S-Modulen unter Flüssigkeitskühlung andere Handlungsabläufe erfordert als im luftgekühlten Betrieb. Auch das Monitoring der Medientemperatur und der Durchflussrate wird Pflichtparameter in der Überwachung.

Beschaffung und Lieferkette

Die Mitteilung lässt zentrale Kennzahlen offen: sequenzielle und zufällige Durchsatzraten, IOPS-Werte unter Dauerlast, Latenzprofile bei gemischter Last, Endurance-Klassen in DWPD sowie Garantie- und Support-Modelle. Ohne diese Zahlen ist keine belastbare TCO-Rechnung möglich. Für den deutschsprachigen Markt relevant: Verfügbarkeit bei Großhändlern, Lieferzeiten, EU-Supportstrukturen, Firmware-Lokalisierung und RMA-Prozesse. Globale AI-Hardware-Releases treffen häufig zunächst den asiatisch-pazifischen Markt, bevor sie nach Europa gelangen. Vor Projektbeginn sind daher ein konkreter Liefertermin mit dem Distributor, eine Testphase mit gemischten Lese- und Schreiblasten zur Endurance-Validierung sowie ein Konzept für die Integration in bestehende Monitoring-, Backup- und Erasure-Coding-Strukturen einzuplanen.