{"id":2947,"date":"2026-06-18T07:35:00","date_gmt":"2026-06-18T07:35:00","guid":{"rendered":"https:\/\/interactivehpc.dk\/?p=2947"},"modified":"2026-06-24T07:35:49","modified_gmt":"2026-06-24T07:35:49","slug":"vellykket-flytning-af-datacenter-giver-oeget-gpu-kapacitet-og-lettere-adgang-til-ucloud","status":"publish","type":"post","link":"https:\/\/interactivehpc.dk\/?p=2947&lang=da","title":{"rendered":"Vellykket flytning af datacenter giver \u00f8get GPU-kapacitet og lettere adgang til UCloud"},"content":{"rendered":"\n
Flytningen af SDU\u2019s datacenter fra universitetets campus i Odense til Danfoss\u2019 faciliteter i S\u00f8nderborg er blevet gennemf\u00f8rt med succes. Flytningen var resultatet af flere m\u00e5neders omhyggelig planl\u00e6gning og t\u00e6t koordinering mellem de mange involverede interessenter. Processen var planlagt til at str\u00e6kke sig over \u00e9n uge og blev gennemf\u00f8rt fuldt ud inden for den fastsatte tidsramme.<\/p>\n\n\n\n
Mere GPU-kraft, lettere adgang og nye muligheder i UCloud<\/strong>\u00a0<\/h2>\n\n\n\n
Som led i den nye infrastruktur er UCloud blevet opgraderet med nye funktioner og en mere kraftfuld infrastruktur. Opgraderingerne giver brugerne bedre adgang til moderne beregningsressourcer, en mere intuitiv brugeroplevelse og nye muligheder for at arbejde med b\u00e5de applikationer og virtuelle maskiner.<\/p>\n\n\n\n
Det nye system er udviklet med henblik p\u00e5 at g\u00f8re det lettere at komme i gang, samtidig med at det tilbyder markant \u00f8get regnekraft til kr\u00e6vende opgaver inden for kunstig intelligens, maskinl\u00e6ring, dataanalyse og avancerede HPC workloads.\u00a0<\/p>\n\n\n\n
Den nye UCloud-infrastruktur indeb\u00e6rer en betydelig udvidelse af den tilg\u00e6ngelige GPU-kapacitet. Platformen omfatter nu 128 komplette NVIDIA B200 GPU-kort, hvilket svarer til omtrent en tredobling af kapaciteten sammenlignet med tidligere. Samtidig er de nye B200-kort v\u00e6sentligt mere kraftfulde end de GPU-kort, de erstatter.<\/p>\n\n\n\n
Det betyder, at flere GPU-ressourcer nu er samlet \u00e9t sted, hvilket forbedrer den samlede tilg\u00e6ngelighed i systemet og g\u00f8r det lettere for brugerne at f\u00e5 adgang til den n\u00f8dvendige regnekraft.<\/p>\n\n\n\n
NVIDIA B200 er blandt de mest avancerede GPU-kort p\u00e5 markedet og er udviklet til at underst\u00f8tte de mest kr\u00e6vende HPC- og AI-workloads.\u00a0Brugere, der arbejder med store modeller, komplekse beregninger eller dataintensive arbejdsgange, f\u00e5r derfor adgang til mere kraftfuld hardware end tidligere.<\/p>\n\n\n\n
Mere omkostningseffektiv adgang til GPU\u2019er med MIG-teknologi<\/strong>\u00a0<\/h2>\n\n\n\n
En af de nye muligheder i UCloud er anvendelsen af Multi-Instance GPUs (MIGs). Med MIG-teknologien opdeles en enkelt GPU i flere mindre, fuldt isolerede GPU-instanser. Det g\u00f8r det muligt at benytte en del af en GPU i stedet for et helt B200-kort. \u00c9n MIG svarer til 1\/7 af et fuldt GPU-kort.<\/p>\n\n\n\n<\/figure>\n\n\n\n
Dette betyder, at brugere kan f\u00e5 adgang til GPU-ressourcer til omtrent en syvendedel af prisen for et komplet GPU-kort. For mange arbejdsopgaver udg\u00f8r dette en attraktiv balance mellem ydelse og omkostninger. Hvis en opgave ikke kr\u00e6ver den fulde kapacitet af en B200-GPU, giver MIG adgang til GPU-accelereret beregning til en v\u00e6sentligt lavere pris.<\/p>\n\n\n\n
Denne l\u00f8sning kan hj\u00e6lpe brugerne med at udnytte deres ressourcer mere effektivt. Ved at v\u00e6lge en MIG-instans frem for en fuld GPU kan en tildeling r\u00e6kke over flere beregningstimer, hvilket g\u00f8r det muligt at gennemf\u00f8re flere beregningsopgaver inden for det samme budget.<\/p>\n\n\n\n
Samtidig bidrager MIG-teknologien til en bedre udnyttelse af den samlede kapacitet. Da flere brugere kan dele ressourcerne p\u00e5 et enkelt GPU-kort, kan flere brugere f\u00e5 adgang til GPU-beregninger samtidig.<\/p>\n\n\n\n
En enklere platform med \u00e9n prim\u00e6r leverand\u00f8r<\/h2>\n\n\n\n
Den nye UCloud-platform er ogs\u00e5 blevet enklere at anvende. Hvor brugerne tidligere skulle v\u00e6lge mellem flere forskellige leverand\u00f8rer, vil de fleste nu arbejde med \u00e9n prim\u00e6r leverand\u00f8r.<\/p>\n\n\n\n
Dette skaber en mere overskuelig brugeroplevelse og reducerer behovet for teknisk forh\u00e5ndsviden. Det bliver lettere at vurdere, hvor workloads skal afvikles, og hvilke ressourcer der er mest hensigtsm\u00e6ssige at anvende.<\/p>\n\n\n\n
Den nye leverand\u00f8rstruktur betyder desuden, at brugerne arbejder i et sikkert milj\u00f8, som er godkendt til h\u00e5ndtering af f\u00f8lsomme data.<\/p>\n\n\n\n
For brugerne indeb\u00e6rer dette mindre tid brugt p\u00e5 at forst\u00e5 den underliggende infrastruktur og mere tid til forskning, analyse og udviklingsarbejde.<\/p>\n\n\n\n<\/figure>\n\n\n\n
Nye muligheder med virtuelle maskiner<\/strong>\u00a0<\/h2>\n\n\n\n
UCloud omfatter nu ogs\u00e5 nye funktioner til virtuelle maskiner. Disse giver en t\u00e6ttere integration mellem virtuelle maskiner og de \u00f8vrige applikationer, der er tilg\u00e6ngelige p\u00e5 platformen.<\/p>\n\n\n\n
Det g\u00f8r det lettere at kombinere arbejdsgange, hvor nogle opgaver afvikles som applikationer, mens andre kr\u00e6ver et virtuelt maskinmilj\u00f8. For brugere med behov for st\u00f8rre fleksibilitet, specialtilpassede softwaremilj\u00f8er, udvidede systemrettigheder eller l\u00e6ngerevarende beregningsmilj\u00f8er giver de nye virtuelle maskiner flere muligheder for at arbejde i UCloud.<\/p>\n\n\n\n
De nye virtuelle maskiner underst\u00f8tter desuden persistent lagring. Det betyder, at brugerne kan s\u00e6tte en virtuel maskine p\u00e5 pause og genoptage arbejdet senere uden at miste hverken data eller den eksisterende arbejdsops\u00e6tning.<\/p>\n\n\n\n
Dette skaber en mere fleksibel arbejdsform, hvor brugerne kan konfigurere et milj\u00f8, s\u00e6tte det p\u00e5 pause, n\u00e5r det ikke er i brug, og forts\u00e6tte arbejdet fra samme udgangspunkt p\u00e5 et senere tidspunkt.<\/p>\n\n\n\n
Lettere sammenkobling af beregningsopgaver<\/h2>\n\n\n\n
UCloud introducerer desuden en ny metode til at forbinde beregningsopgaver. Det er nu muligt at etablere lokale netv\u00e6rk mellem forskellige jobs, hvilket g\u00f8r det lettere for de enkelte dele af en arbejdsgang at kommunikere med hinanden.<\/p>\n\n\n\n
Tidligere kunne brugerne v\u00e6re mere afh\u00e6ngige af den r\u00e6kkef\u00f8lge, hvori applikationer blev startet. Med den nye funktion til lokal netv\u00e6rksforbindelse kan jobs nu kobles sammen p\u00e5 en mere fleksibel og robust m\u00e5de.<\/p>\n\n\n\n
![\"\"](\"https:\/\/interactivehpc.dk\/wp-content\/uploads\/2026\/06\/image.png\")
<\/figure>\n\n\n\n![\"\"](\"https:\/\/interactivehpc.dk\/wp-content\/uploads\/2026\/06\/Soenderborg.png\")
<\/figure>\n\n\n\n