HPC e AI stanno entrando in una nuova fase: più capacità di calcolo significa anche ripensare il modo in cui utenti e team tecnici accedono alle infrastrutture.
Il nostro prodotto NoMachine permette proprio questo con un accesso facile, rapido e con ottime performance.
La tecnologia è già utilizzata in importanti ambienti HPC e di ricerca scientifica, con casi pubblicamente documentati presso realtà come CINECA, ENEA, Brookhaven National Laboratory, Cornell CHESS, Diamond Light Source, Paul Scherrer Institut, Argonne National Laboratory e Helmholtz-Zentrum Berlin.
Esperienze diverse, ma con esigenze molto simili:
– accesso remoto sicuro agli ambienti Linux e HPC
– workspace ad alte prestazioni per ricercatori e sviluppatori
– accesso amministrativo alle infrastrutture critiche
– visualizzazione scientifica e grafica remota
– architetture multi-node, load balancing e alta disponibilità
– controllo di dati, workload e capacità di calcolo all’interno dell’infrastruttura
Con la crescita dei nuovi HPC, AI Factory e AI Gigafactory, vediamo NoMachine come un possibile Secure & Sovereign Access Layer tra utenti, workspace Linux/AI e infrastrutture GPU/HPC.
AI Developer → NoMachine → Linux/AI Workspace → GPU/HPC Cluster
Non vogliamo sostituire scheduler, MLOps o piattaforme GPU.
Vogliamo rendere sicuro, performante e controllato l’accesso alle risorse che queste infrastrutture mettono a disposizione.
Se la vostra azienda sta progettando un nuovo ambiente HPC/AI, GPU Cluster, AI Factory o AI Gigafactory, mi interessa confrontarmi con chi sta lavorando sull’architettura.
Scrivetemi direttamente: possiamo partire da un use case e valutarne insieme l’integrazione.
#HPC#ArtificialIntelligence#AIFactory#AIGigafactory#NoMachine#GPU#NVIDIA#Linux#Supercomputing#EuroHPC#SovereignAI#RemoteAccess

Descrizione dell’infografica
L’infografica descrive NoMachine come livello di accesso tra utenti, postazioni Linux e AI e infrastrutture HPC: supercomputer, cluster GPU, ambienti cloud e data center. Mostra accesso per sviluppatori e amministratori, scalabilità e controllo dei dati; fra gli usi indica sviluppo AI, accesso ai cluster, amministrazione, visualizzazione scientifica, formazione e collaborazione. Cita esperienze di CINECA, ENEA, Brookhaven National Laboratory, Cornell CHESS, Diamond Light Source, Paul Scherrer Institut, Argonne National Laboratory e Helmholtz-Zentrum Berlin. La grafica elenca anche le piattaforme cloud AWS, Microsoft Azure, Google Cloud, IBM Cloud e Aruba Cloud, e richiama GDPR, sovranità dei dati, NIS2 e AI Act.