IBM公司近日宣布大幅扩展其本地企业基础设施产品线，推出全新的单框架及机架式z17大型主机，以及更为紧凑的LinuxONE 5服务器平台。

全新产品阵容

此次新品包括IBM LinuxONE Rockhopper 5和IBM LinuxONE 5 Express系统，这也是IBM首次以更灵活的外形尺寸及更具竞争力的价格提供此类产品。与此同时，已缩减至标准19英寸机架安装尺寸的小型z17系统，旨在进一步降低传统主机的使用门槛，让规模较小的企业也能享受其高性能处理能力和工业级安全防护。

IBM首席产品官蒂娜·塔尔奎尼奥在一篇博文中介绍了这批新主机，指出它们的设计目标是应对各类规模企业正在面临的两大痛点：一是在严格监管要求下，企业需要在本地运行敏感且数据密集型的AI工作负载；二是面临降低能耗和缩减数据中心占地面积的双重压力。

硬件性能大幅提升

塔尔奎尼奥表示，IBM通过一系列令人印象深刻的硬件工程突破解决了上述挑战。例如，新款单框架及机架式z17系统在更小的物理空间内集成了强大的计算能力，最多支持82个处理核心，仅通过两个处理器抽屉即可提供高达18TB的内存容量。这些系统搭载IBM最新一代Telum II处理器，与上一代z16主机相比，单线程性能提升10%，整体容量最多提升20%。

Linux计算环境方面同样取得显著进展。IBM研究员马塞尔·米特兰在另一篇博文中指出，LinuxONE Rockhopper 5平台能够承担相当于23台同规格x86服务器的工作负载，主要面向事务处理和AI工作负载，与标准服务器相比可降低高达83%的功耗。在Red Hat OpenShift上运行融合AI的在线事务处理（OLTP）工作负载时，新系统仅需标准x86配置四分之一的核心数，即可完成同等工作量。

至于LinuxONE 5 Express，则是专为中小型企业设计的预配置低价入门级产品，可直接与现有x86服务器并排部署，无需对冷却或电力系统进行专项升级。

布局企业AI基础设施市场

抛开亮眼的性能规格，此次新品发布将IBM定位为快速成熟的企业AI基础设施市场的核心参与者。随着AI工作负载从试点项目迈向全面生产部署，许多企业已意识到将大量敏感数据迁移至公有云会带来延迟、成本和治理方面的重大挑战。

IBM的z17和LinuxONE平台为企业提供了一种无需将任何数据迁移至云端即可运行AI工作负载的解决方案。企业可以在本地、在处理事务的同一设施内，完成实时AI推理、欺诈检测和自动化决策。IBM通过IBM Spyre加速器支撑这一能力，使生成式AI和智能体应用能够在强大的安全边界内与事务数据工作负载并行运行。

星座研究公司分析师霍尔格·穆勒表示，多重因素正在汇聚，使IBM的纤薄外形平台对企业颇具吸引力，包括降低延迟、将应用更贴近数据的需求，受监管行业的数据驻留要求，以及出于合规目的将AI部署于本地的迫切需要。

"凭借Telum处理器和Spyre加速器，IBM打造了芯片平台，可在更小的单机架空间内实现上述目标，同时覆盖主机和Linux平台，"该分析师表示，"高层管理者应认真考量这一方案，因为IBM为本地数据带来了灵活的系统性能，并在z17和LinuxONE平台上同时支持AI能力。这对于日益渴望和需要AI自动化的IBM现有用户群而言，极具吸引力。"

软件与安全同步升级

此次新硬件的发布同步配套了更新的软件栈，其中包括一个全新的基础设施管理平台，支持基础设施即代码和OpenTelemetry标准，实现快速动态配置与深度运营可见性。

安全性方面同样得到强化，IBM为新系统标配了量子安全加密技术，并内置了高级密码学运算工具及COBOL应用现代化工具。

总体而言，IBM的大型主机和Linux系统不仅在体积上变得更加紧凑，更为规模较小的企业大规模落地AI提供了更为高效的实现路径。

Q&A

Q1：IBM z17主机缩小版和原来的z16相比，性能提升了多少？

A：新款z17系统搭载IBM最新一代Telum II处理器，与上一代z16主机相比，单线程性能提升约10%，整体容量提升最高可达20%。在物理规格上，新系统已压缩至标准19英寸机架尺寸，但仍支持最多82个处理核心，并可通过两个处理器抽屉提供高达18TB内存，实现了性能与体积的双重突破。

Q2：LinuxONE Rockhopper 5能省多少电？

A：据IBM研究员马塞尔·米特兰介绍，LinuxONE Rockhopper 5与标准x86服务器相比，可降低高达83%的功耗。此外，当在Red Hat OpenShift上运行融合AI的在线事务处理（OLTP）工作负载时，新系统仅需标准x86配置四分之一的核心数，即可完成同等工作量，兼顾了性能与能效。

Q3：IBM Spyre加速器是干什么用的？

A：IBM Spyre加速器是专为z17和LinuxONE平台设计的AI加速硬件，其核心作用是让生成式AI和智能体应用能够直接在本地与事务数据工作负载并行运行，无需将敏感数据迁移至公有云。这有助于企业在满足合规和数据治理要求的同时，实现实时AI推理、欺诈检测和自动化决策等能力。