{"id":1688,"date":"2026-07-26T13:03:55","date_gmt":"2026-07-26T13:03:55","guid":{"rendered":"https:\/\/convly.ai\/?p=1688"},"modified":"2026-07-26T13:03:55","modified_gmt":"2026-07-26T13:03:55","slug":"supermicro-h15-72-gpu-ai-servers","status":"publish","type":"post","link":"https:\/\/convly.ai\/it\/supermicro-h15-72-gpu-ai-servers\/","title":{"rendered":"I nuovi server AI H15 di Supermicro lanciati con una piattaforma per l'addestramento dotata di 72 GPU"},"content":{"rendered":"<p>I server AI H15 di Supermicro rappresentano l\u2019ultima entrata nella corsa alla fornitura di hardware per l\u2019addestramento su larga scala: secondo Yahoo Finance, Supermicro (SMCI) ha lanciato questa nuova linea di server insieme a una piattaforma per l\u2019addestramento dotata di 72 GPU. Il primo rapporto \u00e8 scarso di dettagli tecnici, ma gi\u00e0 la cifra in evidenza racconta molto. Presentando 72 acceleratori come un\u2019unica piattaforma per l\u2019addestramento, Supermicro compete direttamente nel segmento del mercato definito \u00aba rack scalare\u00bb, dove interi rack integrati \u2014 anzich\u00e9 singoli server \u2014 sono diventati l\u2019unit\u00e0 standard di calcolo per l\u2019IA.<\/p>\n<div class=\"convly-tldr\">\n<h3>Punti chiave<\/h3>\n<ul>\n<li>Secondo Yahoo Finance, Supermicro (SMCI) ha lanciato i server H15 insieme a una piattaforma per l\u2019addestramento dotata di 72 GPU.<\/li>\n<li>La cifra di 72 GPU colloca gli H15 nella classe dei sistemi \u00aba rack scalare\u00bb, sempre pi\u00f9 preferiti dai grandi laboratori di IA e dai fornitori di servizi cloud per i carichi di lavoro di addestramento.<\/li>\n<li>Nel primo rapporto non sono stati indicati n\u00e9 le specifiche tecniche dettagliate, n\u00e9 i prezzi, n\u00e9 le date di disponibilit\u00e0, n\u00e9 l\u2019identit\u00e0 delle GPU integrate nella piattaforma.<\/li>\n<li>Le piattaforme a rack scalare spostano l\u2019unit\u00e0 di acquisto dai singoli server ai rack completamente integrati, trasferendo il lavoro di integrazione dall\u2019acquirente al fornitore.<\/li>\n<li>Per la maggior parte dei team di IA, questo lancio ha un impatto indiretto: una maggiore capacit\u00e0 di addestramento a monte tende a riflettersi sulla disponibilit\u00e0 dei modelli e sui prezzi del calcolo a valle.<\/li>\n<\/ul>\n<\/div>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_84 counter-flat ez-toc-counter ez-toc-container-direction\">\n<label for=\"ez-toc-cssicon-toggle-item-6a680148721fd\" class=\"ez-toc-cssicon-toggle-label\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Attiva\/Disattiva<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #000000;color:#000000\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #000000;color:#000000\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/label><input type=\"checkbox\"  id=\"ez-toc-cssicon-toggle-item-6a680148721fd\"  aria-label=\"Attiva\/Disattiva\" \/><nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/convly.ai\/it\/supermicro-h15-72-gpu-ai-servers\/#What_Supermicro_announced_with_the_H15_servers\" >Cosa ha annunciato Supermicro con i server H15<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/convly.ai\/it\/supermicro-h15-72-gpu-ai-servers\/#Why_a_72-GPU_AI_training_platform_matters\" >Perch\u00e9 una piattaforma per l\u2019addestramento dotata di 72 GPU \u00e8 importante<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/convly.ai\/it\/supermicro-h15-72-gpu-ai-servers\/#Rack-scale_platforms_versus_conventional_GPU_servers\" >Piattaforme a rack scalare rispetto ai server GPU convenzionali<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/convly.ai\/it\/supermicro-h15-72-gpu-ai-servers\/#What_the_H15_launch_means_for_AI_developers_and_model_builders\" >Cosa il lancio degli H15 significa per gli sviluppatori di IA e i creatori di modelli<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/convly.ai\/it\/supermicro-h15-72-gpu-ai-servers\/#Power_cooling_and_deployment_realities\" >Realistiche esigenze di alimentazione, raffreddamento e distribuzione<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/convly.ai\/it\/supermicro-h15-72-gpu-ai-servers\/#The_economics_who_actually_buys_72-GPU_training_systems\" >L\u2019aspetto economico: chi acquista effettivamente sistemi per l\u2019addestramento dotati di 72 GPU<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/convly.ai\/it\/supermicro-h15-72-gpu-ai-servers\/#Frequently_asked_questions\" >Domande frequenti<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/convly.ai\/it\/supermicro-h15-72-gpu-ai-servers\/#The_bottom_line\" >In sintesi<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"What_Supermicro_announced_with_the_H15_servers\"><\/span>Cosa ha annunciato Supermicro con i server H15<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Secondo Yahoo Finance, Supermicro ha lanciato i server H15 insieme a una piattaforma per l\u2019addestramento dotata di 72 GPU. Questo \u00e8 l\u2019unico dettaglio confermato nel primo rapporto. Specifiche tecniche, prezzi, tempistiche di spedizione e tipologia di acceleratore non sono stati resi noti nel breve estratto; gli acquirenti dovrebbero pertanto considerare i fogli tecnici ufficiali di Supermicro come fonte autorevole per verificare tali informazioni non appena pubblicati.<\/p>\n<p>La denominazione H15 merita comunque una breve nota. Storicamente, Supermicro ha utilizzato numerazioni progressive per indicare le diverse generazioni di piattaforme nei propri server; pertanto, un nuovo numero della serie H indica generalmente una nuova generazione di piattaforma, non semplicemente un aggiornamento minore. Tuttavia, qualsiasi ipotesi riguardo ai processori o alle GPU sottostanti rimane ancora non confermata finch\u00e9 l\u2019azienda non ne riveler\u00e0 esplicitamente i dettagli hardware.<\/p>\n<p>Per un\u2019azienda le cui fortune sono strettamente legate alle spese per l\u2019infrastruttura IA, questa mossa \u00e8 prevedibile ma significativa. I produttori di server competono principalmente sulla velocit\u00e0 con cui riescono a integrare gli ultimi acceleratori in sistemi pronti per il deployment e facilmente gestibili; una piattaforma da 72 GPU rappresenta la dichiarazione pi\u00f9 inequivocabile che Supermicro intende vendere potenza di calcolo per l\u2019IA a livello di rack, non soltanto a livello di singolo nodo.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Why_a_72-GPU_AI_training_platform_matters\"><\/span>Perch\u00e9 una piattaforma per l\u2019addestramento dotata di 72 GPU \u00e8 importante<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>L\u2019addestramento dei moderni modelli fondamentali \u00e8, in sostanza, un problema di scala. Le esecuzioni di addestramento pi\u00f9 avanzate vengono distribuite su flotte molto estese di acceleratori, e la risposta dell\u2019industria negli ultimi anni \u00e8 stata quella di standardizzare blocchi di dimensioni sempre maggiori. Se un tempo l\u2019unit\u00e0 standard di calcolo per l\u2019IA era un server dotato di otto GPU, oggi i sistemi a rack scalare \u2014 che offrono decine di GPU come un unico dominio strettamente accoppiato \u2014 sono diventati la base preferita per cluster di addestramento di alto livello.<\/p>\n<p>Una piattaforma da 72 GPU appartiene inequivocabilmente a questa categoria \u00aba rack scalare\u00bb. L\u2019interesse ingegneristico, secondo un\u2019analisi generale del settore, \u00e8 immediato: pi\u00f9 acceleratori possono comunicare tra loro tramite un interconnessione locale ad alta velocit\u00e0 anzich\u00e9 attraverso una rete dati generica del data center, meno tempo viene speso durante un\u2019esecuzione di addestramento in attesa dello spostamento dei dati tra i chip. L\u2019overhead di comunicazione \u00e8 una delle principali penalit\u00e0 sull\u2019efficienza dell\u2019addestramento su larga scala, quindi domini coerenti pi\u00f9 ampi di GPU si traducono direttamente in un migliore utilizzo dell\u2019hardware costoso.<\/p>\n<p>Per gli acquirenti, l\u2019effetto pratico \u00e8 che le discussioni sugli acquisti passano dalla domanda \u00abdi quanti server abbiamo bisogno?\u00bb a \u00abdi quanti rack abbiamo bisogno?\u00bb. Ci\u00f2 cambia chi deve affrontare il complesso lavoro di integrazione \u2014 ed \u00e8 proprio su questo terreno che i produttori di sistemi come Supermicro competono oggi.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Rack-scale_platforms_versus_conventional_GPU_servers\"><\/span>Piattaforme a rack scalare rispetto ai server GPU convenzionali<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>La tabella seguente riassume come le piattaforme per l\u2019addestramento a rack scalare, di tipo simile a quelle ora proposte da Supermicro, si confrontino tipicamente con i server GPU convenzionali. Si tratta di tendenze generali del settore, non di specifiche confermate relative agli H15, che il primo rapporto non ha incluso.<\/p>\n<table class=\"convly-vs\">\n<thead>\n<tr>\n<th>Caratteristica<\/th>\n<th>Server GPU convenzionale<\/th>\n<th>Piattaforma a rack scalare da 72 GPU<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Acceleratori per unit\u00e0<\/td>\n<td>Generalmente otto<\/td>\n<td>72, secondo il rapporto di Yahoo Finance sulla piattaforma H15<\/td>\n<\/tr>\n<tr>\n<td>Unit\u00e0 di acquisto<\/td>\n<td>Singolo nodo<\/td>\n<td>Rack integrato<\/td>\n<\/tr>\n<tr>\n<td>Dominio di interconnessione<\/td>\n<td>All\u2019interno di un singolo chassis<\/td>\n<td>Su tutto il rack<\/td>\n<\/tr>\n<tr>\n<td>Carichi di lavoro tipici<\/td>\n<td>Affinamento, inferenza, lavori di addestramento di minori dimensioni<\/td>\n<td>Addestramento di modelli su larga scala<\/td>\n<\/tr>\n<tr>\n<td>Complessit\u00e0 di integrazione<\/td>\n<td>Ricade prevalentemente sull\u2019acquirente<\/td>\n<td>Gestita in larga misura dal fornitore<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Anche i team operanti ben al di sotto della scala di un rack devono comunque affrontare scelte hardware significative; la nostra guida ai <a href=\"https:\/\/convly.ai\/it\/best-gpus-for-ai-2026\/\">migliori GPU per l'IA<\/a> copre le opzioni di acceleratore pi\u00f9 adatte a workstation e cluster di piccole dimensioni.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"What_the_H15_launch_means_for_AI_developers_and_model_builders\"><\/span>Cosa il lancio degli H15 significa per gli sviluppatori di IA e i creatori di modelli<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Molto pochi sviluppatori dovranno mai installare personalmente un sistema da 72 GPU, ma lanci di questo tipo plasmano l\u2019ambiente in cui tutti operano. La capacit\u00e0 di addestramento a monte determina quali modelli saranno disponibili a valle. Quando un numero maggiore di produttori immette sul mercato piattaforme a rack scalare, l\u2019offerta di potenza di calcolo per l\u2019addestramento si amplia e i laboratori che acquistano tale capacit\u00e0 possono iterare pi\u00f9 rapidamente su nuovi modelli. I risultati di queste iterazioni sono infine ci\u00f2 che raggiunge i nostri <a href=\"https:\/\/convly.ai\/it\/models\/\">Database dei modelli di intelligenza artificiale<\/a> come modelli rilasciati, con specifiche e prezzi pubblicati.<\/p>\n<p>La concorrenza tra costruttori di sistemi incide anche sul versante dei costi. L\u2019infrastruttura per l\u2019IA rimane ancora vincolata dall\u2019offerta nella fascia alta, e ogni ulteriore piattaforma credibile a rack scalare offre ai fornitori di servizi cloud e ai laboratori di IA una maggiore capacit\u00e0 contrattuale nell\u2019espansione della propria capacit\u00e0. A lungo termine, una concorrenza pi\u00f9 sana nel settore dell\u2019hardware per l\u2019addestramento \u00e8 uno dei fattori che contribuisce a ridurre il costo del calcolo alla base dei modelli utilizzati dagli sviluppatori \u2014 una dinamica che monitoriamo nel nostro <a href=\"https:\/\/convly.ai\/it\/ai-price-performance-index-2026\/\">indice prezzo-prestazioni per l'IA<\/a>.<\/p>\n<p>Nulla di ci\u00f2 avviene istantaneamente. L\u2019hardware annunciato oggi alimenta esecuzioni di addestramento che avranno luogo tra diversi mesi. Ma ci\u00f2 che conta \u00e8 la direzione intrapresa: il lancio degli H15 incrementa il pool di capacit\u00e0 di addestramento a rack scalare di cui l\u2019industria pu\u00f2 disporre.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Power_cooling_and_deployment_realities\"><\/span>Realistiche esigenze di alimentazione, raffreddamento e distribuzione<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>I rack GPU densi concentrano un'enorme richiesta di potenza in un'occupazione fisica ridotta; come contesto generale del settore, i sistemi di questa classe hanno spinto i data center verso il raffreddamento a liquido e una sostanziale potenziamento della distribuzione dell'energia. Le strutture progettate per rack enterprise convenzionali spesso non sono in grado di ospitare rack moderni per l'addestramento dell'IA senza significativi interventi di adeguamento.<\/p>\n<p>Il rapporto di Yahoo Finance non fornisce dettagli sul design di alimentazione o raffreddamento dell'H15, quindi tali specifiche restano da confermare. Ci\u00f2 che pu\u00f2 essere affermato con certezza \u00e8 che qualsiasi piattaforma da 72 GPU affronta le stesse leggi fisiche del resto del mercato dei sistemi su scala rack: i clienti meglio posizionati per distribuire tali sistemi sono quelli che dispongono gi\u00e0 di infrastrutture di data center progettate per carichi di lavoro AI ad alta densit\u00e0. Questa realt\u00e0 concentra il mercato potenziale per hardware di questa categoria tra provider cloud, laboratori di intelligenza artificiale e grandi imprese dotate di infrastrutture moderne.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"The_economics_who_actually_buys_72-GPU_training_systems\"><\/span>L\u2019aspetto economico: chi acquista effettivamente sistemi per l\u2019addestramento dotati di 72 GPU<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Le piattaforme di addestramento su scala rack non sono acquisti impulsivi. I clienti naturali sono i provider cloud e neocloud che costruiscono capacit\u00e0 GPU affittabili, i laboratori di IA che addestrano i propri modelli e le imprese con carichi di lavoro di addestramento estesi e sostenuti. La maggior parte degli altri enti accede a questa classe di hardware indirettamente, noleggiando capacit\u00e0 oppure semplicemente utilizzando modelli tramite API.<\/p>\n<p>Questo rende la scelta tra costruire o noleggiare la conclusione pratica pi\u00f9 rilevante per la maggior parte dei lettori. Possedere l'hardware conviene quando l'utilizzo \u00e8 costantemente elevato; noleggiarlo conviene invece quando i carichi di lavoro sono episodici o esplorativi. Il nostro <a href=\"https:\/\/convly.ai\/it\/self-hosting-vs-api-calculator\/\">calcolatore self-hosting vs API<\/a> analizza questo compromesso utilizzando i vostri dati specifici. E per i team che stanno valutando l'esecuzione di modelli su hardware sotto il proprio controllo, a qualsiasi scala, il nostro <a href=\"https:\/\/convly.ai\/it\/llm-vram-calculator\/\">calcolatore gratuito di VRAM<\/a> aiuta a stabilire quanta memoria GPU sia effettivamente necessaria per un determinato modello, prima ancora di prendere qualsiasi decisione d'acquisto.<\/p>\n<p>Il punto pi\u00f9 ampio \u00e8 che lanci come quello dell'H15 continuano ad ampliare il ventaglio di opzioni lungo tutto questo spettro: dal noleggio di una porzione di rack altrui fino, per i clienti pi\u00f9 grandi, all'ordinazione diretta di interi rack.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Frequently_asked_questions\"><\/span>Domande frequenti<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Che cosa sono i server Supermicro H15?<\/strong> Si tratta di una nuova linea di server Supermicro, annunciata da Yahoo Finance insieme a una piattaforma per l'addestramento dell'IA da 72 GPU. Le specifiche complete non erano state fornite nel rapporto iniziale.<\/p>\n<p><strong>Quante GPU supporta la nuova piattaforma di addestramento Supermicro?<\/strong> Secondo il titolo di Yahoo Finance, la piattaforma \u00e8 basata su 72 GPU, collocandola nella categoria dei sistemi di addestramento dell'IA su scala rack.<\/p>\n<p><strong>Quali GPU alimentano la piattaforma H15?<\/strong> Il rapporto iniziale non specifica il tipo di acceleratore hardware impiegato. Gli acquirenti dovrebbero consultare i fogli tecnici ufficiali di Supermicro per ottenere informazioni confermate sui componenti.<\/p>\n<p><strong>A chi \u00e8 rivolta la piattaforma da 72 GPU?<\/strong> Nel contesto generale del mercato, sistemi di questa categoria sono tipicamente acquistati da provider cloud, laboratori di intelligenza artificiale e grandi imprese con carichi di lavoro sostenuti di addestramento di modelli e data center progettati per rack ad alta densit\u00e0.<\/p>\n<p><strong>Il lancio dell'H15 ha un impatto sui team di IA pi\u00f9 piccoli?<\/strong> Indirettamente. Una maggiore capacit\u00e0 di addestramento su scala rack disponibile sul mercato favorisce generalmente uno sviluppo pi\u00f9 rapido dei modelli e prezzi pi\u00f9 competitivi per la potenza computazionale, beneficiando infine anche i team che utilizzano modelli tramite API o GPU noleggiate.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"The_bottom_line\"><\/span>In sintesi<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Riducendo la notizia ai soli elementi confermati, essa \u00e8 semplice: Yahoo Finance riporta che Supermicro ha lanciato i server H15 insieme a una piattaforma per l'addestramento dell'IA da 72 GPU. I dettagli che determineranno la competitivit\u00e0 effettiva della piattaforma \u2014 la scelta dei chip, l'interconnessione, l'alimentazione, il raffreddamento e il prezzo \u2014 restano ancora da pubblicare. Tuttavia, la forma stessa dell'annuncio \u00e8 gi\u00e0 significativa. L'unit\u00e0 di calcolo per l'addestramento dell'IA si \u00e8 spostata in modo inequivocabile verso il rack, e Supermicro segnala la propria intenzione di continuare a competere attivamente in questo mercato con hardware di ultima generazione. Per gli sviluppatori di IA, questo lancio rappresenta un ulteriore incremento di capacit\u00e0 a monte nella catena di approvvigionamento, che alla fine determina quali modelli verranno addestrati, con quale velocit\u00e0 e a quale costo.<\/p>\n<p><em>Fonti: news.google.com. Segnalato il 26 luglio 2026.<\/em><\/p>","protected":false},"excerpt":{"rendered":"<p>Yahoo Finance reports that Supermicro has launched its H15 server line with a 72-GPU AI training platform. Here is what the rack-scale launch means for AI developers and infrastructure buyers.<\/p>","protected":false},"author":1,"featured_media":1689,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[248],"tags":[925,1003,1004,1002,1005,1001,1000],"class_list":["post-1688","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-gpus","tag-ai-infrastructure","tag-ai-training-hardware","tag-gpu-servers","tag-h15-servers","tag-rack-scale-computing","tag-smci","tag-supermicro"],"_links":{"self":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts\/1688","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/comments?post=1688"}],"version-history":[{"count":1,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts\/1688\/revisions"}],"predecessor-version":[{"id":1690,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts\/1688\/revisions\/1690"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/media\/1689"}],"wp:attachment":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/media?parent=1688"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/categories?post=1688"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/tags?post=1688"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}