{"id":2906,"date":"2026-10-13T00:59:19","date_gmt":"2026-10-13T00:59:19","guid":{"rendered":"https:\/\/convly.ai\/?p=2906"},"modified":"2026-10-13T00:59:19","modified_gmt":"2026-10-13T00:59:19","slug":"intel-gpu-d270-specifications-crescent-island","status":"publish","type":"post","link":"https:\/\/convly.ai\/it\/intel-gpu-d270-specifications-crescent-island\/","title":{"rendered":"Intel GPU D270 raggiunge 1,3 PFLOPS per l'inferenza AI"},"content":{"rendered":"<p>Intel ha ufficialmente denominato e rilasciato le specifiche finali del suo acceleratore AI Crescent Island molto atteso, presentando il prodotto come parte della nuova linea GPU D-Series. Il flagship <strong>Specifiche di Intel GPU D270<\/strong> rivelano un chip ingegnerizzato specificamente per l'inferenza AI aziendale: 1,3 PFLOPS di picco di throughput di calcolo FP8, 1,5 TB\/s di larghezza di banda della memoria e 480GB di memoria LPDDR5X on-device per scheda. L'annuncio, fatto all'Open Compute Project Global Summit il 12 ottobre 2026, segna la prima GPU data-center commerciale di Intel rivolta direttamente al mercato dell'inferenza dopo le cancellazioni di Rialto Bridge (2023) e Falcon Shores (2025).<\/p>\n<div class=\"convly-tldr\">\n<h3>Punti chiave<\/h3>\n<ul>\n<li>Intel GPU D270 raggiunge 1,3 PFLOPS di calcolo FP8, abbinato a 1,5 TB\/s di larghezza di banda della memoria per compiti di inferenza<\/li>\n<li>Ogni scheda dispone di 480GB di memoria LPDDR5X e consuma 350 watt in funzionamento raffreddato ad aria<\/li>\n<li>32 core Xe3P e 256 motori matrix XMX per acceleratore mirano a implementazioni ottimizzate per costo e potenza<\/li>\n<li>Crescent Island \u00e8 posizionato come prodotto temporaneo focalizzato su inferenza, non in competizione con chip di punta come NVIDIA Blackwell Ultra<\/li>\n<li>La connettivit\u00e0 PCI Express 5.0 e il supporto driver Linux upstream consentono un'adozione aziendale rapida<\/li>\n<li>Progettato esplicitamente per carichi di lavoro di inferenza AI agentica in ambienti edge e data-centre<\/li>\n<\/ul>\n<\/div>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_88 counter-flat ez-toc-counter ez-toc-container-direction\">\n<label for=\"ez-toc-cssicon-toggle-item-6acdba2db1d60\" 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-6acdba2db1d60\"  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\/intel-gpu-d270-specifications-crescent-island\/#Crescent_Islands_Role_in_Intels_GPU_Strategy\" >Il ruolo di Crescent Island nella strategia GPU di Intel<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/convly.ai\/it\/intel-gpu-d270-specifications-crescent-island\/#Intel_GPU_D270_Specifications_and_Performance_Metrics\" >Specifiche e metriche di performance di Intel GPU D270<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/convly.ai\/it\/intel-gpu-d270-specifications-crescent-island\/#Comparison_to_Competing_Inference_Accelerators\" >Confronto con acceleratori di inferenza concorrenti<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/convly.ai\/it\/intel-gpu-d270-specifications-crescent-island\/#Linux_Driver_Support_and_Deployment_Readiness\" >Supporto driver Linux e prontezza di implementazione<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/convly.ai\/it\/intel-gpu-d270-specifications-crescent-island\/#Target_Use_Cases_Agentic_AI_and_Inference-at-Scale\" >Casi d'uso target: AI agentica e inferenza su scala<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/convly.ai\/it\/intel-gpu-d270-specifications-crescent-island\/#Availability_and_Ecosystem_Readiness\" >Disponibilit\u00e0 e prontezza dell'ecosistema<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/convly.ai\/it\/intel-gpu-d270-specifications-crescent-island\/#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\/intel-gpu-d270-specifications-crescent-island\/#The_Bottom_Line\" >In sintesi<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"Crescent_Islands_Role_in_Intels_GPU_Strategy\"><\/span>Il ruolo di Crescent Island nella strategia GPU di Intel<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Dopo un vuoto di due anni nei rilasci di GPU commerciali, Crescent Island di Intel rappresenta una piattaforma strategica verso il mercato esplosivo dell'inferenza AI. <a href=\"https:\/\/www.servethehome.com\/intels-crescent-island-ai-server-gpu-gets-a-name-and-specs-meet-the-intel-gpu-d-series\/\" rel=\"noopener\" target=\"_blank\">ServeTheHome riferisce<\/a> che la GPU D-Series \u00e8 stata annunciata come famiglia di prodotti ufficiale di Crescent Island, con l'azienda che posiziona esplicitamente l'acceleratore per carichi di lavoro di inferenza aziendale anzich\u00e9 di addestramento. I tempi riflettono un riconoscimento pi\u00f9 ampio del settore: man mano che i modelli di linguaggio di grandi dimensioni si maturano, l'inferenza\u2014non l'addestramento\u2014\u00e8 diventata il collo di bottiglia computazionalmente intensivo e che genera ricavi per i provider cloud e le aziende che eseguono sistemi AI agentici. La messa a fuoco di Intel su efficienza di costo e potenza rispetto al throughput di picco segnala una scommessa che gli acquirenti preferiscono accelerazione di inferenza conveniente e a bassa potenza rispetto alla performance di punta.<\/p>\n<p>La D-Series si discosta dalla precedente linea GPU di Intel, che era incentrata su Ponte Vecchio (2021)\u2014un acceleratore general-purpose che non ha mai visto un'adozione diffusa. Crescent Island \u00e8 pi\u00f9 limitato in ambizione ma pi\u00f9 pratico: \u00e8 costruito su una variante migliorata dell'architettura GPU Xe3 chiamata Xe3P, appositamente realizzato per modelli quantizzati che funzionano con precisione ridotta. Questa specializzazione sottende l'appeal del chip: gli acquirenti che implementano motori di inferenza LLM di produzione quantizzano sempre pi\u00f9 spesso i modelli a FP8 o inferiore per ridurre l'impronta di memoria e la latenza, e Crescent Island ottimizza l'hardware per esattamente quel carico di lavoro.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Intel_GPU_D270_Specifications_and_Performance_Metrics\"><\/span>Specifiche e metriche di performance di Intel GPU D270<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Le specifiche di Intel GPU D270 sottolineano la filosofia focalizzata su inferenza del design. <a href=\"https:\/\/www.phoronix.com\/news\/intel-gpu-d-series-crescent-island\" rel=\"noopener\" target=\"_blank\">Secondo Phoronix<\/a>il flagship D270 combina 32 core Xe3P con 256 motori matrix XMX\u2014un array di acceleratore matrix-multiply a 256 bit ottimizzato per operazioni di tensore a bassa precisione. Questa configurazione fornisce 1,3 PFLOPS di throughput FP8 sotto carico di picco, rispetto <a href=\"https:\/\/www.tomshardware.com\" rel=\"noopener\" target=\"_blank\">Tom's Hardware<\/a>al rapporto di 1,5 TB\/s di larghezza di banda della memoria sostenuta. La configurazione della memoria\u2014480GB di LPDDR5X per scheda, come documentato da <a href=\"https:\/\/www.videocardz.com\" rel=\"noopener\" target=\"_blank\">VideoCardz.com<\/a>\u2014scambia la larghezza di banda di picco per densit\u00e0 e costo: LPDDR5X \u00e8 pi\u00f9 economico e consuma meno potenza di HBM3, anche se offre un throughput inferiore rispetto alle offerte dei principali concorrenti. Per l'inferenza, questo scambio favorisce spesso il costo per inferenza, non il throughput per watt.<\/p>\n<p>Il consumo di potenza \u00e8 valutato a 350 watt per scheda in funzionamento raffreddato ad aria, rendendo il D270 competitivo con acceleratori di inferenza di fascia media in termini di impronta termica. La scheda utilizza PCI Express 5.0 per la connettivit\u00e0 host, garantendo compatibilit\u00e0 con piattaforme server attuali e future senza diventare un collo di bottiglia infrastrutturale. Queste specifiche posizionano Crescent Island come deliberatamente pragmatico: non all'avanguardia su nessuna metrica singola, ma bilanciato su variabili che determinano la densit\u00e0 di implementazione e il costo operativo in un data centre.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Comparison_to_Competing_Inference_Accelerators\"><\/span>Confronto con acceleratori di inferenza concorrenti<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<table class=\"convly-vs\">\n<thead>\n<tr>\n<th>Acceleratore<\/th>\n<th>Throughput FP8<\/th>\n<th>Memoria (VRAM)<\/th>\n<th>Larghezza di banda della memoria<\/th>\n<th>Focus<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Intel GPU D270 (Crescent Island)<\/td>\n<td>1,3 PFLOPS<\/td>\n<td>480GB LPDDR5X<\/td>\n<td>1,5 TB\/s<\/td>\n<td>Inferenza ottimizzata per costo<\/td>\n<\/tr>\n<tr>\n<td>NVIDIA H100 (modalit\u00e0 inferenza)<\/td>\n<td>2,0\u20132,7 PFLOPS (varia)<\/td>\n<td>80GB HBM3<\/td>\n<td>3,3 TB\/s<\/td>\n<td>Addestramento + inferenza<\/td>\n<\/tr>\n<tr>\n<td>AMD MI255X<\/td>\n<td>1,5 PFLOPS (FP8)<\/td>\n<td>192GB HBM3<\/td>\n<td>5,3 TB\/s<\/td>\n<td>Addestramento + inferenza<\/td>\n<\/tr>\n<tr>\n<td>Cerebras Condor (inferenza)<\/td>\n<td>~1,0\u20132,0 PFLOPS<\/td>\n<td>900GB distribuiti<\/td>\n<td>Ultra-elevato (on-chip)<\/td>\n<td>Specializzato in inferenza<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>In questo panorama, il D270 di Intel occupa una nicchia distinta: sacrifica il throughput assoluto e la larghezza di banda per ottenere costi inferiori e consumo di potenza per token di inferenza. Per implementazioni di inferenza a singola copia\u2014data centre edge, installazioni on-premise o servizi di inferenza ospitati dove la densit\u00e0 conta pi\u00f9 della velocit\u00e0 pura\u2014la configurazione 1,3 PFLOPS e 480GB del D270 \u00e8 competitiva. Non \u00e8 un rivale per l'H100 di punta di NVIDIA o l'MI255X di AMD per l'addestramento o cluster densi multi-GPU, ma affronta un segmento di mercato genuino: team che eseguono modelli di produzione quantizzati che danno priorit\u00e0 al throughput per dollaro e capacit\u00e0 di raffreddamento rispetto al superamento dei confini dell'aritmetica FP8.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Linux_Driver_Support_and_Deployment_Readiness\"><\/span>Supporto driver Linux e prontezza di implementazione<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Un vantaggio significativo per Crescent Island \u00e8 la maturit\u00e0 del driver Linux upstream. <a href=\"https:\/\/www.phoronix.com\/news\/intel-gpu-d-series-crescent-island\" rel=\"noopener\" target=\"_blank\">Phoronix nota<\/a> che il supporto del driver del kernel Linux per la GPU D-Series \u00e8 stato sviluppato apertamente a monte, il che significa che il codice del driver \u00e8 gi\u00e0 revisionato e integrato nel kernel Linux prima del rilascio del prodotto. Ci\u00f2 contrasta fortemente con alcuni acceleratori proprietari, che vengono forniti con driver chiusi o tardivi che possono rallentare l'adozione in ambienti Linux di produzione. Per implementazioni di data-centre aziendale\u2014che funzionano prevalentemente su Linux\u2014il supporto driver robusto e precoce \u00e8 un vantaggio materiale. I team possono iniziare a integrare Crescent Island nelle loro pipeline di inferenza e nei sistemi di orchestrazione di container (Kubernetes, Ray, vLLM) senza attendere rilasci di driver fornitori o preoccuparsi della stabilit\u00e0 del driver su carichi di lavoro di produzione.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Target_Use_Cases_Agentic_AI_and_Inference-at-Scale\"><\/span>Casi d'uso target: AI agentica e inferenza su scala<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Intel mira esplicitamente a Crescent Island per i sistemi AI agentici\u2014un segmento di mercato in esplosione nel 2026 mentre le aziende distribuiscono agenti autonomi che effettuano ripetute chiamate di inferenza. Questi agenti eseguono modelli quantizzati (spesso con parametri da 7B a 70B con precisione a 4-bit o 8-bit) e richiedono alto throughput e bassa latenza su migliaia di richieste simultanee. La memoria di 480GB per card del D270 \u00e8 particolarmente attraente per questo carico di lavoro: una singola card pu\u00f2 contenere pi\u00f9 modelli di grandi dimensioni in forma quantizzata, permettendo a una singola GPU di servire agenti diversi o pipeline di inferenza multi-modello senza il sovraccarico dello scaricamento dei modelli. <a href=\"https:\/\/convly.ai\/it\/llm-vram-calculator\/\" rel=\"noopener\" target=\"_blank\">Per i team che valutano i requisiti di VRAM<\/a>, i 480GB per D270 si traducono in significative economie di hosting rispetto ad acceleratori pi\u00f9 piccoli o CPU.<\/p>\n<p>Le distribuzioni di inferenza su larga scala\u2014provider cloud che eseguono migliaia di richieste di inferenza degli utenti\u2014beneficiano anch'esse. Il consumo energetico ridotto (350W) e la curva dei costi LPDDR5X significano che gli operatori possono distribuire pi\u00f9 D270 per kilowatt e per dollaro rispetto ad acceleratori di fascia pi\u00f9 alta. In un cluster con 1000 GPU, questa differenza si moltiplica: un risparmio di potenza del 20% e di costo del 15% per acceleratore si traduce in milioni di dollari in infrastruttura e costi operativi. Il posizionamento di Crescent Island da parte di Intel come prodotto intermedio riconosce esplicitamente che non vincer\u00e0 i clienti che cercano i massimi TFLOPS per socket; vincer\u00e0 i clienti che ottimizzano per il costo e la densit\u00e0 dell'inferenza.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Availability_and_Ecosystem_Readiness\"><\/span>Disponibilit\u00e0 e prontezza dell'ecosistema<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Intel non si \u00e8 impegnata pubblicamente su una data di spedizione specifica, sebbene l'annuncio al OCP Global Summit il 12 ottobre 2026 e la maturit\u00e0 dei driver open-source suggeriscono che la disponibilit\u00e0 in produzione \u00e8 imminente. Le aziende interessate a valutare Crescent Island dovrebbero aspettarsi di vedere kit per sviluppatori e programmi di accesso anticipato nel prossimo trimestre, con disponibilit\u00e0 generale probabilmente nel 2027. I system integrator e i provider cloud stanno gi\u00e0 progettando architetture di riferimento per il D270, con diversi fornitori che preparano server di inferenza chiavi in mano con l'acceleratore. Il coinvolgimento dell'Open Compute Project\u2014un organismo di standardizzazione collaborativo per l'hardware dei data center\u2014segnala che Crescent Island potrebbe vedere un'adozione rapida tra i grandi utenti cloud ed enterprise che valorizzano l'interoperabilit\u00e0 e la prevedibilit\u00e0 dei costi.<\/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>Crescent Island \u00e8 pi\u00f9 veloce di NVIDIA H100?<\/strong> No. Intel GPU D270 fornisce 1.3 PFLOPS di throughput FP8, mentre un H100 pu\u00f2 superare 2.0 PFLOPS a seconda della precisione e della configurazione. Tuttavia, Crescent Island consuma meno potenza (350W vs 700W dell'H100) e costa significativamente meno per unit\u00e0, rendendola pi\u00f9 conveniente per carichi di lavoro solo inferenza.<\/p>\n<p><strong>Posso usare Crescent Island per l'addestramento di LLM?<\/strong> \u00c8 possibile ma non consigliato. Crescent Island \u00e8 ottimizzato per l'inferenza\u2014passaggi forward veloci su modelli quantizzati. L'addestramento, che richiede passaggi backward e precisione pi\u00f9 elevata, non \u00e8 il caso d'uso previsto e sarebbe inefficiente rispetto a chip come NVIDIA H100 o AMD MI255X.<\/p>\n<p><strong>Quali modelli rientrano in 480GB di VRAM?<\/strong> Con precisione a 8-bit, un D270 da 480GB pu\u00f2 contenere simultaneamente pi\u00f9 modelli di grandi dimensioni a pesi aperti. Ad esempio, un modello quantizzato con parametri da 70B consuma circa 70GB a 8-bit, lasciando spazio per modelli aggiuntivi o elaborazione batch. <a href=\"https:\/\/convly.ai\/it\/llm-vram-calculator\/\" rel=\"noopener\" target=\"_blank\">Usa il calcolatore VRAM di Convly<\/a> per stimare il footprint di memoria del tuo modello specifico.<\/p>\n<p><strong>Crescent Island supporter\u00e0 framework di inferenza popolari?<\/strong> Yes. Upstream Linux driver support means frameworks like vLLM, LM Studio, Ollama, and others can integrate Crescent Island support quickly. Enterprise frameworks used by cloud providers (Ray, Anyscale, Hugging Face Inference Server) will likely add support once devices are in the wild.<\/p>\n<p><strong>Come si confronta Crescent Island con i costi di inferenza open-weight?<\/strong> <a href=\"https:\/\/convly.ai\/it\/open-vs-closed-ai-cost-gap-2026\/\" rel=\"noopener\" target=\"_blank\">Convly&#8217;s open vs closed AI cost study<\/a> fornisce benchmark per l'inferenza self-hosted rispetto alle API call. Crescent Island consente costi competitivi per l'inferenza self-hosted, specialmente su larga scala, ma l'investimento in capitale e l'onere operativo devono essere valutati rispetto ai servizi gestiti come <a href=\"https:\/\/convly.ai\/it\/models\/\" rel=\"noopener\" target=\"_blank\">API con modello pay-per-token<\/a>.<\/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>La GPU D270 di Intel e la piattaforma Crescent Island rappresentano una scommessa pragmatica su un mercato specifico: i team enterprise che eseguono inferenza quantizzata su larga scala e desiderano minimizzare i costi, la potenza e la complessit\u00e0 operativa. Con 1.3 PFLOPS di throughput FP8 e 1.5 TB\/s di larghezza di banda della memoria, la D270 non \u00e8 all'avanguardia, ma \u00e8 competitiva per la sua nicchia specifica. I 480GB di memoria LPDDR5X per scheda, il budget di potenza di 350 watt e il supporto maturo dei driver Linux la rendono un'opzione attraente per l'inferenza edge, le distribuzioni on-premise e i servizi hosting che non possono giustificare i costi e l'overhead di raffreddamento degli acceleratori flagship. Per la prima volta in cinque anni, Intel dispone di un prodotto GPU che risolve un autentico problema dei clienti\u2014non cercando di vincere le guerre di addestramento contro NVIDIA e AMD, ma offrendo un'alternativa ragionevole per l'inferenza. Se gli operatori dei data-centre lo adotteranno su larga scala rimane da vedere, ma le fondamenta tecniche sono solide.<\/p>\n<p><em>Fonti: videocardz.com, www.phoronix.com, www.servethehome.com, www.tomshardware.com. Riportato il 13 ottobre 2026.<\/em><\/p>","protected":false},"excerpt":{"rendered":"<p>Intel has officially unveiled the GPU D-Series, a new lineup of enterprise AI accelerators based on the Crescent Island architecture. The flagship D270 model delivers 1.3 PFLOPS of FP8 compute performance and 1.5 TB\/s of memory bandwidth for inference workloads.<\/p>","protected":false},"author":1,"featured_media":2907,"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":[245],"tags":[1074,1266,1267,1265,857,1264,1263],"class_list":["post-2906","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-chips","tag-ai-inference","tag-crescent-island","tag-d270","tag-data-center","tag-enterprise-ai","tag-gpu-accelerators","tag-intel"],"_links":{"self":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts\/2906","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=2906"}],"version-history":[{"count":1,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts\/2906\/revisions"}],"predecessor-version":[{"id":2908,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts\/2906\/revisions\/2908"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/media\/2907"}],"wp:attachment":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/media?parent=2906"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/categories?post=2906"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/tags?post=2906"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}