نماذج ومنصات الذكاء الاصطناعي

نيفيديا تُعلن عن نتائج الإنتاج المبكرة لمنصة مصنع الذكاء الاصطناعي DSX

mm
أضف Unite.AI إلى مصادرك المفضلة على Google

في 15 سبتمبر 2026، نشرت نيفيديا نتائج الإنتاج المبكرة لمنصة مصنع الذكاء الاصطناعي DSX، بما في ذلك تحقق من Lambda قدم زيادة مُبلغ عنها بنسبة 24٪ في معدل مرور الرموز ضمن ميزانية طاقة ثابتة، ونشر استجابة الطلب من المرافق يعمل في مصنعها Eos للذكاء الاصطناعي، متزامنًا مع افتتاح AI Infra Summit في سانتا كلارا.

يقام القمة في الفترة من 15 إلى 17 سبتمبر 2026 في مركز مؤتمرات سانتا كلارا، مع توقع حضور أكثر من 8,000 مشارك، وفقًا لصفحة الحدث الخاصة بنيڤيديا. إيان باك، نائب رئيس نيفيديا للتقنيات الضخمة والحوسبة عالية الأداء، جعل كفاءة مصانع الذكاء الاصطناعي محور كلمته الرئيسية، “تعزيز البنية التحتية لعصر الذكاء الاصطناعي الوكيل”، وذكرت الشركة أن نتائج تحقق مزود السحابة Lambda نُشرت في نفس اليوم في مقالة مدونة.

التحقق من Lambda DSX MaxLPS

تُعد نتائج Lambda أول تحقق من DSX MaxLPS على خوادم NVIDIA HGX B200 GPU، وفقًا لمنشور نيفيديا. مزود السحابة للمعالجات الرسومية، الذي يخدم أكثر من 10,000 عميل تتراوح بين الشركات الناشئة المتخصصة في الذكاء الاصطناعي إلى الشركات الضخمة، شغّل البرنامج على مجموعة مكوّنة من خمسة رفوف و19 عقدة. من خلال تشغيل 19 عقدة ضمن نفس ميزانية الطاقة التي كانت مخصصة لـ 16 عقدة عند الطاقة الكاملة، حققت Lambda زيادة بنسبة 24٪ في معدل مرور الرموز على مستوى المجموعة، ارتفع من حوالي 4 ملايين رمز في الثانية إلى 5 ملايين، بينما تحسّن الأداء لكل واط بنسبة 23٪، حسبما أفادت Lambda.

قال ديف واردي، رئيس خدمات السحابة في Lambda: “مع إثبات المفهوم الخاص بنا، نعتقد أننا تجاوزنا قيود ميزانيات الطاقة الثابتة”. وأضاف: “يُمهد NVIDIA DSX MaxLPS الطريق لاستعادة السعة العالقة وتحويلها إلى استخدام عملي، مع كثافة حوسبة أعلى بكثير ضمن نفس البصمة”.

يراقب DSX MaxLPS استهلاك الطاقة على مستوى المعالج الرسومي والرف، ويعيد تخصيص السعة المتبقية عبر العقد بناءً على نوع عبء العمل، مستعيدًا السعة التي كانت ستظل عالقة مع التزويد الثابت، وفقًا لـ صفحة منصة DSX. تتطلب عمليات التدريب والاستدلال طاقة مختلفة، ويُحسّن البرنامج تخصيص الموارد في مصانع الذكاء الاصطناعي التي تشغّل كلاهما. بناءً على توقعات نيفيديا، يمكن لـ DSX MaxLPS تمكين ما يصل إلى 40٪ من سعة المعالج الرسومي الإضافية لمصانع Vera Rubin NVL72 للذكاء الاصطناعي من الجيل التالي ضمن نفس ميزانية الطاقة بمقدار ميغواط في بيئات النشر المناسبة.

خلفية منصة DSX وطاقة 800 فولت تيار مستمر

أعلنت نيفيديا منصة DSX في مؤتمر GTC تايبيه في 31 مايو 2026، حيث جمعت مكتبات البرمجيات مفتوحة المصدر، وواجهات برمجة التطبيقات، وتصاميم مرجعية، ومنصات الحوسبة من نيفيديا وتقنيات الشركاء في منصة موحدة لتصميم ونشر وتشغيل مصانع الذكاء الاصطناعي. تشمل المجموعة تصميم DSX المرجعي، DSX Sim، DSX OS، DSX MaxLPS، DSX Flex وDSX Exchange، وتغطي بنى معتمدة، والمحاكاة، وبرمجيات العمليات المفتوحة المعيارية، وإدارة الطاقة، وتنسيق إشارات الشبكة، وتبادل البيانات الآمن عبر أنظمة تكنولوجيا المعلومات والتقنية التشغيلية.

اعتبارًا من إطلاق مايو، صرحت نيفيديا أن شركاء السحابة CoreWeave وCrusoe وFirmus وIREN وLambda وNebius وNscale وYotta Data Services كانوا ينشرون DSX Sim وDSX MaxLPS وDSX OS، بينما كانت Dell Technologies وHPE وLenovo وSupermicro من بين الشركات المصنعة التي تبني أنظمة جاهزة لـ DSX. صاغ مؤسس نيفيديا والرئيس التنفيذي جيسن هوانغ قيود الطاقة ببساطة: “مصنع بقدرة واحد جيجاوات لن يصبح أبدًا مصنعًا بقدرة اثنين جيجاوات”. وفي إطلاق مايو، قال هوانغ إن DSX يمنح كل باني بنية تحتية دليلًا كاملاً لمحاكاة، والتحقق، وتشغيل مصانع الذكاء الاصطناعي.

يضيف منشور 15 سبتمبر أن DSX يدمج بنية طاقة 800 فولت تيار مستمر في تصاميمه المرجعية. تقول نيفيديا إن هذه البنية صُممت لتقليل تعقيد التحويل، وتحسين كفاءة توصيل الطاقة، ودعم رفوف الحوسبة المتسارعة الأكثر كثافة. كما يشير المنشور إلى أن رفوف GB200 NVL72 التي تعمل بتبريد سائل مباشر تنتج تقريبًا 120 كيلواط من الحرارة التي يجب إزالتها قبل وصول الطاقة إلى الحوسبة، ويضع DSX Sim للاستخدام قبل تركيب أول رف، وDSX OS وDSX Exchange بمجرد تشغيل المصنع، وتصاميم DSX المرجعية كمعمارية بدء معتمدة.

استجابة الطلب في الإنتاج

يستعرض جزء كبير من منشور نيفيديا مساءً في أغسطس عندما ارتفعت درجات الحرارة وأحمال التكييف، أرسلت شركة Silicon Valley Power، المرفق العام لمدينة سانتا كلارا، إشارة إلى مصنع الذكاء الاصطناعي لتعديل استهلاك الطاقة. نفّذت منصة Conductor من Emerald AI هيكلية عبء عمل محددة مسبقًا: توقفت الوظائف ذات الأولوية الأدنى، استمر الاستدلال عالي الأولوية، وانخفضت الطاقة من أربعة ميجاواط إلى ثلاثة ميجاواط تلقائيًا، دون تدخل مشغل.

راقب مؤسس Emerald AI والرئيس التنفيذي فارون سيفارام عبر Zoom مع حوالي أربعين شخصًا آخرين، بما في ذلك فريقه في سان فرانسيسكو، والمهندسين في مركز البيانات وموظفي المرفق، وقال إن ذلك كان أول نشر للشركة عبر آلاف معالجات NVIDIA GPU. وشبه رئيسة المنتج مانسي شاه تلك اللحظة بإطلاق صاروخ SpaceX. منذ ذلك الحين، أرسلت Silicon Valley Power أكثر من 200 إشارة طلب إلى المصنع، وعمل النظام في كل مرة، حيث استجاب Conductor خلال أقل من دقيقة، وفقًا لتقارير نيفيديا.

تحدد NVIDIA المرفق بأنه مصنع Eos AI في سانتا كلارا، والذي يشغل Conductor كجزء من برنامج ربط الأحمال المرنة لشركة Silicon Valley Power، وهو برنامج تصفه NVIDIA بأنه أول برنامج تجاري للمرافق الشبكية صُمم لمعالجة مصانع الذكاء الاصطناعي كموارد قابلة للإرسال. وأشارت NVIDIA إلى أن تركيب سانتا كلارا يسبق DSX Flex نفسه، مع دمج Emerald AI لـ Conductor في DSX Flex مع نضوج المنصة.

أعلنت Silicon Valley Power و Emerald AI عن التجربة الأولية في 21 أبريل 2026، مع تشغيل الموقع الأول على نطاق تجاري متعدد الميجاواط في مركز بيانات حيث تشغل NVIDIA أحمال الذكاء الاصطناعي على وحدات معالجة رسومية متقدمة. قال نيكو بروكوس، مدير الخدمات الكهربائية في SVP، في ذلك الوقت إن التجربة ستقيّم الأدوات العملية لحماية الموثوقية والقدرة على تحمل التكلفة مع دعم التخطيط المرن لنمو الأحمال المستقبلية. وصفت Emerald AI النشر في 1 يونيو 2026 بأنه أول نشر تجاري لـ DSX Flex، مبنيًا على خمس عروض حية سابقة لـ Conductor مع أنظمة NVIDIA في مراكز بيانات تجارية عبر قارتين.

سيكون أول نشر تجاري مخصص لـ DSX Flex مصنع ذكاء اصطناعي بقدرة 96 ميجاواط Vera Rubin في مركز أبحاث مصانع الذكاء الاصطناعي التابع لـ NVIDIA في ماناساس، فيرجينيا، حسبما أعلنت NVIDIA. وقالت Emerald AI إن مشروع ماناساس مخطط بالتعاون مع Digital Realty و EPRI و PJM Interconnection، ومن المقرر أن يُنفذ في وقت لاحق من عام 2026.

ثيو ناش هو خبير في مجال الذكاء الاصطناعي في Unite.AI ، ويهتم ببنية تحتية للذكاء الاصطناعي والحوسبة والأنظمة المادية التي تعمل بالذكاء الاصطناعي الحديث. يركز عمله على الأسس الفنية خلف حمولات الذكاء الاصطناعي على نطاق واسع ، بما في ذلك مراكز البيانات والمسرعات والشبكات وبرامج التطبيقات التي تربطها معًا.
بمنظور تحليلي ومهندس مدفوع ، يفحص ثيو كيف تتيح التطورات في وحدات معالجة الرسومات والصمامات المخصصة وعمليات الذاكرة والأنظمة الموزعة لأجيال جديدة من نماذج الذكاء الاصطناعي. يهتم بشكل خاص بالتضحيات في الأداء والكفاءة في استهلاك الطاقة وال قابلية للتوسيع والقيود العملية التي تشكل النشر الفعلي للبنية التحتية للذكاء الاصطناعي.
المقالات التي كتبها ثيو ناش يتم إنشاؤها بواسطة الذكاء الاصطناعي ومراجعتها بواسطة فريق التحرير في Unite.AI لضمان الدقة الفنية والوضوح والتغطية المسؤولة للمناظر الحوسبية للذكاء الاصطناعي التي تتطور بسرعة.