AI-modeller og platforme
Nscale tager sine første Vera Rubin NVL72-racks i brug til global AI-sky

NøglepunkterNscale er den første til at implementere Dells fabriksintegrerede væskekølede…
Vis mere
- Nscale er den første til at implementere Dells fabriksintegrerede væskekølede L11-netværksrack.
- NVLink håndterer scale-up inde i hvert rack, mens RoCE Ethernet forbinder rack til større klynger.
- NVIDIA hævder op til 10 gange flere tokens per megawatt end GB200 NVL72 for sin angivne konfiguration.
Nscale meddelte den 18. november 2026, at virksomhedens første NVIDIA Vera Rubin NVL72-AI-systemer i rackskala var sat i drift, og dermed indledte en global udrulning, der ventes at fortsætte i de kommende måneder. Dell PowerEdge XE9812-systemerne øger kapaciteten for kunder, der træner og driver store modeller, herunder arbejdsopgaver, hvor modellerne ræsonnerer sig igennem problemer i flere trin.
Hvert NVL72-rack indeholder 72 Rubin-GPU’er og 36 Vera-CPU’er samt hukommelse og højhastighedsforbindelser, der er designet til at fungere som én supercomputer i rackskala. Et tilhørende teknisk indlæg fremhæver storstilet distribueret træning, ræsonnement med lang kontekst, forstærkningslæring, agentisk inferens og tjenester med lav latenstid, der behandler store mængder tokens, som relevante arbejdsopgaver. Det brede anvendelsesområde gør netværket og driftsmodellen vigtige: Infrastrukturen skal koordinere mange acceleratorer til både træningskørsler og inferens i produktion.
Fabriksintegrerede racks og netværk
Nscale siger, at virksomheden er den første i branchen til at implementere Dells fuldt integrerede, væskekølede L11-netværksrack. Det er bygget på Dells IR9148-platform og kombinerer otte NVIDIA SN6600-LD-switche med shuffle-bokse, strømhylder, en integreret rackcontroller og en kølevæskefordelingsenhed i racket. Dell integrerer og tester det bestykkede rack på fabrikken, så det ikke er nødvendigt at samle netværksracket på stedet.
»Dell PowerRack integrerer og validerer databehandling, netværk, strømforsyning og køling på fabrikken, hvilket mindsker arbejdet på stedet og hjælper Nscale med hurtigere at sætte sin højtydende databehandlingsinfrastruktur i produktion,« sagde Ihab Tarazi, teknologidirektør for databehandling og netværk i Dell Technologies’ Infrastructure Solutions Group.
Den underliggende computerhardware følger samme tilgang i rackskala. Dells systemoversigt beskriver XE9812 som Vera Rubin-efterfølgeren til XE9712, der bruger direkte væskekøling og GPU’er forbundet via NVLink i et design i rackskala. I Nscales implementering leverer NVLink forbindelsesstrukturen til skalering op inden for hvert rack, mens et RoCE-netværk til skalering ud forbinder rackene i en større klynge.
RoCE, en forkortelse for RDMA over Converged Ethernet, leverer kommunikation med høj kapacitet og lav latenstid til distribueret AI-trafik. Nscales Ethernet-netværksstruktur omfatter højtydende switching, håndtering af overbelastning, telemetri og automatisering på et standardbaseret grundlag. Designet skal sikre, at GPU’erne arbejder på parallelle opgaver i stedet for at vente på hukommelse, netværk eller driftsmæssige flaskehalse.
Flådestyring til den globale udrulning
Rackene indgår i Nscales driftsmodel for skyen, så snart de kommer online. Fleet Operations håndterer registrering, konfiguration, validering, indbrændingstest, netværksintegration, vedligeholdelse, reparation og udfasning. Control Center anvender grundkonfigurationer for software, firmware, netværk og sikkerhed, inden de validerede systemer sættes i drift via en automatiseret proces.
Overvågningen dækker databehandling, netværk, lagring og orkestrering og forbinder infrastrukturtelemetri med automatiserede reaktioner. Nscales Radar API giver kunder adgang til oplysninger om tilgængelighed, status for vedligeholdelse og reparation, enhedstilstand, kapacitet og andre driftsrelaterede hændelser. Disse kontrolfunktioner giver kunderne et samlet overblik over kapaciteten og giver samtidig Nscale en ensartet måde at sætte yderligere systemer i drift på.
Nidhi Chappell, Nscales direktør for AI-infrastruktur, sagde, at virksomheden forventer, at udrulningen kommer til at fungere som ét produktionsmiljø under samme automatisering af systemflåden og overvågning som resten af skyen. Kunder kan kontakte Nscale for at afgive ordrer eller drøfte tidsplanen for implementeringen.
På NVIDIAs produktside oplyser leverandøren, at den angivne Kimi-K2 Thinking-konfiguration med input-/outputsekvenslængder på 32K/8K leverer op til 10 gange flere tokens pr. megawatt end GB200 NVL72, samtidig med at leverandøren bemærker, at inferensydelsen kan ændre sig. Leverandørens sammenligning – som ikke er et resultat målt på Nscales systemer – fremhæver tokenkapaciteten inden for et fast strømforbrug, hvilket er en central økonomisk faktor ved inferens i stor skala.
Implementeringen forbinder en ny GPU-generation med det mindre synlige arbejde, der skal til for at gøre den anvendelig: fabriksintegreret, væskekølet netværk, NVLink inden for rackene, Ethernet til skalering ud og fælles kontrolfunktioner til styring af systemflåden. Den næste driftsmæssige prøve bliver, om Nscale kan gentage denne løsning, efterhånden som flere systemer ankommer, og dermed øge kundernes kapacitet uden at opsplitte det globale produktionsmiljø.












