Μοντέλα και πλατφόρμες AI

Η NVIDIA ανακοινώνει πρώιμα αποτελέσματα παραγωγής για την πλατφόρμα DSX AI Factory

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Η NVIDIA στις 15 Σεπτεμβρίου 2026 δημοσίευσε πρώιμα αποτελέσματα παραγωγής για την πλατφόρμα DSX AI factory, συμπεριλαμβανομένης μιας επικύρωσης από τη Lambda που παρείχε αναφερόμενα 24 % μεγαλύτερη διαπερατότητα token εντός ενός σταθερού προϋπολογισμού ενέργειας και μιας υλοποίησης ζήτησης‑απόκρισης από την υπηρεσία κοινής ωφέλειας που λειτουργεί στην εγκατάσταση Eos AI factory, συγχρονισμένη με το άνοιγμα του Συνέδριο AI Infra στο Σάντα Κλάρα.

Η σύνοδος διεξάγεται από 15 έως 17 Σεπτεμβρίου 2026 στο Συνεδριακό Κέντρο Σάντα Κλάρα, με αναμενόμενους περισσότερους από 8.000 συμμετέχοντες, σύμφωνα με τη σελίδα εκδήλωσης της NVIDIA. Ο Ian Buck, αντιπρόεδρος της NVIDIA για το υπερκλίμα και την υψηλής απόδοσης υπολογιστική, έκανε την αποδοτικότητα των AI factories το κεντρικό θέμα της κύριας ομιλίας του, «Προώθηση της Υποδομής για την Εποχή της Αυτόνομης AI», και τα αποτελέσματα επικύρωσης του παρόχου cloud Lambda κυκλοφόρησαν την ίδια μέρα, δήλωσε η εταιρεία σε μια αναρτημένο στο blog.

Η επικύρωση Lambda DSX MaxLPS

Τα αποτελέσματα της Lambda αποτελούν την πρώτη επικύρωση του DSX MaxLPS σε διακομιστές NVIDIA HGX B200 GPU, σύμφωνα με την ανάρτηση της NVIDIA. Ο πάροχος cloud GPU, που εξυπηρετεί περισσότερους από 10.000 πελάτες, από νεοσύστατες εταιρείες AI έως υπερκλίματες, εκτέλεσε το λογισμικό σε ένα σύμπλεγμα πέντε ραφιών με 19 κόμβους. Εκτελώντας 19 κόμβους εντός του ίδιου προϋπολογισμού ενέργειας όπως 16 κόμβοι σε πλήρη ισχύ, η Lambda πέτυχε 24 % μεγαλύτερη διαπερατότητα token σε όλο το σύμπλεγμα, αυξάνοντας από περίπου 4 εκατομμύρια token ανά δευτερόλεπτο σε 5 εκατομμύρια, ενώ η απόδοση ανά watt βελτιώθηκε κατά 23 %, ανέφερε η Lambda.

«Με την απόδειξη του concept μας, πιστεύουμε ότι ξεπεράσαμε τον περιορισμό των σταθερών προϋπολογισμών ενέργειας», δήλωσε ο Dave Ward, πρόεδρος των υπηρεσιών cloud στη Lambda. «Το NVIDIA DSX MaxLPS ανοίγει το δρόμο για την ανάκτηση της παγιδευμένης χωρητικότητας και τη μετατροπή της σε πραγματική χρήση, με σημαντικά μεγαλύτερη πυκνότητα υπολογισμού στο ίδιο αποτύπωμα.»

Το DSX MaxLPS παρακολουθεί την κατανάλωση ενέργειας GPU και ραφιών και επανακατανέμει το περιθώριο σε όλη τη σειρά κόμβων βάσει του τύπου φορτίου εργασίας, ανακτώντας χωρητικότητα που η στατική παροχή θα άφηνε παγιδευμένη, σύμφωνα με τη σελίδα πλατφόρμας DSX. Η εκπαίδευση και η επαγωγή καταναλώνουν ενέργεια διαφορετικά, και το λογισμικό βελτιστοποιεί την κατανομή σε εργοστάσια AI που εκτελούν και τα δύο. Σύμφωνα με τις προβλέψεις της NVIDIA, το DSX MaxLPS μπορεί να επιτρέψει έως και 40 % περισσότερη χωρητικότητα GPU για τα επόμενης γενιάς Vera Rubin NVL72 εργοστάσια AI εντός του ίδιου προϋπολογισμού ενέργειας ενός μεγαβάτ σε κατάλληλα περιβάλλοντα ανάπτυξης.

Ιστορικό Πλατφόρμας DSX και Ισχύ 800 VDC

Η NVIDIA ανακοίνωσε την πλατφόρμα DSX στο GTC Taipei στις 31 Μαΐου 2026, συνδυάζοντας βιβλιοθήκες λογισμικού ανοιχτού κώδικα, API, σχέδια αναφοράς, πλατφόρμες υπολογιστών NVIDIA και τεχνολογίες συνεργατών σε μια κοινή πλατφόρμα για το σχεδιασμό, την υλοποίηση και τη λειτουργία εργοστασίων AI. Η σουίτα περιλαμβάνει DSX Reference Design, DSX Sim, DSX OS, DSX MaxLPS, DSX Flex και DSX Exchange, καλύπτοντας επικυρωμένες αρχιτεκτονικές, προσομοίωση, λογισμικό ανοιχτής λειτουργίας, διαχείριση ενέργειας, ορχήστρωση σήματος δικτύου και ασφαλή ανταλλαγή δεδομένων μεταξύ συστημάτων IT και τεχνολογίας λειτουργίας.

Κατά την κυκλοφορία του Μαΐου, η NVIDIA ανέφερε ότι οι συνεργάτες cloud CoreWeave, Crusoe, Firmus, IREN, Lambda, Nebius, Nscale και Yotta Data Services υλοποιούσαν το DSX Sim, DSX MaxLPS και DSX OS, ενώ η Dell Technologies, η HPE, η Lenovo και η Supermicro ήταν ανάμεσα στους κατασκευαστές που δημιουργούσαν συστήματα έτοιμα για DSX. Ο ιδρυτής και διευθύνων σύμβουλος της NVIDIA, Jensen Huang, περιέγραψε τον περιορισμό ενέργειας απλά: «Ένα εργοστάσιο ενός γιγαβάτ δεν θα γίνει ποτέ εργοστάσιο δύο γιγαβάτ». Στο λανσάρισμα του Μαΐου, ο Huang δήλωσε ότι το DSX παρέχει σε κάθε κατασκευαστή υποδομών ένα πλήρες εγχειρίδιο για προσομοίωση, επικύρωση και λειτουργία εργοστασίων AI.

Η ανάρτηση της 15ης Σεπτεμβρίου προσθέτει ότι το DSX ενσωματώνει αρχιτεκτονική ισχύος 800 VDC στα σχέδια αναφοράς του. Η NVIDIA δηλώνει ότι η αρχιτεκτονική σχεδιάστηκε για να μειώνει την πολυπλοκότητα μετατροπής, να βελτιώνει την αποδοτικότητα παροχής ενέργειας και να υποστηρίζει πιο πυκνά ράφια επιταχυνόμενης υπολογιστικής. Η ανάρτηση σημειώνει επίσης ότι τα ράφια GB200 NVL72 με άμεση ψύξη υγρού παράγουν περίπου 120 kW θερμότητας που πρέπει να αφαιρεθεί πριν η ενέργεια φτάσει στην υπολογιστική, και τοποθετεί το DSX Sim για χρήση πριν εγκατασταθεί το πρώτο ράφι, το DSX OS και το DSX Exchange όταν ένα εργοστάσιο λειτουργεί, και τα DSX Reference Designs ως επικυρωμένη αρχική αρχιτεκτονική.

Απόκριση Ζήτησης στην Παραγωγή

Το μεγαλύτερο μέρος της ανάρτησης της NVIDIA περιγράφει ένα βράδυ του Αυγούστου όταν, καθώς οι θερμοκρασίες και τα φορτία κλιματισμού αυξήθηκαν, η Silicon Valley Power, η δημοτική υπηρεσία του Δήμου Σάντα Κλάρα, έστειλε σήμα σε ένα εργοστάσιο AI για να προσαρμόσει την κατανάλωση ενέργειας. Η πλατφόρμα Conductor της Emerald AI εκτέλεσε μια προκαθορισμένη ιεραρχία φορτίου εργασίας: οι εργασίες χαμηλότερης προτεραιότητας παραιτήθηκαν, η υψηλής προτεραιότητας επαγωγή συνέχισε να λειτουργεί, και η ισχύς μειώθηκε από τέσσερα μεγαβάτ σε τρία, αυτόματα, χωρίς να εμπλέκεται χειριστής.

Ο ιδρυτής και διευθύνων σύμβουλος της Emerald AI, Varun Sivaram, παρακολούθησε μέσω Zoom μαζί με περίπου σαράντα άλλους, συμπεριλαμβανομένης της ομάδας του στο Σαν Φρανσίσκο, μηχανικών στο κέντρο δεδομένων και προσωπικού της υπηρεσίας, και δήλωσε ότι ήταν η πρώτη υλοποίηση της εταιρείας σε χιλιάδες GPU της NVIDIA. Η επικεφαλής προϊόντος του, Mansi Shah, συνέκρινε τη στιγμή με μια εκτόξευση πυραύλου της SpaceX. Η Silicon Valley Power έχει από τότε στείλει περισσότερα από 200 σήματα ζήτησης στο εργοστάσιο, και το σύστημα λειτούργησε κάθε φορά, με το Conductor να ανταποκρίνεται σε λιγότερο από ένα λεπτό, ανέφερε η NVIDIA.

Η NVIDIA αναγνωρίζει τη μονάδα ως το εργοστάσιο Eos AI στη Σάντα Κλάρα, το οποίο λειτουργεί το Conductor ως συμμετέχοντα στο Πρόγραμμα Ευέλικτης Σύνδεσης Φορτίου της Silicon Valley Power, ένα πρόγραμμα που η NVIDIA περιγράφει ως το πρώτο εμπορικό πρόγραμμα υπηρεσιών δικτύου που έχει σχεδιαστεί για να αντιμετωπίζει τα εργοστάσια AI ως διαχειρίσιμους πόρους. Η εγκατάσταση στη Σάντα Κλάρα προηγήθηκε του DSX Flex, σημειώνει η NVIDIA, με το Emerald AI Conductor να ενσωματώνεται στο DSX Flex καθώς η πλατφόρμα ωριμάζει.

Η Silicon Valley Power και η Emerald AI ανακοίνωσαν το πιλοτικό πρόγραμμα στις 21 Απριλίου 2026, με τον πρώτο χώρο να λειτουργεί σε εμπορική κλίμακα πολλαπλών μεγαβάτ σε ένα κέντρο δεδομένων όπου η NVIDIA εκτελεί φορτία AI σε προηγμένα GPU. Ο Nico Procos, διευθυντής ηλεκτρικής υπηρεσίας της SVP, δήλωσε τότε ότι το πιλοτικό πρόγραμμα θα αξιολογήσει πρακτικά εργαλεία για την προστασία της αξιοπιστίας και της προσιτότητας, ενώ θα υποστηρίζει ευέλικτο σχεδιασμό για μελλοντική αύξηση φορτίου. Η Emerald AI περιέγραψε την υλοποίηση στις 1 Ιουνίου 2026, ως την πρώτη εμπορική υλοποίηση του DSX Flex, χτισμένη πάνω σε πέντε προηγούμενες ζωντανές επιδείξεις του Conductor με συστήματα NVIDIA σε εμπορικά κέντρα δεδομένων σε δύο ηπείρους.

Η πρώτη αφιερωμένη εμπορική υλοποίηση του DSX Flex θα είναι ένα εργοστάσιο AI 96 μεγαβάτ Vera Rubin στο Κέντρο Έρευνας Εργοστασίων AI της NVIDIA στο Manassas, Βιρτζίνια, σύμφωνα με τη NVIDIA. Η Emerald AI δήλωσε ότι το έργο Manassas προγραμματίζεται σε συνεργασία με τη Digital Realty, το EPRI και το PJM Interconnection, και προγραμματίζεται για αργότερα το 2026.

Ο Theo Nash είναι ένας ειδικός που δημιουργήθηκε από AI στο Unite.AI, που καλύπτει την υποδομή AI, τον υπολογισμό και τα συστήματα υλικού που τροφοδοτούν την σύγχρονη τεχνητή νοημοσύνη. Το έργο του επικεντρώνεται στις τεχνικές βάσεις πίσω από τις μεγάλες εργασίες AI, συμπεριλαμβανομένων των κέντρων δεδομένων, των επιταχυντών, των δικτύων και των στοιχείων λογισμικού που τα συνδέουν.
Με μια αναλυτική και μηχανική προοπτική, ο Theo εξετάζει πώς οι προόδους στις GPU, το εξειδικευμένο σιλικόνιο, τις αρχιτεκτονικές μνήμης και τα κατανεμημένα συστήματα επιτρέπουν новые γενιές μοντέλων AI. Δίνει ιδιαίτερη προσοχή στις ανταλλαγές απόδοσης, την ενεργειακή αποτελεσματικότητα, την κλιμακωσιμότητα και τις πρακτικές περιορισμοί που διαμορφώνουν την ανάπτυξη της υποδομής AI στον πραγματικό κόσμο.
Οι άρθρα που γράφονται από τον Theo Nash δημιουργούνται από AI και αναθεωρούνται από την редакτική ομάδα του Unite.AI για να διασφαλίσουν την τεχνική ακρίβεια, τη σαφήνεια και την υπεύθυνη κάλυψη του ταχέως εξελισσόμενου τοπίου υπολογισμού AI.