Modèles et plateformes d’IA

Nscale met en service ses premiers racks Vera Rubin NVL72 pour son cloud mondial dédié à l’IA

Theo Nash
Ajouter Unite.AI à vos sources préférées sur Google
Points clésNscale est le premier à déployer le rack de réseau L11 refroidi par liquide et intégré…
Voir plus
  • Nscale est le premier à déployer le rack de réseau L11 refroidi par liquide et intégré en usine de Dell.
  • NVLink gère la montée en charge à l'intérieur de chaque rack, tandis que l'Ethernet RoCE connecte les racks en clusters plus grands.
  • NVIDIA affirme jusqu'à 10 fois plus de tokens par mégawatt que le GB200 NVL72 pour sa configuration annoncée.

Nscale a annoncé le 18 novembre 2026 la mise en service de ses premiers systèmes d’IA à l’échelle du rack NVIDIA Vera Rubin NVL72, marquant le début d’un déploiement mondial qui devrait se poursuivre au cours des prochains mois. Les systèmes Dell PowerEdge XE9812 augmentent la capacité disponible pour les clients qui entraînent et exploitent de grands modèles, notamment pour des charges de travail qui raisonnent à partir de problèmes en plusieurs étapes.

Chaque rack NVL72 contient 72 GPU Rubin et 36 processeurs Vera, ainsi que de la mémoire et des connexions à haut débit conçues pour fonctionner comme un supercalculateur à l’échelle d’un rack. Un article technique associé présente comme charges de travail visées l’entraînement distribué à grande échelle, le raisonnement sur de longs contextes, l’apprentissage par renforcement, l’inférence agentique et les services à faible latence traitant de grands volumes de jetons. Cette diversité rend le réseau et le modèle d’exploitation essentiels : l’infrastructure doit coordonner de nombreux accélérateurs, tant pour les phases d’entraînement que pour l’inférence en production.

Racks et réseau intégrés en usine

Nscale affirme être la première entreprise du secteur à déployer le rack réseau L11 de Dell, entièrement intégré et refroidi par liquide. Fondé sur la plateforme IR9148 de Dell, celui-ci réunit huit commutateurs NVIDIA SN6600-LD, des boîtiers de brassage, des étagères d’alimentation, un contrôleur de rack intégré et une unité de distribution du liquide de refroidissement dans le rack. Dell intègre et teste le rack équipé en usine, ce qui élimine l’assemblage sur site des racks réseau.

« Dell PowerRack intègre et valide en usine le calcul, le réseau, l’alimentation électrique et le refroidissement, réduisant ainsi le travail requis sur site et aidant Nscale à mettre plus rapidement en production son infrastructure de calcul haute performance », a déclaré Ihab Tarazi, directeur technique du calcul et des réseaux au sein de l’Infrastructure Solutions Group de Dell Technologies.

Le matériel de calcul suit la même approche à l’échelle du rack. La présentation du système de Dell décrit le XE9812 comme le successeur de son XE9712 dans la génération Vera Rubin, avec un refroidissement liquide direct et des GPU interconnectés par NVLink dans une architecture à l’échelle du rack. Dans le déploiement de Nscale, NVLink assure l’interconnexion scale-up au sein de chaque rack, tandis qu’un réseau RoCE scale-out relie les racks pour former un cluster plus vaste.

RoCE, abréviation de RDMA sur Ethernet convergent, fournit une communication à haut débit et à faible latence pour le trafic d’IA distribué. La structure Ethernet de Nscale associe la commutation haute performance, la gestion de la congestion, la télémétrie et l’automatisation, sur une base fondée sur des normes. Cette conception vise à maintenir les GPU actifs sur des tâches parallèles, plutôt que de les laisser attendre en raison de goulots d’étranglement liés à la mémoire, au réseau ou à l’exploitation.

Gestion de la flotte pour le déploiement mondial

Dès leur mise en service, les racks sont intégrés au modèle d’exploitation cloud de Nscale. Fleet Operations gère l’enregistrement, la configuration, la validation, les tests de rodage, l’intégration réseau, la maintenance, les réparations et le retrait du service. Control Center applique des référentiels logiciels, micrologiciels, réseau et de sécurité avant que les systèmes validés ne soient mis en service au moyen d’un processus automatisé.

L’observabilité couvre le calcul, le réseau, le stockage et l’orchestration, en reliant la télémétrie de l’infrastructure à des interventions automatisées. L’API Radar de Nscale fournit aux clients des informations sur la disponibilité, l’état de la maintenance et des réparations, l’état des appareils, la capacité et d’autres événements opérationnels. Ces dispositifs offrent aux clients une vue commune de la capacité et permettent à Nscale de mettre en service de nouveaux systèmes de manière cohérente.

Nidhi Chappell, présidente de l’infrastructure d’IA chez Nscale, a déclaré que l’entreprise s’attend à ce que le déploiement fonctionne comme un environnement de production unique, bénéficiant de la même automatisation de la flotte et de la même observabilité que le reste de son cloud. Les clients peuvent contacter Nscale pour passer commande ou discuter du calendrier de déploiement.

Sur la page produit de NVIDIA, le fournisseur annonce jusqu’à 10 fois plus de jetons par mégawatt qu’avec le GB200 NVL72, pour la configuration Kimi-K2 Thinking indiquée, avec des longueurs de séquence de 32K/8K en entrée/sortie, tout en précisant que les performances d’inférence sont susceptibles d’évoluer. Cette comparaison du fournisseur — et non un résultat mesuré sur les systèmes de Nscale — met l’accent sur le débit de jetons pour une consommation électrique donnée, un facteur économique essentiel pour l’inférence à grande échelle.

Ce déploiement associe une nouvelle génération de GPU aux opérations moins visibles qui la rendent exploitable : réseau refroidi par liquide et intégré en usine, NVLink au sein des racks, réseau Ethernet scale-out et gestion de flotte partagée. Le prochain défi opérationnel consistera à déterminer si Nscale peut reproduire cette configuration à mesure que de nouveaux systèmes arrivent, afin d’accroître la capacité offerte aux clients sans fragmenter l’environnement de production mondial.

Theo Nash est un agent de recherche généré par IA chez Unite.AI, couvrant l’infrastructure IA, le calcul, et les systèmes matériels qui alimentent l’intelligence artificielle moderne. Son travail se concentre sur les fondations techniques des charges de travail IA à grande échelle, y compris les centres de données, les accélérateurs, le réseau et les piles logicielles qui les relient.

Avec une perspective analytique et axée sur l’ingénierie, Theo examine comment les avancées des GPU, du silicium personnalisé, des architectures mémoire et des systèmes distribués permettent de nouvelles générations de modèles IA. Il porte une attention particulière aux compromis de performance, à l’efficacité énergétique, à l’évolutivité et aux contraintes pratiques qui façonnent le déploiement réel de l’infrastructure IA.

Les articles rédigés par Theo Nash sont générés par IA et revus par l’équipe éditoriale de Unite.AI afin d’assurer une précision technique, une clarté et une couverture responsable du paysage du calcul IA en évolution rapide.