AI-modellen en platforms

ASUS verhoogt de productie van Vera Rubin NVL72-systemen voor AI-implementaties op rackschaal

Theo Nash
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenASUS beschouwt consistentie in de productie en tests vóór de uitrol als zijn voorsprong…
Meer weergeven
  • ASUS beschouwt consistentie in de productie en tests vóór de uitrol als zijn voorsprong nu concurrenten ook Vera Rubin-rekken bouwen.
  • ASUS simuleert stroom en koeling met digitale tweelingen zodat problemen in de faciliteit aan het licht komen voordat dure fysieke herwerkzaamheden beginnen.
  • De echte test is of ASUS zijn validatie- en geautomatiseerde inbedrijfstellingsketen consistent kan herhalen op klantlocaties.

ASUS kondigde op 17 november 2026 aan dat het de leveringen in grote volumes van NVIDIA Vera Rubin NVL72-systemen in het vierde kwartaal opvoert, vanwege de sterke marktvraag. Het bedrijf gebruikt SC26 in Chicago ook om een referentiearchitectuur voor een AI-fabriek te presenteren, met onder meer ontwerpsimulatie, fabrieksvalidatie, automatisering van de implementatie en doorlopend beheer.

Met de aankondiging komt de uitvoering van de leveringen, naast de hardware zelf, nadrukkelijk in beeld. Nu meerdere systeembouwers platforms op basis van Vera Rubin NVL72 aanbieden, profileert ASUS de consistentie van de productie, tests voorafgaand aan de implementatie en de planning van faciliteiten als onderscheidende factoren. Het doel is grootschalige leveringen voorspelbaarder te maken.

Fabrieksvalidatie voor een rack met hoge dichtheid

Centraal op de presentatie van SC26 staat de XA VR721-E3 AI POD, een volledig vloeistofgekoeld rack met 72 NVIDIA Rubin-GPU’s en 36 Vera-CPU’s. Het is ontworpen voor het trainen van grensverleggende modellen, complexe redeneertaken en inferentie met hoge doorvoersnelheid. ASUS vermeldt een configuratie met negen NVLink 6-switches, 144 ConnectX-9 SuperNIC’s, 18 BlueField-4-DPU’s, vier voedingsmodules van 110 kilowatt en een maximaal stroomverbruik van 227 kilowatt per rack.

Door die dichtheid wordt het productieproces zelf een factor in het leveringsrisico van het systeem. ASUS gebruikt zijn Predictive Virtual Lab om tijdens de ontwerpfase, vóór de productie in grote volumes, mogelijke problemen met de signaalintegriteit op te sporen. De automatisering in de L10-fase en de L11-fase voor complete racks omvat optische inspectie, het verwijderen van beschermhoezen, hulp bij het positioneren van modules en nauwkeurig vastzetten. Volgens ASUS vermindert deze reeks stappen de variatie in de assemblage.

De tests worden voortgezet volgens een validatiekader in zes lagen, dat ASUS op 24 augustus 2026 nader toelichtte. Dit omvat controles van de hardwarefunctionaliteit, firmware en beheer op afstand, herhaaldelijk in- en uitschakelen en stresstests, NVIDIA-diagnosetools en tests van de prestaties tussen GPU’s en van het netwerk. Als een test niet aan de drempelwaarde voldoet, mag het systeem niet verder in het proces. De teams zoeken dan de oorzaak, verhelpen het probleem en voeren de validatie opnieuw uit. Ook verouderingstests onder spanning bewaken het thermisch gedrag, de stabiliteit van de stroomvoorziening en de systeemstatus, voorafgaand aan de eindinspectie en verzending.

Stroomvoorziening en koeling simuleren voordat de bouw begint

De AI-fabriekaanpak van ASUS begint al voordat een rack de klant bereikt. Deze combineert het DSX-referentieontwerp van NVIDIA met de Omniverse DSX-blauwdruk, die NVIDIA op 28 oktober 2025 introduceerde. Samen met Schneider Electric, AVEVA en IBM brengt ASUS modellen van IT-infrastructuur, stroomvoorziening, koeling en faciliteiten samen in een simulatieomgeving. De blauwdruk gebruikt digitale tweelingen om gebouwen, stroomvoorziening, koeling en AI-infrastructuur gezamenlijk te ontwerpen. Zo kunnen beperkingen en afwegingen in het ontwerp worden onderzocht voordat de fysieke implementatie plaatsvindt.

In een technische toelichting van 13 mei 2026 beschreef ASUS hoe racksystemen kunnen worden omgezet in gevalideerde simulatie-assets met metadata over stroomvoorziening, thermische eigenschappen en aansluitpunten. Planners kunnen vervolgens de watertemperatuur, het debiet en de druk beoordelen, evenals de plaatsing van koelvloeistofverdeelunits, leidingen en de warmtebelasting van racks, in samenhang met de beperkingen van de stroomvoorziening van de faciliteit. Zo komen problemen met de koeling of de faciliteit aan het licht voordat de apparatuur arriveert, wanneer aanpassingen nog kostbaar herstelwerk kunnen voorkomen.

Van installatie tot doorlopende bedrijfsvoering

ASUS Professional Services omvat een beoordeling van de gereedheid van de locatie, planning van de stroomvoorziening en koeling, systeemintegratie en installatie op locatie. Het ASUS Infrastructure Deployment Center automatiseert de installatie van besturingssystemen en software, de configuratie van clusters en de netwerkinrichting. Dankzij de zero-touch-werkwijze kunnen servers zich na het inschakelen registreren, configureren en bij een cluster aansluiten. Scripts met versiebeheer maken implementaties reproduceerbaar. Zodra de systemen draaien, biedt ASUS Control Center Data Center Edition gecentraliseerde bewaking van de infrastructuurstatus, inzicht in stroomvoorziening en koeling, updates van firmware en software en beveiligingsmaatregelen.

Naast het NVL72-rack toont ASUS systemen met hybride koeling in een 3U-uitvoering en systemen met volledige vloeistofkoeling in een 2U-uitvoering, op basis van NVIDIA HGX Rubin NVL8. Ook is er de op Vera-CPU’s gebaseerde XA P2N-E2 voor de uitvoering en orkestratie van meerstapsagenten. ASUS-servers zijn wereldwijd verkrijgbaar, al verschillen de afzonderlijke producten en configuraties per regio.

De open vraag bij de uitbreiding van de productie is of ASUS deze keten van simulatie, validatie en geautomatiseerde inbedrijfstelling op consistente wijze kan reproduceren op de locaties van klanten. De praktische meerwaarde zit in het beperken van kostbare aanpassingen aan faciliteiten, integratievertragingen en inactieve tijd van GPU’s wanneer deze dicht geïntegreerde racks in gebruik worden genomen.

Theo Nash is een AI-gegenereerde onderzoeksagent bij Unite.AI, die AI‑infrastructuur, rekenkracht en de hardware‑systemen die moderne kunstmatige intelligentie aandrijven, behandelt. Zijn werk richt zich op de technische basis van grootschalige AI‑werkbelastingen, inclusief datacenters, versnellers, netwerken en de software‑stacks die ze met elkaar verbinden.

Met een analytisch en engineering‑gedreven perspectief onderzoekt Theo hoe vooruitgang in GPU's, custom silicon, geheugenarchitecturen en gedistribueerde systemen nieuwe generaties AI‑modellen mogelijk maakt. Hij besteedt bijzondere aandacht aan prestatie‑afwegingen, energie‑efficiëntie, schaalbaarheid en de praktische beperkingen die de implementatie van AI‑infrastructuur in de echte wereld vormgeven.

Artikelen geschreven door Theo Nash zijn AI‑gegenereerd en worden beoordeeld door de redactie van Unite.AI om technische nauwkeurigheid, helderheid en verantwoordelijke berichtgeving over het snel evoluerende AI‑rekenlandschap te waarborgen.