AI-modeller og plattformer

NVIDIA sier at DSX POD reduserer utrullingen av KI-fabrikker fra måneder til uker

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

NVIDIA presenterte DSX POD 21. oktober 2026 på GTC Berlin. Dette er et referansedesign for komplette Vera Rubin-KI-fabrikker som partnere bygger i modulære containere, og som integreres og valideres før levering. Selskapet sa at de fabrikkbygde enhetene reduserer utrullingstiden på et klargjort anlegg fra seks måneder til så lite som 14 dager.

Ifølge NVIDIA leveres de containerbaserte enhetene ferdige til å kobles direkte til strøm, kjøling, nettverk og annen støtteinfrastruktur på et klargjort anlegg. Selskapet sa at den raskere utrullingen gjør at kundene kan begynne å generere tokens for produksjonsbruk og tjene inntekter tidligere.

Fabrikk­integrasjon flyttes ut av anlegget

Ifølge NVIDIA samler DSX POD Vera Rubin-systemer og infrastrukturen som trengs for å drive dem, i repeterbare, fabrikkbygde, containerbaserte løsninger som partnere kan produsere og levere i stor skala. Løsningen flytter integrering og installasjon av databehandling, nettverk, kabling, strømforsyning på racknivå og væskekjøling bort fra anlegget og inn i produksjonslokalet. NVIDIA sa at dette reduserer behovet for planlegging, bygging, spesialisert arbeidskraft og logistikk sammenlignet med tradisjonell bygging på stedet. Selskapet sa også at containere som er testet på fabrikken, reduserer risikoen for komponentforsinkelser og kostbart arbeid på stedet som er utsatt for feil, og dermed forkorter veien til modelltrening og inferens i produksjon.

Før utsendelse fullfører partnerne kabling mellom rack, ledningsføring, rørlegging og funksjonstesting. Ifølge NVIDIA utføres dette arbeidet uavhengig av klargjøringen av anlegget, noe som forkorter tiden det tar å ta ny kapasitet i bruk ytterligere. Referansedesignet viderefører designfilosofien fra den bredere NVIDIA DSX-infrastrukturplattformen, samtidig som det bruker en egen arkitektur der systemene integreres og valideres i spesialbygde containere før transport og utrulling.

«En KI-fabrikk skaper verdi når den begynner å produsere tokens – ikke når byggingen er ferdig», sa Jensen Huang, grunnlegger og administrerende direktør i NVIDIA. Huang sa at DSX POD tilfører presisjon og hastighet fra fabrikkproduksjon til byggingen av KI-infrastruktur. Dermed reduseres utrullingstiden fra måneder til uker, slik at kundene raskere kan skalere kapasiteten og sette inntektsgenererende produksjon i drift. NVIDIA definerer tiden til første token som tidspunktet da en ny KI-fabrikk begynner å kjøre modeller for produksjonsarbeidsbelastninger. Selskapet beskrev denne tidligere produksjonsstarten som forbindelsen mellom utrullingshastighet og økonomien i driften av en KI-fabrikk.

Den bredere DSX-plattformen for KI-fabrikker

I en kunngjøring i forbindelse med dette datert 21. oktober 2026 beskrev NVIDIA NVIDIA DSX som en fullstendig referansearkitektur for KI-fabrikker, utviklet gjennom felles innovasjonsarbeid med infrastrukturselskaper. Her utformes databehandling, nettverk, lagring, programvare, strømforsyning og kjøling som ett samlet system. Plattformen omfatter DSX MaxLPS for dynamisk strømfordeling, DSX Flex for å samordne strømforbruket til arbeidsbelastninger med forholdene i strømnettet, DSX Reference Design for validerte infrastrukturarkitekturer, DSX Sim for simulering, DSX OS for infrastrukturadministrasjon og DSX Exchange for å koble sammen data- og anleggssystemer.

I den tilhørende pressemeldingen opplyste selskapet at NVIDIA utvider den modulære åpen kildekode-porteføljen DSX OS med tre komponenter som nå er tilgjengelige som forhåndsversjoner for utviklere: NVIDIA Config Manager automatiserer nettverkskonfigurasjonen i KI-fabrikker, NVIDIA Rack Management Service håndterer strømforsyning, lagerbeholdning, fastvare og svitsjer på racknivå, og NVIDIA Cluster Readiness Engine kjører distribuerte arbeidsbelastninger for å validere GPU-klynger før produksjonsarbeidsbelastningene kommer, og avgrenser feil til bestemte noder.

NVIDIA sa at DSX MaxLPS fordeler strøm dynamisk innenfor det tildelte strømforbruket til en KI-fabrikk, slik at operatørene kan generere like mange tokens med opptil 30 % mindre strøm. DSX Flex gjør det mulig for operatørene å tilpasse strømforbruket til arbeidsbelastningene etter nettselskapenes behov, hendelser knyttet til etterspørselsrespons og energipriser. Ifølge pressemeldingen brukte Lambda DSX MaxLPS i en konseptutprøving på tvers av NVIDIA HGX B200-systemer og oppnådde 24 % høyere token-gjennomstrømning i klyngen og 19 % større GPU-kapasitet innenfor en fast strømramme. Selskapet sa også at referansedesignene kombinerer væskekjølt databehandling med varmeavledning basert på tørrkjølere, noe som kan redusere anleggets vannforbruk til kjøling til nær null.

Ifølge pressemeldingen bruker KI-skyaktører og leverandører innen design, bygging, energi og kjøling DSX til å bygge og drive infrastruktur som betjener Europas bedrifter, utviklere og myndigheter. Warren Barkley, visepresident for produktledelse for DSX i NVIDIA, sa at DSX samler teknologiene og økosystemkompetansen operatørene trenger for å bygge ansvarlig og drive effektivt i stor skala.

Partnerøkosystemet og leveranser tidlig i 2027

NVIDIA oppga Anduril, Armada, Bull, Crusoe, DayOne, Dell Technologies, Delta, Eaton, Foxconn (Ingrasys), GIGABYTE, HPE, Lenovo, Pegatron, Quanta Cloud Technology (QCT), Schneider Electric, Vertiv og Wistron som partnerne innen databehandling og infrastruktur som arbeider med å levere DSX POD KI-fabrikker.

NVIDIA sa at partnerne skal levere DSX POD KI-fabrikker over hele verden tidlig i 2027.

Theo Nash er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker AI-infrastruktur, beregning og maskinvaresystemene som driver moderne kunstig intelligens. Arbeidet hans fokuserer på de tekniske grunnlagene bak AI-arbeidsbelastninger i stor skala, inkludert datasentre, akseleratorer, nettverk og programvarestablene som binder dem sammen.

Med et analytisk og ingeniørdrevet perspektiv undersøker Theo hvordan fremskritt innen GPU-er, tilpasset silisium, minnearkitekturer og distribuerte systemer muliggjør nye generasjoner av AI-modeller. Han legger særlig vekt på ytelsesavveininger, energieffektivitet, skalerbarhet og de praktiske begrensningene som former implementeringen av AI-infrastruktur i den virkelige verden.

Artikler skrevet av Theo Nash er AI-genererte og gjennomgås av redaksjonsteamet i Unite.AI for å sikre teknisk nøyaktighet, klarhet og ansvarlig dekning av det raskt utviklende AI-beregningslandskapet.