Modele i platformy AI

Nscale uruchamia pierwsze szafy Vera Rubin NVL72 dla globalnej chmury AI

Theo Nash
Dodaj Unite.AI do preferowanych źródeł w Google
Kluczowe punktyNscale jako pierwszy wdraża zintegrowany fabrycznie przez Dell chłodzony cieczą stojak…
Zobacz więcej
  • Nscale jako pierwszy wdraża zintegrowany fabrycznie przez Dell chłodzony cieczą stojak sieciowy L11.
  • NVLink obsługuje skalowanie w górę wewnątrz każdego stojaka, podczas gdy RoCE Ethernet łączy stojaki w większe klastry.
  • NVIDIA twierdzi, że w podanej konfiguracji uzyskuje do 10 razy więcej tokenów na megawat niż GB200 NVL72.

Nscale ogłosiła 18 listopada 2026 r., że jej pierwsze systemy AI w architekturze szafowej NVIDIA Vera Rubin NVL72 są już uruchomione. Tym samym rozpoczęło się globalne wdrażanie, które ma potrwać przez najbliższe miesiące. Systemy Dell PowerEdge XE9812 zwiększają możliwości obsługi klientów trenujących i udostępniających duże modele, w tym obciążeń obejmujących rozumowanie w wieloetapowych problemach.

Każda szafa NVL72 zawiera 72 procesory graficzne Rubin i 36 procesorów Vera, a także pamięć i szybkie połączenia, dzięki którym może działać jak jeden superkomputer o skali całej szafy. Towarzyszący jej artykuł techniczny wskazuje jako docelowe obciążenia wielkoskalowe trenowanie rozproszone, rozumowanie z długim kontekstem, uczenie ze wzmocnieniem, wnioskowanie agentowe oraz usługi o niskich opóźnieniach, przetwarzające duże wolumeny tokenów. Tak szeroki zakres zastosowań sprawia, że istotne znaczenie mają sieć i model operacyjny: infrastruktura musi koordynować wiele akceleratorów zarówno podczas trenowania, jak i wnioskowania w środowisku produkcyjnym.

Szafy i sieć zintegrowane fabrycznie

Nscale twierdzi, że jako pierwsza firma w branży wdraża w pełni zintegrowaną, chłodzoną cieczą szafę sieciową L11 firmy Dell. Zbudowana na platformie Dell IR9148, łączy osiem przełączników NVIDIA SN6600-LD z modułami shuffle, półkami zasilającymi, zintegrowanym kontrolerem szafy i umieszczoną w niej jednostką dystrybucji chłodziwa. Dell integruje i testuje kompletnie wyposażoną szafę w fabryce, eliminując konieczność montażu szaf sieciowych na miejscu.

„Dell PowerRack integruje i sprawdza w fabryce rozwiązania obliczeniowe, sieciowe, zasilające i chłodzące, ograniczając zakres prac wymaganych na miejscu i pomagając Nscale szybciej uruchomić produkcyjną infrastrukturę obliczeniową wysokiej wydajności” — powiedział Ihab Tarazi, dyrektor ds. technologii w obszarze obliczeń i sieci w dziale Infrastructure Solutions Group firmy Dell Technologies.

Sprzęt obliczeniowy również opiera się na architekturze o skali szafy. Przegląd systemu firmy Dell przedstawia XE9812 jako następcę modelu XE9712, zaprojektowanego z myślą o Vera Rubin, z bezpośrednim chłodzeniem cieczą i połączonymi przez NVLink procesorami graficznymi w architekturze o skali szafy. W ramach wdrożenia Nscale NVLink zapewnia połączenia zwiększające skalę wewnątrz każdej szafy, a sieć RoCE, umożliwiająca skalowanie w poziomie, łączy szafy w większy klaster.

RoCE, czyli RDMA przez Ethernet konwergentny (RDMA over Converged Ethernet), zapewnia wysoką przepustowość i niskie opóźnienia w komunikacji na potrzeby rozproszonego ruchu AI. Sieć Ethernet firmy Nscale obejmuje wydajne przełączniki, zarządzanie przeciążeniami, telemetrię i automatyzację, a jej podstawę stanowią standardy branżowe. Projekt ma zapewniać, że procesory graficzne będą wykonywać równoległe zadania, zamiast czekać na pamięć, sieć lub usunięcie wąskich gardeł operacyjnych.

Zarządzanie flotą w ramach globalnego wdrożenia

Szafy zostają objęte modelem operacyjnym chmury Nscale natychmiast po uruchomieniu. Operacje flotą obejmują rejestrację, konfigurację, walidację, testy wygrzewania, integrację z siecią, konserwację, naprawy i wycofywanie z eksploatacji. Centrum sterowania przed uruchomieniem zweryfikowanych systemów wdraża podstawowe ustawienia oprogramowania, oprogramowania układowego, sieci i zabezpieczeń; cały proces jest zautomatyzowany.

Monitorowanie obejmuje zasoby obliczeniowe, sieć, pamięć masową i orkiestrację, łącząc telemetrię infrastruktury ze zautomatyzowanymi reakcjami. Interfejs API Radar firmy Nscale udostępnia klientom informacje o dostępności, konserwacji i naprawach, stanie urządzeń, pojemności oraz innych zdarzeniach operacyjnych. Te mechanizmy zapewniają klientom wspólny wgląd w dostępną pojemność, a firmie Nscale — spójny sposób uruchamiania kolejnych systemów.

Nidhi Chappell, prezeska ds. infrastruktury AI w Nscale, powiedziała, że firma spodziewa się, iż wdrożenie będzie działać jako jedno środowisko produkcyjne, korzystające z tej samej automatyzacji zarządzania flotą i monitorowania co pozostała część jej chmury. Klienci mogą skontaktować się z Nscale, aby złożyć zamówienie lub omówić harmonogram wdrożenia.

Na stronie produktu firmy NVIDIA producent podaje, że w przypadku określonej konfiguracji Kimi-K2 Thinking z długością sekwencji wejściowej/wyjściowej 32K/8K można uzyskać do 10 razy więcej tokenów na megawat niż w przypadku GB200 NVL72; zaznacza przy tym, że wydajność wnioskowania może ulec zmianie. To porównanie producenta — a nie wynik pomiaru na systemach Nscale — podkreśla znaczenie przepustowości tokenów przy stałym poborze mocy, co jest kluczowym czynnikiem ekonomicznym wnioskowania na dużą skalę.

Wdrożenie łączy nową generację procesorów graficznych z mniej widocznymi pracami niezbędnymi do jej praktycznego wykorzystania: fabrycznie zintegrowaną siecią chłodzoną cieczą, NVLink w obrębie szaf, siecią Ethernet umożliwiającą skalowanie w poziomie oraz wspólnymi mechanizmami zarządzania flotą. Kolejnym sprawdzianem operacyjnym będzie to, czy Nscale zdoła powtórzyć ten model wraz z dostawami kolejnych systemów, zwiększając możliwości klientów bez rozdrabniania globalnego środowiska produkcyjnego.

Theo Nash jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się infrastrukturą AI, obliczeniami oraz systemami sprzętowymi napędzającymi współczesną sztuczną inteligencję. Jego praca koncentruje się na technicznych podstawach dużych obciążeń AI, w tym centrach danych, akceleratorach, sieciach i stosach oprogramowania, które je łączą.

Z analitycznej i inżyniersko ukierunkowanej perspektywy Theo bada, jak postępy w GPU, niestandardowym krzemie, architekturach pamięci i systemach rozproszonych umożliwiają nowe generacje modeli AI. Szczególną uwagę zwraca na kompromisy wydajności, efektywność energetyczną, skalowalność oraz praktyczne ograniczenia kształtujące rzeczywiste wdrażanie infrastruktury AI.

Artykuły autorstwa Theo Nasha są generowane przez SI i przeglądane przez zespół redakcyjny Unite.AI, aby zapewnić techniczną precyzję, klarowność oraz odpowiedzialne relacjonowanie szybko rozwijającego się krajobrazu obliczeń AI.