Modele i platformy AI

NVIDIA twierdzi, że DSX POD skraca wdrażanie fabryk AI z miesięcy do tygodni

mm
Dodaj Unite.AI do preferowanych źródeł w Google

21 października 2026 r. podczas GTC Berlin NVIDIA zaprezentowała DSX POD — projekt referencyjny kompletnych fabryk AI opartych na Vera Rubin, które partnerzy budują w modułowych kontenerach, integrują i poddają walidacji przed dostawą. Firma poinformowała, że jednostki produkowane w fabryce skracają czas wdrożenia w przygotowanej lokalizacji z sześciu miesięcy do zaledwie 14 dni.

Według NVIDIA jednostki kontenerowe są gotowe do podłączenia bezpośrednio do zasilania, chłodzenia, sieci i pozostałej infrastruktury pomocniczej przygotowanej lokalizacji. Firma poinformowała, że szybsze wdrożenie pozwala klientom wcześniej rozpocząć generowanie tokenów na potrzeby produkcyjne i osiągać przychody.

Integracja w fabryce przeniesiona poza lokalizację wdrożenia

Według NVIDIA DSX POD łączy systemy Vera Rubin z infrastrukturą niezbędną do ich działania w powtarzalnych, produkowanych w fabryce, kontenerowych konstrukcjach, które partnerzy mogą wytwarzać i dostarczać na dużą skalę. Projekt przenosi integrację i instalację systemów obliczeniowych, sieci, okablowania, zasilania na poziomie szaf rack oraz chłodzenia cieczą z miejsca wdrożenia do zakładu produkcyjnego. NVIDIA poinformowała, że ogranicza to zakres planowania, prac budowlanych, zapotrzebowanie na wyspecjalizowanych pracowników i logistykę, które są konieczne przy tradycyjnej instalacji na miejscu. Firma dodała, że kontenery testowane w fabryce zmniejszają również ryzyko opóźnień spowodowanych brakiem komponentów oraz kosztownych, podatnych na błędy prac na miejscu, skracając drogę do trenowania modeli i wnioskowania w środowisku produkcyjnym.

Przed wysyłką partnerzy wykonują okablowanie między szafami rack, montują przewody i rurociągi oraz przeprowadzają walidację funkcjonalną. Jak poinformowała NVIDIA, prace te odbywają się niezależnie od przygotowania lokalizacji i dodatkowo skracają czas potrzebny do uruchomienia nowej infrastruktury. Projekt referencyjny kontynuuje założenia projektowe szerszej platformy infrastrukturalnej NVIDIA DSX, a zarazem wykorzystuje odrębną architekturę, w której systemy są integrowane i poddawane walidacji w specjalnie zaprojektowanych kontenerach przed transportem i wdrożeniem.

„Fabryka AI zaczyna przynosić wartość, gdy rozpoczyna generowanie tokenów — a nie wtedy, gdy kończy się jej budowa” — powiedział Jensen Huang, założyciel i dyrektor generalny NVIDIA. Huang stwierdził, że DSX POD zapewnia precyzję i szybkość produkcji fabrycznej podczas budowy infrastruktury AI, skracając czas wdrożenia z miesięcy do tygodni, dzięki czemu klienci mogą szybciej zwiększać moce i uruchamiać produkcję przynoszącą przychody. NVIDIA definiuje czas do pierwszego tokenu jako moment, w którym nowa fabryka AI zaczyna uruchamiać modele obsługujące obciążenia produkcyjne. Firma określiła wcześniejsze rozpoczęcie produkcji jako czynnik łączący szybkość wdrożenia z ekonomią działania fabryki AI.

Szersza platforma fabryk AI DSX

W towarzyszącym komunikacie z 21 października 2026 r. NVIDIA opisała NVIDIA DSX jako pełnostosową architekturę referencyjną fabryki AI, opracowaną wspólnie z firmami infrastrukturalnymi. W jej ramach moc obliczeniowa, sieć, pamięć masowa, oprogramowanie, zasilanie i chłodzenie są projektowane wspólnie jako jeden system. Platforma obejmuje DSX MaxLPS do dynamicznego przydzielania mocy, DSX Flex do koordynowania zużycia energii przez obciążenia z warunkami pracy sieci energetycznej, DSX Reference Design — zweryfikowane architektury infrastruktury, DSX Sim do symulacji, DSX OS do zarządzania infrastrukturą oraz DSX Exchange do łączenia systemów obliczeniowych z systemami obiektu.

W towarzyszącym komunikacie podano, że NVIDIA rozszerza portfolio modułowego systemu DSX OS o otwartym kodzie źródłowym o trzy komponenty dostępne w wersji zapoznawczej dla deweloperów: NVIDIA Config Manager automatyzuje konfigurację sieci w fabryce AI; NVIDIA Rack Management Service zarządza zasilaniem na poziomie szaf rack, ich inwentaryzacją, oprogramowaniem układowym i przełącznikami; a NVIDIA Cluster Readiness Engine uruchamia rozproszone obciążenia, aby zweryfikować klastry GPU przed pojawieniem się obciążeń produkcyjnych i przypisać awarie do konkretnych węzłów.

NVIDIA poinformowała, że DSX MaxLPS dynamicznie przydziela moc w ramach budżetu zasilania przewidzianego dla fabryki AI, pomagając operatorom wygenerować taką samą liczbę tokenów przy zużyciu energii mniejszym nawet o 30%. DSX Flex pozwala natomiast dostosowywać zużycie energii przez obciążenia do potrzeb dostawcy energii, zdarzeń związanych z reagowaniem na zapotrzebowanie oraz cen energii. Według komunikatu Lambda wykorzystała DSX MaxLPS w ramach weryfikacji koncepcji przeprowadzonej na systemach NVIDIA HGX B200 i wykazała wzrost przepustowości klastra w zakresie tokenów o 24% oraz zwiększenie mocy obliczeniowej GPU o 19% przy stałym budżecie zasilania. Firma poinformowała również, że jej projekty referencyjne łączą systemy obliczeniowe chłodzone cieczą z odprowadzaniem ciepła za pomocą suchych chłodnic, co może ograniczyć zużycie wody na chłodzenie obiektu niemal do zera.

Według towarzyszącego komunikatu z DSX korzystają dostawcy chmur AI oraz firmy zajmujące się projektowaniem, budową, energią i chłodzeniem, aby tworzyć infrastrukturę obsługującą europejskie przedsiębiorstwa, deweloperów i rządy oraz zarządzać nią. Warren Barkley, wiceprezes ds. zarządzania produktami DSX w NVIDIA, powiedział, że DSX łączy technologie i wiedzę ekosystemu, których operatorzy potrzebują, by odpowiedzialnie budować infrastrukturę i efektywnie zarządzać nią na dużą skalę.

Ekosystem partnerów i dostawy na początku 2027 roku

NVIDIA wymieniła firmy Anduril, Armada, Bull, Crusoe, DayOne, Dell Technologies, Delta, Eaton, Foxconn (Ingrasys), GIGABYTE, HPE, Lenovo, Pegatron, Quanta Cloud Technology (QCT), Schneider Electric, Vertiv i Wistron jako partnerów w dziedzinie systemów obliczeniowych i infrastruktury, którzy pracują nad dostawami fabryk AI DSX POD.

NVIDIA poinformowała, że partnerzy dostarczą fabryki AI DSX POD na całym świecie na początku 2027 roku.

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.