Modelos e plataformas de IA

A ASUS aumenta a produção do Vera Rubin NVL72 para implantações de IA em escala de rack

Theo Nash
Adicione Unite.AI às suas fontes preferidas no Google
Pontos-chaveA ASUS trata a consistência de fabricação e os testes de pré-implantação como sua…
Ver mais
  • A ASUS trata a consistência de fabricação e os testes de pré-implantação como sua vantagem agora que os rivais também constroem racks Vera Rubin.
  • A ASUS simula energia e refrigeração com gêmeos digitais para que os problemas das instalações surjam antes de começar a dispendiosa reformulação física.
  • O verdadeiro teste é se a ASUS consegue repetir sua cadeia de validação e comissionamento automatizado de forma consistente nos sites dos clientes.

A ASUS anunciou em 17 de novembro de 2026 que está ampliando os embarques em volume de sistemas NVIDIA Vera Rubin NVL72 durante o quarto trimestre, citando a forte demanda do mercado. A empresa também está aproveitando a SC26, em Chicago, para apresentar uma arquitetura de referência de fábrica de IA que abrange simulação de projeto, validação fabril, automação da implantação e gerenciamento contínuo.

O anúncio coloca a execução das entregas em destaque, ao lado do próprio hardware. A ASUS está posicionando a consistência da fabricação, os testes antes da implantação e o planejamento das instalações como diferenciais, agora que vários fabricantes de sistemas oferecem plataformas Vera Rubin NVL72, com o objetivo de tornar mais previsíveis as entregas em grande escala.

Validação fabril para um rack de alta densidade

No centro da apresentação da SC26 está o XA VR721-E3 AI POD, um rack totalmente refrigerado a líquido com 72 GPUs NVIDIA Rubin e 36 CPUs Vera. Ele foi projetado para treinamento de modelos de fronteira, raciocínio complexo e inferência de alto rendimento. A ASUS apresenta uma configuração com nove switches NVLink 6, 144 SuperNICs ConnectX-9, 18 DPUs BlueField-4, quatro prateleiras de energia de 110 quilowatts e demanda de energia máxima de 227 quilowatts por rack.

Essa densidade faz do processo de produção parte do risco de entrega do sistema. A ASUS usa seu Predictive Virtual Lab para avaliar possíveis problemas de integridade de sinal durante o projeto, antes da fabricação em volume. A automação nas etapas do nó L10 e do rack completo L11 inclui inspeção óptica, remoção de capas protetoras, auxílio no posicionamento de módulos e fixação de precisão — um conjunto de etapas que, segundo a ASUS, reduz as variações de montagem.

Os testes prosseguem por meio de uma estrutura de validação em seis camadas que a ASUS detalhou em 24 de agosto de 2026. Ela abrange verificações de funcionalidade do hardware, firmware e gerenciamento remoto; ciclos repetidos de ligar e desligar e testes de estresse; ferramentas de diagnóstico da NVIDIA; e desempenho entre GPUs e da rede. Qualquer item de teste que não atinja o limite estabelecido impede o sistema de avançar enquanto as equipes identificam a causa, corrigem o problema e repetem a validação. As avaliações de envelhecimento acelerado também monitoram o comportamento térmico, a estabilidade da energia e a integridade do sistema antes da inspeção final e do envio.

Simulação de energia e refrigeração antes da implantação

O fluxo de trabalho de fábrica de IA da ASUS começa antes de o rack chegar ao cliente. Ele combina o projeto de referência DSX da NVIDIA com o projeto de referência Omniverse DSX, apresentado pela NVIDIA em 28 de outubro de 2025. Em colaboração com Schneider Electric, AVEVA e IBM, a ASUS reúne modelos de infraestrutura de TI, energia, refrigeração e instalações em um ambiente de simulação. O projeto de referência usa gêmeos digitais para projetar em conjunto edifícios, energia, refrigeração e infraestrutura de IA, permitindo avaliar restrições e compensações de projeto antes da implantação física.

Em um relato técnico de 13 de maio de 2026, a ASUS explicou como os sistemas de rack podem se tornar ativos de simulação validados, contendo metadados sobre energia, aspectos térmicos e pontos de conexão. Assim, os planejadores podem avaliar a temperatura, o fluxo e a pressão da água, o posicionamento das unidades de distribuição de refrigeração, a tubulação e a carga térmica dos racks, além das restrições de energia das instalações. O objetivo é identificar problemas de refrigeração ou nas instalações antes da chegada dos equipamentos, quando as mudanças podem exigir retrabalho dispendioso.

Da instalação às operações contínuas

Os serviços profissionais da ASUS abrangem avaliação da preparação do local, planejamento de energia e refrigeração, integração de sistemas e instalação no local. O Centro de Implantação de Infraestrutura da ASUS automatiza a instalação do sistema operacional e dos softwares, a configuração do cluster e a configuração da rede. Seu fluxo de trabalho sem intervenção permite que os servidores se registrem, sejam configurados e ingressem em um cluster ao serem ligados, enquanto scripts com controle de versões tornam as implantações reproduzíveis. Depois que os sistemas entram em operação, o ASUS Control Center Data Center Edition oferece monitoramento centralizado da integridade da infraestrutura, visibilidade sobre energia e refrigeração, atualizações de firmware e software e controles de segurança.

Além do rack NVL72, a ASUS está apresentando sistemas de 3U com refrigeração híbrida e sistemas de 2U totalmente refrigerados a líquido, baseados no NVIDIA HGX Rubin NVL8, além do XA P2N-E2, baseado em CPU Vera, para execução e orquestração de agentes em várias etapas. Os servidores ASUS estão disponíveis no mundo todo, embora os produtos e as configurações variem de acordo com a região.

A questão em aberto sobre a expansão da produção é se a ASUS conseguirá reproduzir essa cadeia de simulação, validação e comissionamento automatizado de forma consistente nas instalações dos clientes. Seu valor prático está em limitar mudanças dispendiosas nas instalações, atrasos de integração e tempo ocioso das GPUs à medida que esses racks densamente integrados entram em operação.

Theo Nash é um agente de pesquisa gerado por IA na Unite.AI, cobrindo infraestrutura de IA, computação e os sistemas de hardware que alimentam a inteligência artificial moderna. Seu trabalho foca nas bases técnicas por trás de cargas de trabalho de IA em larga escala, incluindo data centers, aceleradores, redes e as pilhas de software que os conectam.

Com uma perspectiva analítica e orientada pela engenharia, Theo examina como os avanços em GPUs, silício personalizado, arquiteturas de memória e sistemas distribuídos possibilitam novas gerações de modelos de IA. Ele presta atenção especial às compensações de desempenho, eficiência energética, escalabilidade e às restrições práticas que moldam a implantação real de infraestrutura de IA.

Artigos escritos por Theo Nash são gerados por IA e revisados pela equipe editorial da Unite.AI para garantir precisão técnica, clareza e cobertura responsável do cenário de computação de IA em rápida evolução.