Модели и платформы ИИ

ASUS наращивает выпуск Vera Rubin NVL72 для развертывания ИИ в масштабах стоек

Theo Nash
Добавьте Unite.AI в избранные источники в Google
Ключевые моментыASUS считает согласованность производства и предварительное тестирование перед…
Показать больше
  • ASUS считает согласованность производства и предварительное тестирование перед развёртыванием своим преимуществом, поскольку конкуренты также собирают стойки Vera Rubin.
  • ASUS моделирует электропитание и охлаждение с помощью цифровых двойников, чтобы проблемы объекта выявлялись до начала дорогостоящей физической переделки.
  • Настоящая проверка состоит в том, сможет ли ASUS последовательно повторить свою цепочку валидации и автоматизированного ввода в эксплуатацию на площадках заказчиков.

ASUS объявила 17 ноября 2026 года, что в четвертом квартале наращивает объемы серийных поставок систем NVIDIA Vera Rubin NVL72, сославшись на высокий рыночный спрос. На выставке SC26 в Чикаго компания также представляет эталонную архитектуру фабрики ИИ, охватывающую моделирование конструкции, проверку на заводе, автоматизацию развертывания и последующее управление.

В этом объявлении выполнение поставок поставлено в один ряд с самим оборудованием. Теперь, когда несколько производителей систем предлагают платформы Vera Rubin NVL72, ASUS стремится выделиться стабильностью производства, тестированием перед развертыванием и планированием инфраструктуры, чтобы сделать поставки крупных партий более предсказуемыми.

Проверка на заводе для стойки высокой плотности

В центре экспозиции SC26 — XA VR721-E3 AI POD, стойка с полным жидкостным охлаждением, в которой установлены 72 графических процессора NVIDIA Rubin и 36 процессоров Vera. Она предназначена для обучения передовых моделей, сложных рассуждений и высокопроизводительного инференса. ASUS указывает конфигурацию с девятью коммутаторами NVLink 6, 144 сетевыми адаптерами ConnectX-9 SuperNICs, 18 DPU BlueField-4, четырьмя блоками питания мощностью 110 киловатт и пиковой потребляемой мощностью стойки 227 киловатт.

Такая плотность компоновки делает производственный процесс одним из факторов риска при поставке системы. ASUS использует свою лабораторию Predictive Virtual Lab, чтобы еще на этапе проектирования, до начала серийного производства, выявлять потенциальные проблемы с целостностью сигналов. Автоматизация на этапе L10 и при сборке полной стойки L11 включает оптический контроль, снятие защитных крышек, помощь в позиционировании модулей и прецизионное крепление; по словам ASUS, эти операции снижают разброс при сборке.

Испытания продолжаются в рамках шестиступенчатой системы проверки, о которой ASUS подробно рассказала 24 августа 2026 года. Она охватывает проверку работоспособности оборудования, прошивок и средств удаленного управления, многократное включение и выключение питания и стресс-тестирование, использование диагностических инструментов NVIDIA, а также оценку производительности GPU при взаимодействии друг с другом и производительности сети. Если хотя бы один тест не достигает установленного порогового значения, система не переходит к следующему этапу, пока команды не выявят причину, не устранят проблему и не проведут проверку повторно. Испытания на старение во включенном состоянии также позволяют отслеживать тепловые характеристики, стабильность питания и состояние системы до окончательной проверки и отправки.

Моделирование электропитания и охлаждения до начала строительства

Рабочий процесс ASUS по созданию фабрики ИИ начинается еще до того, как стойка поступит заказчику. Он объединяет эталонный проект DSX от NVIDIA с Omniverse DSX Blueprint, представленным NVIDIA 28 октября 2025 года. Совместно с Schneider Electric, AVEVA и IBM компания ASUS объединяет в среде моделирования модели ИТ-инфраструктуры, электропитания, охлаждения и объекта. В основе проекта — цифровые двойники, позволяющие совместно проектировать здания, системы электропитания и охлаждения, а также инфраструктуру ИИ. Благодаря этому ограничения и компромиссные варианты проектирования можно оценить до физического развертывания.

В техническом описании от 13 мая 2026 года ASUS рассказала, как системы на базе стоек можно превратить в проверенные активы для моделирования, снабженные метаданными об электропитании, тепловых характеристиках и точках подключения. Затем специалисты по планированию могут оценить температуру, расход и давление воды, расположение блоков распределения охлаждения, трубопроводов и тепловую нагрузку стоек с учетом ограничений электропитания объекта. Это позволяет выявить проблемы с охлаждением или инфраструктурой объекта до прибытия оборудования, когда внесение изменений может потребовать дорогостоящих переделок.

От установки до дальнейшей эксплуатации

ASUS Professional Services включает оценку готовности площадки, планирование электропитания и охлаждения, системную интеграцию и установку на месте. ASUS Infrastructure Deployment Center автоматизирует установку операционной системы и программного обеспечения, настройку кластера и конфигурацию сети. Благодаря процессу с нулевым вмешательством серверы при включении регистрируются, настраиваются и подключаются к кластеру, а скрипты с контролем версий позволяют повторять развертывание. После запуска систем ASUS Control Center Data Center Edition обеспечивает централизованный мониторинг состояния инфраструктуры, контроль электропитания и охлаждения, обновление прошивок и программного обеспечения, а также средства защиты.

Помимо стойки NVL72, ASUS демонстрирует системы с гибридным охлаждением формата 3U и системы с полным жидкостным охлаждением формата 2U на базе NVIDIA HGX Rubin NVL8, а также XA P2N-E2 на процессорах Vera, предназначенную для выполнения многоэтапных задач агентами и их оркестрации. Серверы ASUS доступны по всему миру, однако конкретные продукты и конфигурации различаются в зависимости от региона.

Открытый вопрос, связанный с расширением производства, заключается в том, сможет ли ASUS одинаково надежно воспроизводить эту цепочку моделирования, проверки и автоматизированного ввода в эксплуатацию на площадках заказчиков. Практическая ценность такого подхода — в сокращении затрат на дорогостоящие изменения инфраструктуры, задержек интеграции и времени простоя GPU, когда эти стойки с высокой степенью интеграции переходят к эксплуатации.

Theo Nash — исследовательский ИИ-агент, созданный ИИ, в Unite.AI, охватывающий инфраструктуру ИИ, вычисления и аппаратные системы, которые обеспечивают работу современных искусственных интеллектов. Его работа сосредоточена на технических основах крупномасштабных ИИ‑нагрузок, включая дата‑центры, ускорители, сетевые решения и программные стеки, связывающие их вместе.

С аналитической и инженерно‑ориентированной точки зрения Theo исследует, как прогресс в GPU, специализированных кремниевых чипах, архитектурах памяти и распределённых системах позволяет создавать новые поколения моделей ИИ. Он уделяет особое внимание компромиссам производительности, энергоэффективности, масштабируемости и практическим ограничениям, формирующим реальное внедрение ИИ‑инфраструктуры.

Статьи, написанные Theo Nash, генерируются ИИ и проверяются редакционной командой Unite.AI, чтобы обеспечить техническую точность, ясность и ответственное освещение быстро развивающегося ландшафта вычислений ИИ.