AI-modeller och plattformar

Vertiv öppnar ATLAS Lab för att testa AI-infrastruktur innan chippen kommer

Theo Nash
Lägg till Unite.AI bland dina föredragna källor på Google
Viktiga punkterVertiv testar kraft, kylning och styrning som ett system för att avslöja…
Visa mer
  • Vertiv testar kraft, kylning och styrning som ett system för att avslöja integrationsfel innan kundplatser.
  • Emulerade NVIDIA-arbetsbelastningar låter ingenjörer belasta infrastrukturen innan motsvarande produktionsberäkningssystem finns.
  • En validerad pod skulle kunna bli en campusreferensdesign som besparar varje driftsättning från nytt ingenjörsarbete.

Vertiv meddelade den 16 november 2026 att företagets ATLAS Lab ska testa kraftförsörjning, kylning, styrsystem och IT-system för AI-fabriker som en sammanhängande installation, med emulerad databehandling från NVIDIA innan produktionssystemen når marknaden. Målet är att upptäcka integrationsproblem under konstruktionsarbetet i stället för hos kunden.

ATLAS står för Advanced Test Lab for Architecture and Systems. Ledande ingenjörer från Vertiv och NVIDIA deltog i en bandklippningsceremoni och tekniska arbetssessioner den 6 november 2026. Arbetet gick från arkitekturkrav och digital simulering till utvärderingar av hur kraftförsörjning, vätskekylning, styrsystem och emulerade AI-arbetsbelastningar fungerar tillsammans.

Labbet hanterar en bristande överensstämmelse i valideringen: infrastrukturutrustning bedöms vanligtvis produkt för produkt, medan en AI-fabrik fungerar som ett sammankopplat system. Vertiv pekar ut fem utmaningar: effekttäthet, hastighet, skala, komplexitet och dynamiska belastningsprofiler. Utmaningarna kan förstärka varandra, vilket innebär att en lösning på en av dem var för sig kan flytta begränsningen till en annan del av installationen.

Testning av en komplett AI-fabrikspod

Den fysiska installationen motsvarar en AI-fabrikspod, där el-, värme-, styr- och IT-utrustning finns i samma miljö. Vertiv uppger att företagets emulering av arbetsbelastningar återskapar hur nuvarande och framtida NVIDIA-arkitekturer för accelererad databehandling påverkar effektförbrukning och värmeutveckling. Det gör det möjligt för ingenjörer att testa hur infrastrukturen reagerar innan motsvarande produktionssystem för databehandling finns kommersiellt tillgängliga.

Ingenjörerna använder först simulering och form- och passningsprovning för att bedöma konstruktionsrisker. Därefter emulerar de framtida beräkningsbelastningar och belastar kraft- och kylsystemen samtidigt, medan samordnade styrsystem reagerar på snabba, synkroniserade variationer i AI-arbetsbelastningen. Testerna omfattar allt från nätanslutningen till racket och följer värmen från vätskekylning på chipnivå vidare genom värmeavledning och återanvändning.

Vertiv uppger att en konstruktion som har validerats i podskala kan bli en referenskonstruktion för ett campus, vilket undanröjer behovet av att konstruera om infrastrukturen för varje driftsättning. Därmed är podden mer än en testbädd för hårdvara: den är avsedd att skapa en repeterbar teknisk grund för kundprojekt.

Simulering och fysisk testning med NVIDIA DSX

ATLAS kombinerar de fysiska testerna med simulering och digitala tvillingarbetsflöden i NVIDIA DSX AI Factory Platform och använder Omniverse-bibliotek, DSX Sim och SimReady-resurser. Modellerna omfattar Vertivs kraft- och kylutrustning, så att infrastrukturlösningar kan utvärderas före fysisk driftsättning, med krav som utgår från NVIDIAs referenskonstruktioner för AI-fabriker.

NVIDIA beskriver DSX som en samlad plattform för teknik inom konstruktion, simulering, drift och ekosystem, som omfattar elnät, anläggningar, chip, infrastrukturprogramvara och partnersystem. DSX Sim modellerar specifikt anläggnings-, infrastruktur- och IT-system tillsammans före byggstart. I ATLAS kombineras dessa digitala verktyg med fysiskt integrationsarbete som omfattar kraftarkitektur, vätskekylning och styrsystem.

Integration mellan leverantörer

Vertiv positionerar labbet som en gemensam miljö för chiptillverkare, tillverkare av servrar och racksystem, leverantörer av kraft- och kyllösningar, elnätsbolag och operatörer. Deras tekniker möts vid gemensamma gränssnitt, där integrationsproblem kan påverka konstruktion, driftsättning och drift. En gemensam testmiljö ger dessa aktörer en gemensam teknisk grund för beslut som rör chip, rack, anläggningar och elnät.

Vertivs vd Giordano Albertazzi sade att ATLAS gör det möjligt för företaget att ”bevisa att hela arkitekturen fungerar innan en kund satsar kapital på att bygga den”. NVIDIAs vice vd för AI-infrastruktur, Vladimir Troy, sade att tidigare validering på systemnivå kan bidra till att lösa infrastrukturutmaningar innan beräkningssystemen kommer.

Företagens uttalade mål är att förkorta tiden till den första token och snabbare omvandla tillgängliga megawatt till produktiv datorkapacitet. Affärsnyttan beror därför på repeterbarheten: om en validerad pod kan ligga till grund för en konstruktion i campusskala som minskar integrationsarbetet på varje enskild plats och ger en testad utgångspunkt för driftsättning.

Theo Nash är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, som täcker AI‑infrastruktur, beräkning och hårdvarusystemen som driver modern artificiell intelligens. Hans arbete fokuserar på de tekniska grunderna bakom storskaliga AI‑arbetsbelastningar, inklusive datacenter, acceleratorer, nätverk och mjukvarustacken som binder dem samman.

Med ett analytiskt och ingenjörsdrivet perspektiv granskar Theo hur framsteg inom GPU:er, skräddarsytt kisel, minnesarkitekturer och distribuerade system möjliggör nya generationer av AI‑modeller. Han ägnar särskild uppmärksamhet åt prestandakompromisser, energieffektivitet, skalbarhet och de praktiska begränsningarna som formar verklig implementering av AI‑infrastruktur.

Artiklar skrivna av Theo Nash är AI‑genererade och granskas av Unite.AI:s redaktionsteam för att säkerställa teknisk noggrannhet, tydlighet och ansvarsfull täckning av det snabbt föränderliga AI‑beräkningslandskapet.