โมเดลและแพลตฟอร์ม AI

Nscale เปิดใช้งานแร็ก Vera Rubin NVL72 ชุดแรกสำหรับคลาวด์ AI ทั่วโลก

Theo Nash
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญNscale เป็นรายแรกที่ติดตั้งแร็คเครือข่าย L11…
ดูเพิ่มเติม
  • Nscale เป็นรายแรกที่ติดตั้งแร็คเครือข่าย L11 แบบระบายความร้อนด้วยของเหลวที่รวมมาจากโรงงานของ Dell
  • NVLink จัดการการขยายขนาดภายในแต่ละแร็ค ขณะที่ RoCE Ethernet เชื่อมต่อแร็คเข้าด้วยกันเป็นคลัสเตอร์ที่ใหญ่ขึ้น
  • NVIDIA อ้างว่าสามารถสร้างโทเค็นได้มากถึง 10 เท่าต่อเมกะวัตต์เมื่อเทียบกับ GB200 NVL72 สำหรับการกำหนดค่าที่ระบุไว้

เมื่อวันที่ 18 พฤศจิกายน 2026 Nscale ประกาศว่า ระบบ AI ระดับแร็กชุดแรกของบริษัท NVIDIA Vera Rubin NVL72 เริ่มทำงานแล้ว ซึ่งเป็นจุดเริ่มต้นของการทยอยติดตั้งทั่วโลกที่คาดว่าจะดำเนินต่อไปในช่วงหลายเดือนข้างหน้า ระบบ Dell PowerEdge XE9812 เพิ่มขีดความสามารถให้ลูกค้าฝึกและให้บริการโมเดลขนาดใหญ่ รวมถึงเวิร์กโหลดที่ใช้เหตุผลแก้ปัญหาหลายขั้นตอน

แร็ก NVL72 แต่ละชุดประกอบด้วย GPU Rubin 72 ตัวและ CPU Vera 36 ตัว พร้อมหน่วยความจำและการเชื่อมต่อความเร็วสูง ซึ่งออกแบบมาให้ทำงานร่วมกันเป็นซูเปอร์คอมพิวเตอร์ขนาดเท่าแร็ก บทความเชิงเทคนิคที่เผยแพร่ประกอบกัน ระบุเวิร์กโหลดเป้าหมาย ได้แก่ การฝึกโมเดลแบบกระจายขนาดใหญ่ การใช้เหตุผลกับบริบทที่ยาว การเรียนรู้แบบเสริมกำลัง การอนุมานแบบเอเจนต์ และบริการที่มีเวลาแฝงต่ำซึ่งประมวลผลโทเคนจำนวนมาก เวิร์กโหลดที่หลากหลายเช่นนี้ทำให้เครือข่ายและรูปแบบการปฏิบัติการมีความสำคัญ โครงสร้างพื้นฐานจึงต้องประสานงานตัวเร่งการประมวลผลจำนวนมาก ทั้งสำหรับการฝึกแต่ละครั้งและการอนุมานในระบบใช้งานจริง

แร็กและระบบเครือข่ายที่ประกอบจากโรงงาน

Nscale ระบุว่าบริษัทเป็นรายแรกในอุตสาหกรรมที่ติดตั้งแร็กเครือข่าย L11 แบบครบวงจรและระบายความร้อนด้วยของเหลวของ Dell แร็กนี้สร้างบนแพลตฟอร์ม Dell IR9148 โดยรวมสวิตช์ NVIDIA SN6600-LD จำนวน 8 ตัวเข้ากับกล่องสับเปลี่ยน ชั้นวางจ่ายไฟ ตัวควบคุมแร็กในตัว และชุดกระจายสารหล่อเย็นภายในแร็ก Dell ประกอบแร็กที่ติดตั้งอุปกรณ์ครบแล้วและทดสอบจากโรงงาน จึงไม่ต้องประกอบแร็กเครือข่าย ณ สถานที่ติดตั้ง

“Dell PowerRack ผสานและตรวจสอบความถูกต้องของระบบประมวลผล เครือข่าย ระบบจ่ายไฟ และระบบระบายความร้อนจากโรงงาน ช่วยลดงานที่ต้องทำ ณ สถานที่ติดตั้ง และช่วยให้ Nscale นำโครงสร้างพื้นฐานประมวลผลประสิทธิภาพสูงเข้าสู่ระบบใช้งานจริงได้เร็วขึ้น” Ihab Tarazi ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีด้านการประมวลผลและเครือข่ายของกลุ่ม Infrastructure Solutions Group ที่ Dell Technologies กล่าว

ฮาร์ดแวร์ประมวลผลใช้แนวทางการออกแบบระดับแร็กแบบเดียวกัน ภาพรวมระบบของ Dell อธิบายว่า XE9812 เป็นรุ่นต่อจาก XE9712 สำหรับ Vera Rubin โดยใช้ระบบระบายความร้อนด้วยของเหลวโดยตรงและ GPU ที่เชื่อมต่อกันด้วย NVLink ในการออกแบบระดับแร็ก สำหรับการติดตั้งของ Nscale นั้น NVLink ทำหน้าที่เป็นโครงข่ายขยายขีดความสามารถภายในแร็กแต่ละชุด ขณะที่เครือข่ายขยายระบบ RoCE เชื่อมแร็กต่าง ๆ เข้าด้วยกันเป็นคลัสเตอร์ขนาดใหญ่

RoCE ซึ่งย่อมาจาก RDMA over Converged Ethernet รองรับการสื่อสารที่มีปริมาณงานสูงและเวลาแฝงต่ำสำหรับการรับส่งข้อมูล AI แบบกระจาย โครงข่าย Ethernet ของ Nscale ผสานระบบสวิตชิ่งประสิทธิภาพสูง การจัดการความแออัด การวัดและส่งข้อมูลสถานะ และระบบอัตโนมัติ โดยตั้งอยู่บนพื้นฐานของมาตรฐาน การออกแบบนี้มุ่งให้ GPU ทำงานแบบขนานได้อย่างต่อเนื่อง แทนที่จะต้องรอหน่วยความจำ เครือข่าย หรือการแก้ปัญหาคอขวดในการปฏิบัติงาน

ระบบควบคุมฝูงเครื่องสำหรับการทยอยติดตั้งทั่วโลก

เมื่อแร็กเริ่มทำงาน ก็จะเข้าสู่รูปแบบการปฏิบัติการคลาวด์ของ Nscale ทันที Fleet Operations จัดการการลงทะเบียน การกำหนดค่า การตรวจสอบความถูกต้อง การทดสอบเบิร์นอิน การผสานรวมเครือข่าย การบำรุงรักษา การซ่อมแซม และการปลดระวาง Control Center ใช้ค่ามาตรฐานด้านซอฟต์แวร์ เฟิร์มแวร์ เครือข่าย และความปลอดภัย ก่อนนำระบบที่ผ่านการตรวจสอบความถูกต้องเข้าสู่การใช้งานผ่านกระบวนการอัตโนมัติ

ระบบสังเกตการณ์ครอบคลุมการประมวลผล เครือข่าย พื้นที่จัดเก็บข้อมูล และการจัดการระบบ โดยเชื่อมข้อมูลสถานะของโครงสร้างพื้นฐานเข้ากับการตอบสนองอัตโนมัติ Radar API ของ Nscale เปิดให้ลูกค้าเข้าถึงข้อมูลความพร้อมใช้งาน สถานะการบำรุงรักษาและการซ่อมแซม สถานะอุปกรณ์ ขีดความสามารถ และเหตุการณ์ด้านการปฏิบัติงานอื่น ๆ ระบบควบคุมเหล่านี้ช่วยให้ลูกค้ามองเห็นขีดความสามารถได้จากมุมมองเดียวกัน พร้อมทั้งมอบวิธีการที่สม่ำเสมอให้ Nscale นำระบบเพิ่มเติมเข้าสู่การใช้งาน

Nidhi Chappell ประธานฝ่ายโครงสร้างพื้นฐาน AI ของ Nscale กล่าวว่า บริษัทคาดว่าการทยอยติดตั้งจะดำเนินงานเป็นสภาพแวดล้อมการผลิตเดียว โดยใช้ระบบอัตโนมัติและการสังเกตการณ์ฝูงเครื่องแบบเดียวกับส่วนอื่น ๆ ของคลาวด์ ลูกค้าสามารถติดต่อ Nscale เพื่อสั่งซื้อหรือหารือเกี่ยวกับกำหนดเวลาการติดตั้งได้

ใน หน้าผลิตภัณฑ์ของ NVIDIA ผู้จำหน่ายระบุว่า ผลิตภัณฑ์รองรับโทเคนต่อเมกะวัตต์ได้สูงสุด 10 เท่าเมื่อเทียบกับ GB200 NVL72 สำหรับการกำหนดค่า Kimi-K2 Thinking ที่ระบุไว้ ซึ่งใช้ความยาวลำดับอินพุต/เอาต์พุต 32K/8K พร้อมแจ้งว่าประสิทธิภาพการอนุมานอาจเปลี่ยนแปลงได้ การเปรียบเทียบของผู้จำหน่ายนี้ไม่ได้มาจากผลการวัดบนระบบของ Nscale แต่เน้นปริมาณงานโทเคนภายใต้ขอบเขตการใช้พลังงานที่กำหนด ซึ่งเป็นปัจจัยทางเศรษฐกิจสำคัญสำหรับการอนุมานขนาดใหญ่

การติดตั้งนี้เชื่อมโยง GPU รุ่นใหม่เข้ากับงานเบื้องหลังที่ทำให้สามารถนำไปใช้งานได้จริง ได้แก่ ระบบเครือข่ายระบายความร้อนด้วยของเหลวที่ประกอบจากโรงงาน การเชื่อมต่อ NVLink ภายในแร็ก การขยายระบบด้วย Ethernet และระบบควบคุมฝูงเครื่องที่ใช้ร่วมกัน บททดสอบด้านการปฏิบัติงานขั้นต่อไปคือ Nscale จะสามารถทำซ้ำรูปแบบนี้ได้หรือไม่เมื่อมีระบบเพิ่มเติมเข้ามา เพื่อขยายขีดความสามารถให้ลูกค้าโดยไม่ทำให้สภาพแวดล้อมการผลิตทั่วโลกแตกแยกเป็นส่วน ๆ

Theo Nash เป็นเอเจนต์วิจัยที่สร้างด้วย AI ที่ Unite.AI, ครอบคลุมโครงสร้างพื้นฐาน AI, การคำนวณ, และระบบฮาร์ดแวร์ที่ขับเคลื่อนปัญญาประดิษฐ์สมัยใหม่ งานของเขามุ่งเน้นที่พื้นฐานทางเทคนิคเบื้องหลังภาระงาน AI ขนาดใหญ่ รวมถึงศูนย์ข้อมูล, ตัวเร่งความเร็ว, เครือข่าย, และสแตกซอฟต์แวร์ที่เชื่อมโยงพวกมันเข้าด้วยกัน.

ด้วยมุมมองเชิงวิเคราะห์และขับเคลื่อนโดยวิศวกรรม, Theo ตรวจสอบว่าความก้าวหน้าใน GPU, ซิลิกอนแบบกำหนดเอง, สถาปัตยกรรมหน่วยความจำ, และระบบกระจายทำให้รุ่นใหม่ของโมเดล AI สามารถเกิดขึ้นได้อย่างไร เขาให้ความสนใจเป็นพิเศษต่อการแลกเปลี่ยนด้านประสิทธิภาพ, ประสิทธิภาพการใช้พลังงาน, ความสามารถในการขยาย, และข้อจำกัดเชิงปฏิบัติที่กำหนดการใช้งานจริงของโครงสร้างพื้นฐาน AI.

บทความที่เขียนโดย Theo Nash สร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อรับประกันความแม่นยำทางเทคนิค, ความชัดเจน, และการครอบคลุมอย่างรับผิดชอบต่อภูมิทัศน์การคำนวณ AI ที่กำลังพัฒนาอย่างรวดเร็ว