โมเดลและแพลตฟอร์ม AI

NVIDIA ระบุว่า DSX POD ลดเวลาติดตั้งโรงงาน AI จากหลายเดือนเหลือเพียงไม่กี่สัปดาห์

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

NVIDIA เปิดตัว DSX POD เมื่อวันที่ 21 ตุลาคม 2026 ที่งาน GTC Berlin ซึ่งเป็นแบบอ้างอิงสำหรับโรงงาน AI Vera Rubin แบบครบวงจร โดยพันธมิตรจะประกอบโรงงานเหล่านี้ภายในคอนเทนเนอร์แบบโมดูลาร์ และบูรณาการกับตรวจสอบความถูกต้องก่อนส่งมอบ บริษัทระบุว่าอุปกรณ์ที่ประกอบจากโรงงานเหล่านี้ช่วยลดเวลาติดตั้ง ณ สถานที่ที่เตรียมไว้แล้ว จากหกเดือนเหลือเพียง 14 วัน

NVIDIA ระบุว่าอุปกรณ์ในคอนเทนเนอร์พร้อมเชื่อมต่อกับระบบไฟฟ้า ระบบทำความเย็น เครือข่าย และโครงสร้างพื้นฐานสนับสนุนอื่น ๆ ของสถานที่ที่เตรียมไว้แล้วได้ทันทีเมื่อส่งถึง บริษัทกล่าวว่าการติดตั้งที่รวดเร็วขึ้นช่วยให้ลูกค้าเริ่มสร้างโทเค็นสำหรับงานจริงและมีรายได้เร็วขึ้น

ย้ายการประกอบระบบในโรงงานออกนอกสถานที่

NVIDIA ระบุว่า DSX POD ผสานระบบ Vera Rubin เข้ากับโครงสร้างพื้นฐานที่จำเป็นต่อการใช้งาน โดยออกแบบเป็นชุดคอนเทนเนอร์ที่ประกอบจากโรงงานตามมาตรฐานเดียวกัน ซึ่งพันธมิตรสามารถผลิตและส่งมอบได้ในปริมาณมาก การออกแบบนี้ย้ายการบูรณาการและติดตั้งระบบคอมพิวเตอร์ เครือข่าย สายสัญญาณ ระบบไฟฟ้าระดับแร็ก และระบบระบายความร้อนด้วยของเหลว ออกจากสถานที่ติดตั้งไปยังโรงงานผลิต โดย NVIDIA ระบุว่าช่วยลดภาระด้านการวางแผน การก่อสร้าง แรงงานเฉพาะทาง และโลจิสติกส์ที่จำเป็นสำหรับการก่อสร้างในสถานที่แบบดั้งเดิม บริษัทกล่าวเพิ่มเติมว่า คอนเทนเนอร์ที่ผ่านการทดสอบจากโรงงานยังช่วยลดความเสี่ยงจากความล่าช้าของชิ้นส่วนและงานติดตั้ง ณ สถานที่ซึ่งมีค่าใช้จ่ายสูงและเกิดข้อผิดพลาดได้ง่าย ส่งผลให้เริ่มฝึกโมเดลและอนุมานเพื่อใช้งานจริงได้เร็วขึ้น

ก่อนจัดส่ง พันธมิตรจะดำเนินการเดินสายระหว่างแร็ก เดินสายไฟ เดินท่อ และตรวจสอบการทำงานให้ถูกต้องครบถ้วน โดย NVIDIA ระบุว่างานเหล่านี้ดำเนินไปแยกจากการเตรียมสถานที่ และช่วยย่นระยะเวลาที่ต้องใช้ก่อนเปิดใช้งานกำลังการประมวลผลใหม่ แบบอ้างอิงนี้สืบทอดแนวคิดการออกแบบของแพลตฟอร์มโครงสร้างพื้นฐาน NVIDIA DSX ในภาพรวม แต่ใช้สถาปัตยกรรมที่แตกต่างออกไป โดยบูรณาการและตรวจสอบระบบในคอนเทนเนอร์ที่ออกแบบมาโดยเฉพาะก่อนขนส่งและติดตั้ง

“โรงงาน AI จะสร้างมูลค่าเมื่อเริ่มผลิตโทเค็น ไม่ใช่เมื่อก่อสร้างเสร็จ” Jensen Huang ผู้ก่อตั้งและซีอีโอของ NVIDIA กล่าว Huang กล่าวว่า DSX POD นำความแม่นยำและความรวดเร็วในการประกอบจากโรงงานมาสู่การก่อสร้างโครงสร้างพื้นฐาน AI ช่วยลดเวลาติดตั้งจากหลายเดือนเหลือไม่กี่สัปดาห์ เพื่อให้ลูกค้าขยายกำลังการประมวลผลและเริ่มดำเนินงานผลิตที่สร้างรายได้ได้เร็วขึ้น NVIDIA นิยามเวลาไปจนถึงโทเค็นแรกว่าเป็นช่วงเวลาที่โรงงาน AI แห่งใหม่เริ่มรันโมเดลเพื่อรองรับภาระงานจริง และบริษัทอธิบายว่าการเริ่มผลิตได้เร็วขึ้นเช่นนี้เป็นจุดเชื่อมโยงระหว่างความเร็วในการติดตั้งกับเศรษฐศาสตร์ของการดำเนินงานโรงงาน AI

แพลตฟอร์มโรงงาน AI DSX ในภาพรวม

ในประกาศอีกฉบับที่เผยแพร่ควบคู่กันเมื่อวันที่ 21 ตุลาคม 2026 NVIDIA อธิบายว่า NVIDIA DSX เป็นสถาปัตยกรรมอ้างอิงแบบครบวงจรสำหรับโรงงาน AI ที่ร่วมกันพัฒนานวัตกรรมกับบริษัทโครงสร้างพื้นฐาน โดยออกแบบระบบประมวลผล เครือข่าย จัดเก็บข้อมูล ซอฟต์แวร์ พลังงาน และระบบทำความเย็นให้ทำงานร่วมกันเป็นระบบเดียว แพลตฟอร์มนี้ประกอบด้วย DSX MaxLPS สำหรับจัดสรรพลังงานแบบไดนามิก, DSX Flex สำหรับประสานการใช้พลังงานของภาระงานให้สอดคล้องกับสภาพของโครงข่ายไฟฟ้า, DSX Reference Design สำหรับสถาปัตยกรรมโครงสร้างพื้นฐานที่ผ่านการตรวจสอบแล้ว, DSX Sim สำหรับการจำลองสถานการณ์, DSX OS สำหรับจัดการโครงสร้างพื้นฐาน และ DSX Exchange สำหรับเชื่อมต่อระบบคอมพิวเตอร์กับระบบอาคาร

ข่าวประชาสัมพันธ์ที่เผยแพร่ควบคู่กันระบุว่า NVIDIA กำลังขยายชุดผลิตภัณฑ์ DSX OS แบบโมดูลาร์และโอเพนซอร์ส ด้วยองค์ประกอบสามรายการที่เปิดให้ผู้พัฒนาทดลองใช้ ได้แก่ NVIDIA Config Manager ซึ่งทำให้การกำหนดค่าเครือข่ายของโรงงาน AI เป็นแบบอัตโนมัติ, NVIDIA Rack Management Service ซึ่งจัดการพลังงานระดับแร็ก สินค้าคงคลัง เฟิร์มแวร์ และสวิตช์ และ NVIDIA Cluster Readiness Engine ซึ่งรันภาระงานแบบกระจายเพื่อทดสอบความถูกต้องของคลัสเตอร์ GPU ก่อนเริ่มใช้งานภาระงานจริง และระบุตำแหน่งความขัดข้องให้เจาะจงถึงโหนด

NVIDIA ระบุว่า DSX MaxLPS จัดสรรพลังงานแบบไดนามิกภายในงบพลังงานที่กำหนดไว้สำหรับโรงงาน AI ช่วยให้ผู้ปฏิบัติงานสร้างโทเค็นได้จำนวนเท่าเดิมโดยใช้พลังงานน้อยลงสูงสุด 30% ขณะที่ DSX Flex ช่วยให้ผู้ปฏิบัติงานปรับการใช้พลังงานของภาระงานให้สอดคล้องกับความต้องการของผู้ให้บริการสาธารณูปโภค เหตุการณ์ตอบสนองด้านอุปสงค์ และราคาพลังงาน ตามข่าวประชาสัมพันธ์ Lambda ใช้ DSX MaxLPS ในการพิสูจน์แนวคิดบนระบบ NVIDIA HGX B200 และแสดงให้เห็นว่ามีปริมาณงานโทเค็นของคลัสเตอร์เพิ่มขึ้น 24% และมีความจุ GPU เพิ่มขึ้น 19% ภายใต้งบพลังงานคงที่ บริษัทยังระบุด้วยว่าแบบอ้างอิงของบริษัทจับคู่ระบบประมวลผลที่ระบายความร้อนด้วยของเหลวกับการระบายความร้อนทิ้งโดยใช้เครื่องทำความเย็นแบบแห้ง ซึ่งอาจลดการใช้น้ำเพื่อทำความเย็นในอาคารให้เหลือเกือบศูนย์

ตามข่าวประชาสัมพันธ์ที่เผยแพร่ควบคู่กัน ผู้ให้บริการคลาวด์ AI และผู้ให้บริการด้านการออกแบบ การก่อสร้าง พลังงาน และระบบทำความเย็น กำลังใช้ DSX เพื่อสร้างและดำเนินงานโครงสร้างพื้นฐานที่ให้บริการแก่องค์กร นักพัฒนา และรัฐบาลในยุโรป Warren Barkley รองประธานฝ่ายบริหารผลิตภัณฑ์ DSX ของ NVIDIA กล่าวว่า DSX รวบรวมเทคโนโลยีและความเชี่ยวชาญจากระบบนิเวศที่ผู้ปฏิบัติงานจำเป็นต้องใช้ เพื่อสร้างโครงสร้างพื้นฐานอย่างมีความรับผิดชอบและดำเนินงานได้อย่างมีประสิทธิภาพในระดับใหญ่

เครือข่ายพันธมิตรและการส่งมอบช่วงต้นปี 2027

NVIDIA ระบุชื่อ Anduril, Armada, Bull, Crusoe, DayOne, Dell Technologies, Delta, Eaton, Foxconn (Ingrasys), GIGABYTE, HPE, Lenovo, Pegatron, Quanta Cloud Technology (QCT), Schneider Electric, Vertiv และ Wistron ว่าเป็นพันธมิตรด้านระบบคอมพิวเตอร์และโครงสร้างพื้นฐานที่กำลังร่วมกันส่งมอบโรงงาน AI DSX POD

NVIDIA ระบุว่าพันธมิตรจะส่งมอบโรงงาน AI DSX POD ทั่วโลกในช่วงต้นปี 2027

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