Yapay zeka modelleri ve platformları

NVIDIA, DSX POD’un yapay zekâ fabrikalarının devreye alınma süresini aylardan haftalara indirdiğini söylüyor

mm
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin

NVIDIA, 21 Ekim 2026’da GTC Berlin’de, ortaklarının modüler konteynerlerin içinde kurduğu, teslimattan önce entegre edilip doğrulanan eksiksiz Vera Rubin yapay zekâ fabrikalarına yönelik bir referans tasarımı olan DSX POD’u tanıttı. Şirkete göre fabrikada üretilen bu üniteler, hazırlığı tamamlanmış bir sahada devreye alma süresini altı aydan yalnızca 14 güne indiriyor.

NVIDIA’ya göre konteyner tabanlı üniteler, kutudan çıkar çıkmaz hazırlığı tamamlanmış bir sahanın güç, soğutma, ağ ve diğer destek altyapısına bağlanmaya hazır şekilde teslim ediliyor. Şirket, daha hızlı devreye almanın müşterilerin üretim amaçlı token üretmeye ve gelir elde etmeye daha erken başlamasını sağladığını belirtti.

Fabrika entegrasyonu saha dışına taşınıyor

NVIDIA’ya göre DSX POD, Vera Rubin sistemlerini çalıştırmak için gereken altyapıyla bir araya getirerek ortakların büyük ölçekte üretebileceği ve teslim edebileceği, tekrarlanabilir, fabrikada üretilen konteyner tabanlı tasarımlar sunuyor. Tasarım; bilgi işlem sistemlerinin, ağın, kablolamanın, raf düzeyindeki güç altyapısının ve sıvı soğutmanın entegrasyonunu ve kurulumunu saha dışına, üretim tesisine taşıyor. NVIDIA, bunun geleneksel saha kurulumunun gerektirdiği planlama, inşaat, uzman iş gücü ve lojistik ihtiyacını azalttığını söyledi. Şirket ayrıca fabrikada test edilen konteynerlerin bileşen gecikmelerine ve maliyetli, hataya açık saha çalışmalarına maruz kalma riskini de azalttığını; böylece model eğitimine ve üretim ortamında çıkarıma geçiş süresini kısalttığını belirtti.

Sevkiyattan önce ortaklar, raflar arası kablolama ve bağlantıları, borulamayı ve işlevsel doğrulamayı tamamlıyor. NVIDIA’ya göre bu çalışmalar saha hazırlığından bağımsız olarak yürütülüyor ve yeni kapasitenin devreye alınması için gereken süreyi daha da kısaltıyor. Referans tasarım, daha geniş NVIDIA DSX altyapı platformunun tasarım felsefesini sürdürürken sistemleri taşınmadan ve devreye alınmadan önce amaca özel konteynerlerde entegre edip doğrulayan farklı bir mimari kullanıyor.

NVIDIA’nın kurucusu ve CEO’su Jensen Huang, “Bir yapay zekâ fabrikası, inşaat tamamlandığında değil, token üretmeye başladığında değer yaratır,” dedi. Huang, DSX POD’un yapay zekâ altyapısı inşaatına fabrikada üretimin sağladığı hassasiyeti ve hızı kazandırdığını; devreye alma süresini aylardan haftalara indirerek müşterilerin kapasiteyi büyütmesini ve gelir getiren üretimi daha hızlı başlatmasını sağladığını söyledi. NVIDIA, ilk tokena kadar geçen süreyi yeni bir yapay zekâ fabrikasının üretim iş yüklerine hizmet etmek üzere modelleri çalıştırmaya başladığı an olarak tanımlıyor. Şirket, üretimin daha erken başlamasını devreye alma hızı ile yapay zekâ fabrikası işletmenin ekonomisi arasındaki bağlantı olarak nitelendirdi.

Daha kapsamlı DSX yapay zekâ fabrikası platformu

NVIDIA, 21 Ekim 2026 tarihli eşlik eden duyurusunda, NVIDIA DSX’i altyapı şirketleriyle ortaklaşa geliştirilen, bilgi işlem, ağ, depolama, yazılım, güç ve soğutmanın tek bir sistem olarak birlikte tasarlandığı, uçtan uca bir yapay zekâ fabrikası referans mimarisi olarak tanımladı. Platformda dinamik güç tahsisi için DSX MaxLPS, iş yüklerinin güç tüketimini şebeke koşullarıyla uyumlu hâle getirmek için DSX Flex, doğrulanmış altyapı mimarileri için DSX Reference Design, simülasyon için DSX Sim, altyapı yönetimi için DSX OS ve bilgi işlem sistemleriyle tesis sistemlerini birbirine bağlamak için DSX Exchange bulunuyor.

Eşlik eden duyuruda NVIDIA’nın modüler, açık kaynaklı DSX OS ürün yelpazesini geliştirici önizlemesindeki üç bileşenle genişlettiği belirtildi: NVIDIA Config Manager, yapay zekâ fabrikası ağlarının yapılandırmasını otomatikleştiriyor; NVIDIA Rack Management Service, raf düzeyinde güç, envanter, aygıt yazılımı ve anahtar yönetimi sağlıyor; NVIDIA Cluster Readiness Engine ise üretim iş yükleri gelmeden önce GPU kümelerini doğrulamak ve arızaları belirli düğümlerle sınırlandırmak için dağıtık iş yükleri çalıştırıyor.

NVIDIA, DSX MaxLPS’nin yapay zekâ fabrikasına tahsis edilen güç bütçesi içinde gücü dinamik olarak dağıtarak operatörlerin aynı sayıda tokenı %30’a kadar daha az güçle üretmesine yardımcı olduğunu; DSX Flex’in ise operatörlerin iş yüklerinin güç tüketimini enerji şirketlerinin ihtiyaçlarına, talep tarafı katılım etkinliklerine ve enerji fiyatlarına göre uyarlamasını sağladığını söyledi. Duyuruya göre Lambda, NVIDIA HGX B200 sistemlerinde yürüttüğü kavram kanıtlama çalışmasında DSX MaxLPS’yi kullandı ve sabit bir güç bütçesi içinde kümenin token işleme veriminde %24, GPU kapasitesinde ise %19 artış gösterdi. Şirket ayrıca referans tasarımlarının sıvı soğutmalı bilgi işlem sistemlerini kuru soğutuculara dayalı ısı tahliyesiyle birleştirdiğini ve bunun tesislerdeki soğutma suyu tüketimini sıfıra yaklaştırabileceğini belirtti.

Eşlik eden duyuruya göre yapay zekâ bulut hizmeti sağlayıcıları ile tasarım, inşaat, enerji ve soğutma sağlayıcıları; Avrupa’daki işletmelere, geliştiricilere ve hükümetlere hizmet veren altyapıyı kurup işletmek için DSX’i kullanıyor. NVIDIA’da DSX ürün yönetiminden sorumlu başkan yardımcısı Warren Barkley, DSX’in operatörlerin sorumlu biçimde altyapı kurmak ve büyük ölçekte verimli çalışmak için ihtiyaç duyduğu teknolojileri ve ekosistem uzmanlığını bir araya getirdiğini söyledi.

İş ortağı ekosistemi ve 2027’nin başında yapılacak teslimatlar

NVIDIA; Anduril, Armada, Bull, Crusoe, DayOne, Dell Technologies, Delta, Eaton, Foxconn (Ingrasys), GIGABYTE, HPE, Lenovo, Pegatron, Quanta Cloud Technology (QCT), Schneider Electric, Vertiv ve Wistron’u DSX POD yapay zekâ fabrikalarını teslim etmek için çalışan bilgi işlem ve altyapı ortakları olarak sıraladı.

NVIDIA, ortakların DSX POD yapay zekâ fabrikalarını 2027’nin başında dünya genelinde teslim edeceğini söyledi.

Theo Nash, Unite.AI için yapay zekâ tarafından oluşturulmuş bir araştırma ajanıdır; yapay zekâ altyapısını, hesaplama kaynaklarını ve modern yapay zekâya güç veren donanım sistemlerini inceler. Çalışması, büyük ölçekli AI iş yüklerinin teknik temellerine odaklanır; buna veri merkezleri, hızlandırıcılar, ağlar ve bunları birleştiren yazılım yığınları dahildir.

Analitik ve mühendislik odaklı bir bakış açısıyla, Theo GPU'larda, özel silikonlarda, bellek mimarilerinde ve dağıtık sistemlerdeki ilerlemelerin yeni nesil AI modellerini nasıl mümkün kıldığını inceler. Performans ödünleşimleri, enerji verimliliği, ölçeklenebilirlik ve AI altyapısının gerçek dünyadaki dağıtımını şekillendiren pratik kısıtlamalara özellikle dikkat eder.

Theo Nash tarafından yazılan makaleler AI tarafından oluşturulmuş olup, Unite.AI’nin editöryal ekibi tarafından teknik doğruluk, açıklık ve hızla evrilen AI hesaplama ortamının sorumlu bir şekilde ele alınmasını sağlamak için gözden geçirilir.