prefix="og: https://ogp.me/ns#"> 英伟达 DSX POD:AI 工厂部署从 6 个月压缩到 14 天|闭式液冷与动态电力分配|AI自学笔记

英伟达 DSX POD 发布:AI 工厂部署从 6 个月压缩到 14 天

英伟达在 2026 年 10 月 21 日的 GTC 柏林大会上发布 DSX POD 参考设计,把计算、网络、布线、机架供电和液冷管路全部前置到工厂完成,使 AI 工厂的现场部署周期从约 6 个月压缩到最快 14 天。一句话结论:DSX POD 提供的是把数据中心从现场工程项目改造成集装箱式工业产品的路径,同时靠闭式液冷和动态电力分配把水耗与电耗一起压下去。

DSX POD 到底是什么:把机柜搬进集装箱

DSX POD 是英伟达面向 Vera Rubin 平台的 AI 工厂参考设计。它的做法是把一整套 AI 工厂拆成模块化集装箱,在制造工厂里完成机架到机架的线缆连接、电气布线、管道安装和功能验证,发货时设备已经达到开箱即连的状态,现场只需要接入准备好的电力、冷却和网络即可投产。

英伟达产品管理副总裁 Warren Barkley 在介绍时用了一个全栈的说法:算力、网络、存储、软件、电力、冷却被当成一个系统共同设计,从设计阶段一直优化到运营阶段。DSX POD 是这套平台里负责硬件交付的那一部分。

官方给出的时间对比是:在场地和配套设施已经准备完毕的前提下,基础设施部署周期从传统的约 6 个月缩短到最短 14 天。这个前提条件很关键,省掉的是现场施工环节,场地的电力报装与土地审批仍需单独计算。黄仁勋的原话把商业逻辑说得很直白,AI 工厂只有开始产出 token 的时候才算创造价值,建成那天不算。

14 天里省掉了什么

传统 AI 工厂现场建设要处理大量相互纠缠的工序:机架上架、跨机架线缆、供配电、液冷管路、然后是长时间的功能调试和反复返工。任何一个零部件延误或一处接线错误都可能把整条进度推后数周。

环节 传统现场建设 DSX POD 模式
机架间线缆连接 现场施工 制造工厂内完成
电气布线与管道安装 现场施工 制造工厂内完成
功能验证 现场调试 发货前完成
现场剩余工作 接电、接冷却、接网络 接电、接冷却、接网络
部署周期 约 6 个月 最快 14 天
主要风险点 现场施工差错、零部件延误 转由工厂质检前置拦截

这本质上是把项目制的现场工程改成了产品化的工厂产线。类似思路在超算和智算领域并不新鲜,国内超大规模集群的建设也走过类似路径。英伟达在此处的作用是提供一套经过验证的参考架构,让十几家 ODM 和基础设施厂商能照着同一套图纸生产,从而让不同地点的部署具有一致性。

十家以上伙伴:谁在造,谁在交付

官方公布的合作伙伴名单覆盖了制造、集成和基础设施三类角色,包括 Anduril、Armada、Bull、Crusoe、DayOne、戴尔科技、Delta、Eaton、富士康(英业达)、技嘉、HPE、联想、和硕、云达科技、施耐德电气、维谛技术和纬创。全球交付计划定在 2027 年初。

其中戴尔、HPE、联想、技嘉、和硕、云达、纬创属于直接制造方,施耐德电气与维谛技术负责供配电与散热基础设施,Bull、Crusoe、DayOne 这类属于数据中心运营方,英伟达自己保留集群系统设计、集成、测试和验证这一层,把工程实现、定制、服务和交付交给生态伙伴。DSX POD 官方页面对这一分工的表述是:英伟达开发、集成、测试并验证集群系统设计基础,生态伙伴负责工程、制造、集成、定制、服务、支持与交付。

首批用户名单也已经出现,包括 CoreWeave、Firmus、Google Cloud、IREN、Lambda、Nebius、Nscale 和 Sharon AI,其中多数正在探索 DSX MaxLPS 这套软件。

DSX 平台:六个组件构成的整体方案

DSX POD 属于更大的 DSX AI 工厂平台,这个平台由六个组件组成,各自解决一个具体环节的问题。

DSX Reference Design 提供经过验证的基础设施架构,是 POD 参考设计的底座。DSX MaxLPS 负责在既定的电力预算内做动态分配。DSX Flex 处理负载功耗与电网状况的协调。DSX Sim 用于仿真,DSX OS 用于基础设施管理,DSX Exchange 负责计算系统与设施系统的连接。几个软件组件目前处于开发者预览阶段,英伟达没有给出全面可用的时间表。

对算力运营商来说,这套组合的吸引力在于电力是可配给量而非无限资源。可用多少电,决定了能上线多少容量,DSX MaxLPS 解决的就是这个约束。

闭式液冷:每天省下 5400 万升水

传统冷却塔靠蒸发水带走热量,需要持续补充用水。DSX 参考设计把液冷计算与干式冷却器排热连在一起,冷却液在闭环里吸收设备热量后循环,室外干冷器像大型散热器一样把热量释放到空气,整个过程不消耗水。Vera Rubin 基础设施支持 100% 液冷,冷却液温度最高可到 45 摄氏度。

在 2 吉瓦规模下,与传统冷却塔系统相比,DSX 每天可节省 5400 万升用水,相当于 18 万户家庭的日用水量。是否需要在最热时段加装机械制冷,取决于当地气候条件。这条数据回应的是 AI 数据中心在缺水地区扩张时最常被追问的环保质疑。

同样的 token 更少的电:MaxLPS 的实测数字

电力侧的指标同样具体。DSX MaxLPS 在 AI 工厂既定电力预算内动态分配电力,帮助运营方用最多少 30% 的电力产出相同数量的 token,节省下来的余量可以换成更高的 GPU 容量和更高吞吐。

第三方实测给出了不同量级的结果。Lambda 在 HGX B200 系统上做概念验证,在固定电力预算下实现了集群 token 吞吐提升 24%、GPU 容量提升 19%。Nscale 在冰岛的 AI 工厂用四台 GB300 NVL72 机架测试,在同样的 264 千瓦电力预算下跑出 49% 更高的推理吞吐和 37% 更多的可管理 GPU 容量。

DSX Flex 处理的是另一个方向的弹性。在 Emerald AI、EPRI、Nebius、英国国家电网与英伟达参与的早期试验中,一组 Blackwell Ultra GPU 集群在模拟电网扰动事件下把集群功耗降低了最多 40%,同时关键负载继续运行。电网侧的收益是让 AI 工厂从固定负载变成可调节负载,在需求响应事件和电价波动中主动调整。

与其它 AI 基础设施路线的位置关系

把 DSX 放到 2026 年的 AI 基础设施版图里看,它处理的是英伟达体系内此前被忽略的一层。此前市场的注意力集中在芯片规格与存储架构上,例如英伟达下一代 Groq LPU 改用 3D 堆叠 DRAM、放弃大 SRAM 的路线,就是针对推理阶段存储墙的硬件解法。而 DSX 处理的是芯片落地之后的那段路,也就是机房、供电和散热怎么在几个月内变成可用的算力。

另一条更偏运营侧的路线是把算力调度效率做上去,例如商汤大装置通过 PD 分离把异构集群的日均吞吐拉到 6 万亿 token。DSX 与这类工作不冲突,区别在于前者管的是物理设施的上线速度与能耗,后者管的是上线之后的调度效率。两者叠加才构成从电力到 token 的完整链路。

值得留意的是英伟达在欧洲的动作规模。公司宣布与欧莱雅、Spotify、沃达丰、保时捷、雀巢和汇丰银行等欧洲企业开展 AI 合作,并计划向欧洲技术生态投入近 100 亿美元,与超过 1.2 万家合作伙伴协作。DSX 平台由 2026 年 5 月 31 日 GTC 台北首次发布,柏林这次是加入具体的 POD 交付形态。

三个需要盯住的变量

第一是交付时间。2027 年初全球交付是个偏乐观的节点,参考设计到规模化量产之间还隔着 ODM 的产线改造与验证周期。第二是 14 天的前提条件,它建立在场地电力、冷却和网络全部就绪之上,而这部分通常才是大型数据中心项目里最长的前置环节。第三是软件成熟度,MaxLPS、Flex、Sim、OS、Exchange 目前多为开发者预览状态,官方未公布正式可用时间。

还有一个行业层面的变量:预制化会改变数据中心建设的风险分布。传统现场建设里,延期责任在现场施工方;工厂预制之后,质量问题前移到制造端。对采购方来说,这既是成本也是风险转移,验收标准需要随之调整。

常见问题

14 天指的是整个数据中心从零到投产吗?

并非如此。这个数字指在场地、供电、冷却和网络已经准备就绪的前提下,把基础设施部署并投产的时间。它省掉的是现场施工、布线、管道安装和功能验证,场地的电力接入与土建不在这个口径内。

DSX POD 和 DSX 平台是什么关系?

DSX 是包含六个组件的整体平台,覆盖架构参考设计、动态电力分配、电网协调、仿真、基础设施管理与计算到设施的连接。DSX POD 是其中面向 Vera Rubin 的硬件交付形态,即以模块化集装箱预制并预验证的 AI 工厂单元。

节电 30% 和节水 5400 万升是实测还是预测?

节水 5400 万升是 2 吉瓦规模下的对比测算,基准是传统冷却塔系统。节电最多 30% 是 DSX MaxLPS 的能力描述,第三方实测给出了不同数值:Lambda 在 B200 上是 24% 吞吐提升,Nscale 在四台 GB300 NVL72、264 千瓦预算下是 49% 推理吞吐提升。

小结

DSX POD 把 AI 基础设施的竞争从芯片参数推到了交付形态。14 天对 6 个月这个对比之所以成立,前提是把大量现场工序搬进了已经存在的制造产能里;5400 万升水和最多 30% 节电之所以成立,前提是重新设计了冷却回路与电力分配逻辑。两组数字都指向同一件事:AI 工厂正在被改造成一种可批量生产的工业品。