英伟达通过Vera Rubin DSX、Omniverse DSX和数字孪生技术变革人工智能数据中心，提升效率和电力管理，助力扩展AI工厂。
从英伟达GTC大会现场获悉，该公司已宣布了NVIDIA Vera Rubin DSX人工智能工厂的参考设计，用协同设计的人工智能基础设施重新定义了现代数据中心。
除了物理架构，为了简化大规模人工智能工厂的建设，英伟达还推出了其Omniverse DSX数字孪生蓝图。
该蓝图与NVIDIA Vera Rubin DSX完全兼容，将允许运营商虚拟建模整个AI工厂，在建设之前测试布局、配电和热行为。
英伟达创始人兼首席执行官黄仁勋表示：“在人工智能时代，智能令牌（tokens）是新货币，而AI工厂是产生它们的基础设施。”
NVIDIA Vera Rubin DSX | 图片来源：英伟达
“通过NVIDIA Vera Rubin DSX AI工厂参考设计和Omniverse DSX蓝图，我们正在为构建世界上最高效的AI工厂提供基础，加速首次创收时间，并最大化规模和能效。”
行业内的知名公司——包括Cadence、Dassault Systèmes、Eaton、Jacobs、Nscale、Phaidra、Procore、PTC、Schneider Electric、Siemens、Switch、Trane Technologies和Vertiv——已联合起来为蓝图和参考设计做出贡献，以帮助建造和运营新的AI数据中心。
优化数据中心的电力、冷却和效率
NVIDIA Omniverse DSX蓝图标准化了计算、存储、网络和运营系统的协同工作方式，使大规模部署更加可预测和高效。
一个层级的低效率会成为性能瓶颈，但DSX模型集成了系统以确保无缝扩展。
用于AI工厂数字孪生的Omniverse蓝图将AI工厂的电力、冷却和网络组件统一到一个模拟环境中 | 图片来源：英伟达
Vera Rubin DSX架构在追求高性能的同时优先考虑能效。
AI工作负载需要密集、高功率的设施，模块化设计将计算直接与电力和冷却系统连接起来。
这使得能够实时平衡性能与能源可用性，最大化效率。
用于优化的Vera Rubin软件堆栈
开放、模块化、可组合的Vera Rubin DSX堆栈通过其DSX Max-Q库，将硬件与电力和冷却连接起来，以“最大化每瓦可用能源的AI令牌”。
这可以在固定的功率预算内优化工作负载。
DSX Flex将AI设施与电网服务连接起来，实现能源使用的动态调整以及与现场混合发电的协调。
这有助于数据中心在维持电网稳定性的同时减少消耗。
DSX Exchange支持跨IT、运营技术和运营团队对计算、网络、能源、电力和冷却信号进行安全、可扩展的集成。
数字孪生重塑数据中心运营
NVIDIA Vera Rubin的DSX Sim和DSX SimReady实现了高保真数字孪生验证。
NVIDIA Omniverse数字孪生 | 图片来源：英伟达
随着AI基础设施达到吉瓦规模，协调电力和计算不再是可选项。
能源和冷却是性能的核心组成部分，英伟达的设计正是如此对待它们。
模拟使得无需昂贵的物理更改即可识别低效之处并优化配置。
一旦投入运营，数字孪生能够实时进行连续监控、工作负载调整和基础设施优化。
使用NVIDIA DSX Air平台，运营商可以对GPU、网络和合作伙伴基础设施进行建模，而3D几何和物流模拟可以加速部署、优化首日性能并缩短首次创收时间。
这种方法标志着与静态构建的告别。
现在可以连续地设计、测试和优化设施，降低部署风险并提高可预测性。
广泛的行业应用
领先的技术和工程公司正在采用NVIDIA的Vera Rubin DSX参考设计和Omniverse DSX蓝图来改变AI工厂的开发和运营。
Dassault Systèmes正在将该参考设计集成到其基于模型的系统工程平台中，以构建AI工厂的虚拟孪生，在提高可靠性和效率的同时加速部署。
Schneider Electric和Eaton正在提供数字孪生模型和仿真工具，以优化配电和冷却，确保设施以峰值效率运行。
Cadence正在使用NVIDIA GB300 NVL72的SimReady模型来模拟热力学和流体动力学，帮助运营商规划和优化高密度计算环境。
Siemens正在开发用于大规模AI基础设施平衡计算、电力和冷却的框架，而Trane Technologies则专注于热管理以减少吉瓦级设施的能源使用。
Switch正在利用Omniverse DSX进行实时遥测和连续数字孪生更新，而CoreWeave在云端使用NVIDIA DSX Air构建和测试数字孪生，在物理部署之前进行运营演练，以缩短验证时间并改善首日性能。
这些行业领导者共同展示了集成式、软件定义的AI工厂基础设施的日益普及。
数据中心现在不再仅仅是服务器的仓库——它们是为性能、可靠性和速度而优化的工厂。
（素材来自：NVIDIA 全球储能网、新能源网综合）
本文由智算芯能前沿网编辑整理，转载请注明出处。