维度网讯，当地时间5月31日，美国英伟达宣布推出NVIDIA DSX平台，为基础设施构建者提供创建AI工厂的完整行动指南。英伟达首席执行官黄仁勋表示，DSX可在安装机架前模拟整个工厂并验证性能，以生产级AI所需可靠性支撑后续运营。

NVIDIA DSX的推出，指向AI基础设施建设从“采购算力设备”转向“规划整座AI工厂”的变化。大模型训练、推理服务和企业级AI应用不断扩张后，数据中心建设者面对的任务已经不只是购买GPU服务器，而是要把GPU、CPU、网络、存储、机柜、电力、冷却、调度软件和运维体系组合成可长期运行的生产系统。AI工厂一旦进入机柜级、集群级部署，任何环节设计不当都会放大为系统性问题，例如网络拥塞、供电瓶颈、散热不足、机架布局不合理、任务调度效率低或故障恢复路径不清晰。英伟达推出DSX平台，核心价值在于把这些问题前置到虚拟验证阶段，让基础设施构建者在硬件真正进场前，就能围绕性能、可靠性和运营方式进行推演。黄仁勋提到“在不花一分钱的情况下对整个工厂进行模拟”，强调的正是建设前验证对AI工厂投资决策和交付风险控制的作用。

DSX平台面向基础设施构建者，而不是单一芯片用户。它提供的“行动指南”更接近一套建设方法论，覆盖AI工厂从方案设计、性能模拟、机架安装前验证到生产级运行的关键环节。对于云服务商、数据中心运营商、科研机构和大型企业AI团队来说，这类工具可减少现场反复调试带来的时间损耗。

AI工厂建设的复杂度，来自算力规模和工程系统之间的相互制约。单个机架的性能并不能直接代表整座AI工厂的运行效率，真正决定产出的往往是多机架之间的网络拓扑、GPU利用率、数据吞吐、存储访问、冷却能力、电力冗余和运维流程。NVIDIA DSX把模拟环节放在安装机架之前，能够帮助用户先验证不同配置下的性能表现，提前发现可能影响训练和推理任务的瓶颈。对于建设者来说，这相当于在物理施工前完成一次数字化“彩排”：机柜如何排布、网络如何连接、负载如何分配、功耗如何变化、冷却系统能否承载、故障后如何恢复，都可以在模拟环境中进行推演。AI基础设施项目通常投资规模大、建设周期紧、设备供应链复杂，若等到硬件安装完成后才发现系统不匹配，调整成本会非常高。DSX的意义就在于把英伟达在GPU系统、网络互连、AI软件栈和数据中心部署中的经验转化为可复用的规划工具，使不同建设者能够按更标准化的路径搭建AI工厂。随着Vera Rubin、Blackwell等平台进入机柜级交付阶段，AI工厂的竞争也会从单点算力指标转向系统级交付效率、运维可靠性和部署周期控制。

黄仁勋关于DSX的表述还反映出英伟达对AI基础设施市场的新判断：客户越来越需要的不只是芯片性能，而是能降低建设不确定性的完整平台。AI工厂往往需要在正式投产前完成负载验证、可靠性测试、容量规划和运营策略设计，DSX把这些能力封装到平台中，可帮助客户在投入硬件、施工和调试资源之前更清楚地评估方案边界。对英伟达来说，DSX也能把其硬件平台、参考架构、软件工具和合作伙伴生态进一步绑定到AI工厂建设流程中。

NVIDIA DSX推出后，后续观察点将集中在其支持的GPU平台范围、模拟精度、参考架构更新速度、第三方基础设施伙伴接入情况，以及客户能否通过该平台缩短AI工厂建设周期。AI基础设施正在进入更重工程化和系统化的阶段，谁能在安装前完成更充分验证，谁就更可能在生产级AI部署中减少返工、降低风险并提高算力利用效率。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com