NVIDIA DSX – projekt kompletnej fabryki AI. Od serwerów GPU po zasilanie i chłodzenie

NVIDIA DSX to koncepcja kompletnej fabryki AI. Sprawdź, jak połączono serwery GPU, storage, sieć, zasilanie i chłodzenie w jednym projekcie.

Miło nam poinformować, że NVIDIA zaprezentowała kolejne rozwiązanie wykraczające daleko poza same procesory GPU i serwery AI. NVIDIA DSX to platforma przeznaczona do projektowania, symulowania, wdrażania i późniejszej obsługi całych fabryk AI – od warstwy obliczeniowej i sieciowej po storage, zasilanie, chłodzenie oraz infrastrukturę budynku.

DSX to znacznie szerszy zestaw architektur referencyjnych, oprogramowania, interfejsów API i technologii partnerskich, który ma pozwolić traktować całe centrum danych jako jeden wspólnie projektowany system.

• NVIDIA DSX – co właściwie zaprezentowano?
• DSX OS i DSX MaxLPS – oprogramowanie dla całej fabryki AI
• Serwer to dopiero początek. Jak zmienia się infrastruktura AI?
• Przeczytaj także o infrastrukturze AI

Artykuł powstał na podstawie informacji opublikowanych przez NVIDIA, materiałów NVIDIA Technical Blog oraz publikacji branżowych dotyczących infrastruktury centrów danych i NVIDIA DSX.

NVIDIA DSX – co właściwie zaprezentowano?

31 maja 2026 roku NVIDIA zaprezentowała rozwiniętą platformę NVIDIA DSX, określając ją jako kompletny „playbook” do budowania fabryk AI. DSX łączy otwarte i modułowe biblioteki oprogramowania, API, architektury referencyjne, platformy NVIDIA Accelerated Computing oraz technologie partnerów w jeden system obejmujący projektowanie, wdrażanie i eksploatację infrastruktury.

Kluczowe jest właśnie spojrzenie na cały obiekt. W klasycznym podejściu można osobno zaprojektować serwery, sieć, macierze, zasilanie czy system chłodzenia, a dopiero później połączyć wszystkie elementy w działające centrum danych. NVIDIA proponuje model znacznie bardziej zintegrowany: już na etapie projektowania mają być wspólnie analizowane układy CPU i GPU, komunikacja między serwerami, storage, dostępna moc elektryczna, sposób odprowadzania ciepła, infrastruktura budynku oraz oprogramowanie zarządzające. DSX Reference Design dostarcza zweryfikowane projekty infrastruktury dla kolejnych generacji sprzętu, natomiast DSX Sim pozwala symulować i weryfikować środowisko jeszcze przed instalacją fizycznych szaf. DSX Flex rozszerza ten model o współpracę z siecią energetyczną i dynamiczne dostosowanie obciążeń do dostępności oraz kosztu energii. DSX Exchange łączy natomiast sygnały pochodzące z infrastruktury IT z systemami technicznymi odpowiedzialnymi między innymi za energię i chłodzenie. W efekcie fabryka AI ma być projektowana nie jako zbiór niezależnych instalacji, ale jako jeden system, w którym wydajność GPU zależy również od sieci, storage, energii i możliwości chłodzenia całego obiektu.

Nie jest to przy tym wyłącznie koncepcja przygotowana na potrzeby prezentacji. DSX jest już wykorzystywany jako architektura referencyjna przy dużych projektach centrów danych – między innymi przy rozwijanej przez IREN infrastrukturze AI liczonej docelowo w gigawatach oraz w kolejnych projektach operatorów chmurowych i telekomunikacyjnych.

DSX OS i DSX MaxLPS – oprogramowanie dla całej fabryki AI

Jedną z najważniejszych części majowego ogłoszenia są dwa nowe elementy: DSX OS oraz DSX MaxLPS.

DSX OS jest otwartym, modułowym oprogramowaniem przeznaczonym do eksploatacji dużej infrastruktury AI. NVIDIA wskazuje między innymi na zarządzanie cyklem życia środowiska, automatyzację kontroli stanu infrastruktury, odporność na awarie, utrzymywanie spójnego środowiska uruchomieniowego oraz obsługę wielu klientów korzystających ze wspólnej fabryki AI.

DSX MaxLPS koncentruje się natomiast na jednym z największych ograniczeń współczesnych centrów danych – dostępnej mocy. Zamiast analizować wyłącznie maksymalną wydajność pojedynczego GPU, NVIDIA chce optymalizować liczbę generowanych tokenów względem każdego megawata energii dostarczanego do obiektu.

Producent deklaruje, że połączenie zarządzania energią z chłodzeniem cieczą pracującym z wodą o temperaturze 45°C pozwala w określonych konfiguracjach uruchomić do 40% więcej GPU przy ich najbardziej efektywnym energetycznie punkcie pracy, przy niewielkim wpływie na wydajność obciążeń. To szczególnie istotne w sytuacji, w której ograniczeniem nowego centrum danych przestaje być dostępność miejsca na kolejne szafy, a staje się nim liczba megawatów, które można doprowadzić do obiektu.

Serwer to dopiero początek. Jak zmienia się infrastruktura AI?

Z zainteresowaniem przyglądamy się temu tematowi, ponieważ DSX dobrze pokazuje kierunek, w którym zmienia się rynek serwerów AI. Jeszcze kilka lat temu rozmowa o infrastrukturze do sztucznej inteligencji koncentrowała się przede wszystkim na liczbie i rodzaju GPU. Dzisiaj przy największych instalacjach równie istotne są NVLink i sieci scale-out, bardzo szybki storage, przepustowość pomiędzy szafami, zasilanie liczone w dziesiątkach lub setkach megawatów oraz chłodzenie cieczą.

NVIDIA DSX próbuje połączyć te warstwy na poziomie projektu całego obiektu. Ma to skracać czas od rozpoczęcia projektowania do uruchomienia pierwszych obciążeń, ograniczać ryzyko błędnego dobrania infrastruktury oraz poprawiać wykorzystanie kosztownej floty GPU.

To również interesująca zmiana z perspektywy producentów serwerów. Systemy rack-scale, takie jak NVIDIA Vera Rubin NVL72, nie funkcjonują już w oderwaniu od pozostałej infrastruktury centrum danych. Ich wydajność jest bezpośrednio związana z tym, czy obiekt jest w stanie zapewnić odpowiednią moc, komunikację, storage i odprowadzanie ciepła.

W efekcie pojęcie „serwer AI” coraz słabiej opisuje największe współczesne wdrożenia. W przypadku fabryki AI trzeba projektować jednocześnie warstwę obliczeniową i całą infrastrukturę, która pozwoli jej działać.

Przeczytaj także o infrastrukturze AI

Jeżeli chcesz szerzej poznać technologie, które składają się na współczesne środowiska AI, przygotowaliśmy również:

• Dlaczego AI data center wymaga chłodzenia, sieci i storage na nowym poziomie?
• AI Infrastructure Building Blocks – jak zbudować środowisko pod AI z gotowych warstw?
• Liquid cooling – jak skutecznie chłodzić infrastrukturę AI?
• Co to jest Supermicro Rack Scale Solutions?

DSX jest ciekawym sygnałem, że NVIDIA chce uczestniczyć już nie tylko w projektowaniu układów obliczeniowych, ale również w określaniu sposobu, w jaki budowane są całe centra danych dla AI. Przy rosnącej mocy pojedynczych szaf oraz coraz większych wymaganiach dotyczących energii i chłodzenia właśnie integracja wszystkich tych warstw będzie jednym z kluczowych tematów rozwoju infrastruktury AI.