随着 AI 工厂的规模从兆瓦级增长到十亿瓦级，建造这些工厂需要的不仅仅是先进的计算。开放标准正在帮助行业以更快、更高效、更可靠的方式扩展 AI 基础设施。
在圣何塞 McEnery 会议中心举行的开放计算项目 (OCP) 全球峰会上，NVIDIA 宣布了新的合作伙伴关系和技术贡献，旨在为新一代 AI 基础设施构建通用基础。
NVIDIA 通过开放的 NVIDIA MGX 架构，向 OCP 提供了关键的 NVIDIA Vera Rubin 机架和计算托盘设计，为系统构建者开发下一代 AI 工厂基础设施提供了通用基础。
这些举措涵盖了 AI 工厂本身、为其供电的公用电网以及作为现代加速计算核心的机架级架构。
NVIDIA 与合作伙伴宣布开放架构的最新进展
在 OCP 峰会上，NVIDIA 及其合作伙伴带来多项发布：
- NVIDIA 和超大规模企业发布了新一代 AI 工厂的开放标准，包括 AI 工厂设计标准和电网可靠性。
- NVIDIA 面向 NVIDIA DSX AI Factory 推出全新开源软件组件。
- Meta 和 NVIDIA 借助 NVIDIA Spectrum-X 以太网 SuperNIC 和 Spectrum-6 创新技术，推进了开放 AI 网络的发展。
- Visionbay 推出了面向 Vera Rubin 时代的 800 VDC AI 工厂设计方案。
- NVIDIA 和思科宣布超密集小型可插拔模块 (USFP) 标准，这是业界首个用于单通道 400Gb/s 网络的模块。
- NVIDIA 和谷歌宣布未来 NVIDIA ConnectX-10 SuperNIC 和 BlueField DPU 将支持 Falcon Transport。
在座无虚席的会场中，NVIDIA 超大规模与高性能计算副总裁 Ian Buck 讨论了开放基础设施如何成为推动全球 AI 工厂规模化扩展的关键要素。
OCP 峰会上的系列新闻重点介绍了 NVIDIA 的极致协同设计正与开放标准相结合，如何加速部署、提高能效并提高每瓦 Token 性能。
OCP 峰会：MGX 机架助力 Vera Rubin AI 工厂加速推进 
NVIDIA 与行业领导者一起，通过 OCP 的 Open DC 计划为第三代 MGX AI 数据中心参考设计做出贡献。
结合 MQD 和 MQDB 等开放式液冷技术，该举措有助于将经过验证的 AI 工厂设计转变为行业标准，供业界采用、制造和扩展。
针对 NVIDIA Vera Rubin AI 工厂，更新后的 MGX 1.2 规范将 AI 工厂的开放架构进一步延伸至机架级盲插液冷、可互操作的机架级互连基础设施，以及专为更高功率 AI 系统设计的 5000A 液冷母线槽 (busbar)。该规范还增加了对原生 19 英寸设备支持和更高密度的机架设计。
MGX 1.2 通过可配置的 I/O 插槽、无风扇液冷计算托盘、标准化的电源和冷却接口以及通用基础设施，进一步扩展了模块化，帮助生态系统合作伙伴构建可互操作的加速计算平台。其缩短了组装、测试和服务时间，简化了制造和现场服务，从而实现更快、更高效的基础设施建设。该架构支持高达 250kW 的机架部署，并简化了可维护性、部署和基础设施重用。
Vera CPU 机架设计规范将 NVIDIA MGX 开放架构从加速计算进一步拓展，为日益发展的智能体 AI 时代提供了一个专用平台。Vera Rubin 机架级系统是大规模训练和推理的基础，NVIDIA Vera CPU 机架则专为工具调用、编排和沙盒执行而设计，帮助 AI 智能体实时与应用、数据和服务进行交互。
Vera CPU 机架基于第三代 NVIDIA MGX 机架架构构建，沿用了相同的机架级设计理念，将计算、网络、供电和冷却整合到一个通用的模块化平台中。这种方法使合作伙伴能够部署专用基础设施，同时受益于共享的生态系统、简化的集成以及面向新一代 AI 工厂统一的基础。
NVIDIA 为 DSX AI Factory 推出全新开源软件组件
NVIDIA DSX AI 工厂平台采用极致协同设计，将计算、网络、供电、冷却、设施和软件整合，帮助 AI 工厂作为一个整体优化的系统来运行，基于可用的基础设施资源实现 AI 产出最大化。这个统一系统的核心是 DSX OS，这是一个开放的操作系统层，它让 DSX 架构能够实现规模化、协调一致且可重复的运作。
在 OCP 峰会上，NVIDIA 通过开源组件扩展了 DSX 操作系统，用于配置网络、验证集群、管理机架和调配裸金属：
- NVIDIA 配置管理器：大规模自动化交换机配置，助力客户部署、验证和维护一致的 AI 工厂网络，将人工干预降至最低。
- NVIDIA 集群就绪引擎：借助真实的工作负载模拟对 GPU 集群进行压力测试，在训练任务开始前保证硬件正常运行，从而有效避免因故障导致代价高昂的任务崩溃。
- NVIDIA 机架管理服务：提供机架硬件抽象和运维解决方案，将机架作为头等核心单元，以提升 AI 工厂大规模固件管理。
- 适用于 NVIDIA 基础设施控制器的集群 API Provider：加速裸机部署和租户载入，将原始 AI 硬件转变为生产就绪型集群的时间从几天缩短到数小时。
这些开源组件基于 NVIDIA 运行 NVIDIA DGX Cloud 的经验而开发，助力云服务提供商和软件合作伙伴能够将 AI 工厂能力直接集成到其多租户平台中。
开发者可以访问 DSX AI Factory Github 页面，探索 NVIDIA DSX AI Factory 平台上全新或现有的开源软件组件并为其做出贡献。
NVIDIA 与超大规模企业共同发布新一代 AI 工厂开放标准
要实现 AI 基础设施在全球范围内的规模化扩展，仅有先进的硬件是不够的，还需要一个整个行业能够共同构建的通用基础。
在 OCP 峰会上，NVIDIA 与 AMD、谷歌和 Meta 共同发布了一项新的开放规范，为此类基础设施奠定了基础。开放数据中心规范 v0.7 为新一代 AI 工厂设施设计制定了统一蓝图，从供电架构到冷却基础设施，再到物理布局等方面。
这项由谷歌、Meta、微软和 NVIDIA 共同发布的 OCP 电网可靠性规范，明确了大规模 AI 基础设施在公用电网扰动期间应具备的行为能力：保持连接、自动响应，并在两秒时间内恢复至接近满载运行状态。
随着这些标准正式开放，全球制造商拥有了统一的研发目标。设备制造商、托管提供商和数据中心运营商可以开始设计、制造和交付支撑全球在建 AI 工厂的基础设施层，而无需等待各个客户的专有规范。
这些规范兼容 NVIDIA DSX 参考设计，为上述规范提供了经过验证的、可部署的实现方案，从设施布局和供电架构到实时监控和响应电网信号的软件。对于正在建设 Vera Rubin AI 工厂的运营商来说，如今从开放社区标准到实际运行的系统之间，已经有了一条清晰的落地路径。
Visionbay.ai 为 Vera Rubin 时代打造 800VDC AI 工厂
随着 AI 工厂的规模与算力不断攀升，一个共同的挑战日益凸显：如何为推动新一代 AI 的加速计算系统提供足够的电力。
在 OCP 峰会上，Visionbay 公布了 K-1 —— 新一代 AI 工厂平台的计划。该平台围绕 800 VDC 架构并针对未来的 NVIDIA Vera Rubin 部署进行构建。该项目将 NVIDIA 800 VDC 参考架构与 Vertiv 的供电和散热技术相结合，为高密度 AI 基础设施奠定了可扩展的基础。
该设计旨在解决日益严峻的行业挑战。随着 AI 训练、常规推理和深度推理工作负载的增加，机架功率密度不断上升。传统的低压配电变得越来越难以扩展，需要更多的铜缆、线缆和电源转换设备。
通过采用 NVIDIA 800 VDC 架构，K-1 为更高密度的 AI 基础设施开辟了一条可行路径，同时兼顾了现有部署的灵活性。该平台不需要在部署初期就完成完全过渡，而是设计为分阶段采用 800 VDC 配电的策略，从而提供最大的优势，帮助运营商为未来几代加速计算做好准备，而无需大规模重新设计设施。
该架构围绕集群级供电中心设计，将交流到直流 (AC – DC) 的 转换集中处理，并将 800 VDC 分配到更接近计算资源的位置。该方法简化了下游电力输送，支持模块化扩展，并为未来 AI 工厂的发展创建可复用的基础模块。
K-1 体现了 NVIDIA AI 工厂背后的系统级设计理念，即将供电、冷却和计算相结合。该项目支持液冷基础设施、可扩展配电和未来的 Vera Rubin 级部署，展示了生态系统合作伙伴如何将 NVIDIA AI 工厂架构转换为可部署的基础设施，专为新时代的加速计算而设计。
Meta 和 NVIDIA 利用 Spectrum-6 和多平面技术推动 AI 网络的发展
在本次活动中，Meta 和 NVIDIA 宣布 Meta 将采用 NVIDIA Spectrum-6 102.4 Tb/s 以太网交换机，在开放网络上构建更大、更高性能的 NVIDIA Vera Rubin AI 工厂。
Spectrum-6 的交换容量和单通道带宽是 Spectrum-4 的两倍，并提供单通道 200G 的无损以太网 AI 网络，支持高效的带宽和性能隔离，可确保一项任务的流量不会干扰另一项任务的运行速度。
Meta 基于 Spectrum-6 的交换机 N-IceCube，将集成到 Meta 的 100T 液冷机架 IcePack 中。N-IceCube 运行 Facebook 开放交换系统 (FBOSS)，这是 Meta 向 OCP 提供的开源网络操作系统，旨在支持超大规模的高效网络。
FBOSS 基于交换机抽象接口 (SAI) 构建，该接口是 NVIDIA 协助开发的 OCP 标准，提供了一种独立于供应商的交换机硬件控制方式。这些技术共同支持由超过 10 万块 GPU 组成的智能体 AI 工厂，这些 GPU 可训练和服务于大规模混合专家模型。
此次合作将 Meta 的超大规模 AI 基础设施运营经验与 NVIDIA 的网络技术相结合，标志着双方合作迈出了新的一步。
此次合作的核心是 Spectrum-X 多平面技术，该技术由 Spectrum-6 交换机和 ConnectX-9 SuperNIC 提供支持。多平面技术能够在硬件层面将 GPU 流量分配到多达 8 个独立的网络平面，使 AI 工厂能够在减少交换机层和基础设施成本的同时，扩展至超过 10 万块 GPU。GPU 之间的多路径可提高网络利用率和可靠性：当某个组件发生故障时，流量可转移到剩余平面，从而确保 GPU 保持生产力，AI 应用程序也可以继续运行，即使带宽有所降低。
Meta 和 NVIDIA 共同通过部署经验和快速工程迭代，增强了可靠性。双方团队已在本地和云环境中验证了相关改进。
Meta 数据中心与 AI 网络高级总监 Omar Baldonado 表示：“我们很高兴能与 NVIDIA 密切合作，使多平面网络在运营层面兼具可扩展性和高性能，这对我们自身的基础设施建设和联合云合作伙伴而言都至关重要。将 FBOSS 扩展至 Spectrum ASIC 意味着我们可以在网络上运行相同的软件栈，而 Meta 基于 Spectrum 的全新交换机 N-IceCube 将这一点引入了 Icepack。Icepack 是我们面向横向扩展的 102.4 T 液冷网络机架，可为新一代加速器提供连接支持。”
Meta 与 NVIDIA 正共同开发一套可供其他 AI 基础设施运营商采用的架构及运维实践指南。将把在高要求生产负载中积累的经验教训，转化为更具可扩展性、更可靠且更高效的 AI 工厂。
NVIDIA 和思科推出 USFP，为 AI 工厂规模化重塑可插拔光模块
为支持更大的模型和不断增长的推理需求，AI 工厂持续扩展。这就要求基础设施堆栈的每个组件 —— 乃至网络连接本身 —— 都必须提供更高的性能、效率和简便性。
在 OCP 峰会上，NVIDIA 和思科宣布了 USFP 计划。这是一种新型可插拔光模块，旨在帮助 AI 工厂建造者扩展新一代 AI 网络，同时提高带宽密度和能效。
USFP 的空间规格与广泛采用的单通道 200Gb/s 的 OSFP 大致相同。它支持单通道 400Gb/s 网络带宽，进一步扩展基于收发器的部署模式，该模式已在多代数据中心网络中得到验证。该模块集成 16 个全双工通道，并规划扩展到 32 个通道，USFP 的带宽密度将是传统单通道 200Gb/s 可插拔光模块的 4 倍。
这意味着能够连接更多计算资源，而无需增加可能带来高延迟、功耗和复杂性的网络层。
新的封装规格专为满足新一代 AI 工厂对规模和效率的需求而设计，在支持更高带宽的网络的同时，保留了使可插拔光模块成为现代数据中心支柱的灵活性和可维护性。它还能将能效提高约 1.3 倍，帮助运营商以更低的能耗传输更多数据。
为推动开放生态系统的发展，NVIDIA 和思科正与 TE Connectivity 和 Amphenol 在笼座、连接器和模块方面展开合作，并计划通过社区主导的多源工作组推进 USFP 的发展。这些公司正共同为更具扩展性、更高效和更可互操作的 AI 工厂网络奠定基础。
Google Falcon Transport 支持 NVIDIA ConnectX-10，实现可互操作的 AI 网
NVIDIA 和谷歌宣布，未来 NVIDIA ConnectX-10 SuperNIC 和 BlueField DPU 将支持 Falcon Transport，帮助提高大规模 AI 基础设施的网络效率。
Falcon 是一种在以太网上运行的可靠传输协议，避免以太网拥塞时的丢包问题。它通过多路径负载平衡、可编程拥塞控制、硬件失包恢复和基于连接的安全机制，支持 AI 和存储工作负载。
此次合作将 NVIDIA 硬件加速技术与 DOCA 软件相结合，实现 Falcon 落地，并将 NVIDIA 网络扩展至谷歌的数据中心传输。NVIDIA 和谷歌网卡可以通过通用传输层进行通信，同时应用程序仍能保留标准 RDMA 编程接口。
通过在多条路径间分配流量、适应拥塞、丢包恢复和保护连接，Falcon 可帮助工作负载更好地利用可用带宽，并在以太网网络扩展时保持可预测的性能。
欢迎参加 OCP 峰会，了解更多关于 NVIDIA 的信息。