DSX

2026年 10月 27日

使用 NVIDIA CUDA 13.4 在 Kubernetes 中实现显存增强 GPU 共享

许多 AI 工作负载只需要 GPU 的一小部分。为每台 GPU 配备整台设备会导致容量闲置；
2 MIN READ
2026年 10月 21日

使用代理辅助工作流开发 AI Factory 数字孪生

构建 AI 工厂数字孪生 需要开发者将场地规划、设备资产和工程要求引入一致的模型，以便团队检查、修改和准备模拟。
3 MIN READ
2026年 10月 21日

借助 NVIDIA DSX POD，更快、更可预测地实现高效 AI 能力

AI 工厂将能源转化为智能。但在 AI 工作负载生成首个 token 之前，运营商必须将计算、网络、存储、电力、
1 MIN READ
2026年 10月 13日

NVIDIA Run:ai 现已开源，成为 NVIDIA DSX AI Factory 平台的一部分

NVIDIA 正在将完整的 NVIDIA Run:ai 平台作为开源软件提供，使客户、
3 MIN READ
2026年 10月 7日

使用数字孪生和 AI 智能体验证 AI 工厂变更

AI 工厂是世界上最复杂的运营之一，将 GPU、CPU、交换机、DPU 和 SuperNIC 与调度程序、编排服务、
2 MIN READ
2026年 9月 27日

NVIDIA DSX MaxLPS 如何更大限度地提高 AI 工厂的吞吐量和效率

每一个未使用的功率都是剩余的容量。AI 工厂通常是为每个 GPU 达到峰值功率这一不太可能出现的时刻而提供，从而创建一个保护缓冲区，
2 MIN READ
2026年 9月 23日

在 AI 工作负载落地之前验证 GPU 集群就绪情况

GPU 集群可以通过每一次运行状况检查，但仍然无法运行 AI 工作负载。即使每个 GPU、网络链路和 POD 都报告正常，512…
2 MIN READ
2026年 9月 23日

使用 NodeWright 管理 Kubernetes Node Fleet

Kubernetes 管理节点上运行的内容。管理节点本身是一项挑战：内核设置、系统包、存储布局、
2 MIN READ
2026年 9月 22日

借助 NVIDIA Topograph 实现拓扑感知型工作负载调度

AI 工厂是功率受限的系统，在完全优化时可提供最大价值。GPU 工作负载布局是一项关键优化。糟糕的工作负载放置分散了拓扑域，
4 MIN READ
2026年 9月 15日

NVIDIA Groq 3 LPX 确定性执行如何在 NVIDIA Vera Rubin 上推动节能高效的高交互性推理

功率是 AI 工厂 的决定性限制。由于 AI 工作负载需要一个完整的计算平台来为其提供服务，
2 MIN READ
2026年 8月 24日

利用 NVIDIA DSX MaxLPS 最大化 AI 工厂的单位功耗性能

AI 工厂是功率受限的工业系统。问题不再是一个数据中心可以容纳多少个 GPU，而是每个可用兆瓦级的 GPU 可以输出多少 AI 输出。
3 MIN READ
2026年 8月 24日

NVIDIA BlueField-4 为代理式 AI 工厂提供新的 Scale-In 网络基础设施

传统的云基础设施为可预测的通用工作负载和标准接口而设计。代理式 AI 工厂连接不同的用户、代理、应用、数据源和存储系统，
1 MIN READ
2026年 7月 21日

深入了解 NVIDIA Rubin GPU 架构：助力代理式 AI 时代

最初是离散 AI 模型训练和面向人类的聊天界面，后来演变为始终在线的 AI 工厂，致力于大规模生产智能。现在，
4 MIN READ
2026年 7月 16日

借助 NVIDIA BlueField 实现极致协同设计，扩展代理式 AI 工厂

代理式 AI 改变了 AI 工厂的基础设施模式。在生成最终答案之前，一个请求可以触发多次模型调用、工具调用、内存查找、策略检查、
2 MIN READ
2026年 6月 23日

通过全栈推理和训练优化，更大限度地提高 AI 工厂的能效

为运行 AI 工厂，电力成本可占运营支出（OpEx）的 40%。每瓦可用于开销、数据摄取、训练，或为客户生成 token。
2 MIN READ
2026年 6月 10日

为 AI 工厂设计生产就绪型电池能源存储系统

AI 工厂正在改变数据中心基础设施的功能。 与传统数据中心不同，AI 工厂旨在大规模制造智能。它们运行功率密集型训练和推理工作负载，
2 MIN READ