NVIDIA DSX AI工厂：从配电站到机架的电力方案
Companies around the world are building on the NVIDIA DSX AI Factory Platform to plan, simulate and run the grid and the AI factory as one system, from the substation to the rack.
Full article body is primarily in Chinese for SEO depth; key points above are localized. Use the language switcher and deep links for global navigation.
## NVIDIA DSX AI工厂：从配电站到机架的电力方案
NVIDIA DSX AI工厂平台通过Sim和SimReady资产，让工程团队在实际建设前就能一起规划、模拟和运行电网、设施与机架计算系统，实现从配电站到机架的全链路一体建模。这套方案特别适合正在建设AI数据中心、卡在电网互联排队或想提升电力利用率的团队——因为电力已成为AI工厂最大瓶颈，传统独立设计会造成延误、风险和闲置容量。
谁适合？建设中大型AI训练或推理集群的企业、需要快速验证发电机、开关设备和冷却系统的运营商，以及希望把AI负载变成灵活电网资产的电力合作伙伴。决策时，优先检查本地电网容量与DSX参考架构匹配度，避免被传统分模块设计卡住。
NVIDIA官方报道（2026年10月21日）指出，全球多家公司在采用此平台，助力从配电站到机架的统一系统设计。
DSX平台如何解决电力瓶颈
AI工厂面临的核心问题是电力供应不足——美国互连排队中已等待200吉瓦项目，设备积压超3000亿美元。传统做法是把电网、厂房和机架计算独立设计，导致前期验证耗时长、交付风险高。
NVIDIA DSX通过以下方式打破这一瓶颈：
- DSX Sim与SimReady资产：集成能源制造商的电力系统模拟工具，提前联合验证发电机、开关柜、电源系统与冷却方案。
- DSX Flex：将AI工厂需求与电网状态、现场发电匹配，使AI负载成为可灵活参与电网服务的资产。
- DSX MaxLPS与DSX Exchange：优化高功率负载调度与电力交换，支持在固定功率包内提升计算产出。
GE Vernova、Hitachi Energy、Schneider Electric等合作伙伴已将DSX与自身设备结合，客户可最大化算力、节能与电网可靠性。
从配电站到机架的完整电力路径
DSX让设计从高层次规划延伸至机架级实施，具体流程包括：
- 配电站阶段：通过SimReady工具模拟电网接入、变压器配置、储能系统（BESS）与基础负载曲线，确保满足AI工厂总功率需求。
- 设施侧：联合数字孪生与实时数据，优化冷却系统与电力分配，针对Vera Rubin架构提供验证设计。
- 机架侧：DSX MaxLPS指导高电压直流（800 VDC）架构，精确控制每个机架功率，结合液冷实现每瓦特更高计算效率。
Schneider Electric与AVEVA合作提供NVIDIA Omniverse驱动的AI工厂数字孪生，可实时连接仿真、运营数据与AI优化。Siemens Energy则开发基于NVIDIA DSX的参考设计，支持全生命周期能源效率。
Phaidra等案例通过DSX Flex实现冷却与电力自学习分配，单功率包内多出约10%计算。Emerald AI则通过集成在DSX Flex中，帮助公用事业体利用闲置电网容量。
关键电力组件与验证标准
DSX支持多种电力产品，推荐优先选择已获得DSX Ready认证的方案。这类产品需满足参考架构要求，保障可扩展性与可靠性。
以下表格对比主流电力解决方案（基于NVIDIA官方合作伙伴数据，实际以官网挂牌为准）：
| 组件 | 典型技术 | 优势 | 适用场景 |
|---|---|---|---|
| 配电站/变电系统 | SimReady资产 | 提前联合模拟，减少延误 | 新建或扩建AI工厂 |
| 储能系统（BESS） | Hitachi Energy DSX Ready | 灵活响应电网波动，提升可靠性 | 变压器峰值削峰 |
| 机架级供电 | 800 VDC架构（DSX MaxLPS） | 每瓦特更高吞吐，支持液冷 | 高密度GPU机架 |
| 数字孪生优化 | Omniverse + AVEVA | 实时数据驱动的节能与负载平衡 | 运营中数据中心 |
| 网格服务集成 | DSX Flex | 参与公用事业程序，节省成本 | 希望灵活参与电网的企业 |
移动端查看此表时可左右滑动，方便对比不同规模的方案。
选择电力方案的决策检查清单
在构建GrokCode本地部署实验室时，可参考以下步骤评估电力匹配度（可直接链接站内API-lab或local-deploy页面）：
- 明确总功率需求与电网互联容量。
- 选择已验证的DSX Ready组件（如Schneider Electric电源）。
- 模拟峰谷负荷曲线，确保DSX Flex灵活性。
- 预估机架级效率目标（tokens per watt）。
- 规划与能源伙伴（如Siemens Energy）的参考设计对接。
- 验证数字孪生集成，便于后期运营优化。
这些步骤可结合channels页面查看NVIDIA相关公告，或tools页面了解本地硬件测试方法。
风险与边界
电力方案受电网政策、地区认证与技术迭代影响，实际交付可能因当地法规或供应商更新而调整。建议以NVIDIA官网或合作伙伴公告当日报价为准，避免依赖单一报价平台。
重要提示： 本文仅为技术参考，非法律意见。实际规划请咨询专业电力与数据中心建设顾问，并以官方公告为准。GrokCode不提供任何工程实施指导或采购建议，投资决策请自行评估风险。
延伸阅读
- API中转：对接NVIDIA生态的API中转方案，适用于电力数据实时同步。
- 模型天梯：在本地部署环境中测试电力优化后的模型吞吐。
- 本地部署：硬件算力验证与电力监控工具包。
- 官方API：官方NVIDIA接口对接DSX Flex服务。
English summary
NVIDIA DSX AI Factory Platform unifies grid, facility, and compute design from substation to rack, addressing the power bottleneck that delays AI infrastructure projects. Companies use DSX Sim and SimReady assets to validate power systems before groundbreak, while DSX Flex turns AI loads into flexible grid assets. Partners like GE Vernova, Hitachi Energy, and Schneider Electric enable seamless integration of generators, BESS, and high-voltage distribution. This approach supports DSX MaxLPS and Omniverse digital twins for optimized tokens per watt and sustainability. For teams building or scaling AI factories, it provides a verifiable path to higher efficiency within fixed power envelopes. GrokCode readers can reference official NVIDIA resources and apply similar engineering logic in local deployment labs for hardware validation.
适用于 GrokCode 倍率榜。信息仅供参考，不构成购买、投资或法律意见。