NVIDIA Blog · 2026/10/12 23:00:25
NVIDIA 向 OCP 开源 Vera Rubin 架构：MGX 机架设计赋能全球 AI 工厂规模化部署
NVIDIA 在 OCP 全球峰会上宣布将 Vera Rubin 计算托盘与机架设计通过 MGX 架构贡献给开放计算项目，旨在为下一代 AI 基础设施建立通用标准。此举联合超大规模云服务商发布开放规范，覆盖从电网适配到机架级加速计算的完整链路，以应对 AI 工厂从兆瓦向吉瓦规模扩张时的互操作性与效率挑战。
报道全文原始报道全文
本文目录8 个章节
随着 AI 工厂的规模从兆瓦级迈向吉瓦级，其建设已不再仅仅依赖先进的计算技术。开放标准正助力行业以更快、更高效且更可靠的方式扩展 AI 基础设施。
在位于圣何塞麦肯尼会议中心（San Jose McEnery Convention Center）举行的开放计算项目（OCP）全球峰会上，NVIDIA 宣布了一系列新的合作伙伴关系及贡献，旨在为下一代 AI 基础设施打造共同基础。
通过开放的 NVIDIA MGX 架构，NVIDIA 向 OCP 贡献了关键的 NVIDIA Vera Rubin 机架和计算托盘设计，为系统集成商提供了开发下一代 AI 工厂基础设施的共同基础。
这些努力共同涵盖了 AI 工厂本身、为其供电的公用事业电网，以及现代加速计算核心的机架级架构。
NVIDIA 及其合作伙伴宣布开放架构进展
在 OCP 大会上，NVIDIA 及其合作伙伴发布了一系列公告：
- NVIDIA 与超大规模云服务商发布了针对下一代 AI 工厂的开放标准，包括 AI 工厂设计标准和电网韧性规范。
- NVIDIA 推出了用于 NVIDIA DSX AI Factory 的新开源软件组件。
- Meta 与 NVIDIA 借助 NVIDIA Spectrum-X Ethernet SuperNIC 和 Spectrum-6 创新，推进了开放 AI 网络的发展。
- Visionbay 推出了一款面向 Vera Rubin 时代的 800V 直流 AI 工厂设计。
- NVIDIA 与 Cisco 宣布了超高密度小型可插拔（USFP）标准，这是业界首个基于 400Gb/s 的网络结构模块。
- NVIDIA 与 Google 宣布在未来的 NVIDIA ConnectX-10 SuperNIC 和 BlueField DPU 上支持 Falcon Transport。
面对座无虚席的观众，NVIDIA 超大规模和高性能计算副总裁 Ian Buck 探讨了开放基础设施如何成为在全球范围内扩展 AI 工厂的关键要素。
OCP 上的新闻重点展示了 NVIDIA 的极致协同设计（extreme codesign）结合开放标准，如何加速部署、提升能效并推动每瓦 Token 数（tokens-per-watt）的性能表现。
Vera Rubin AI 工厂随 OCP 上的 MGX 机架贡献取得进展
NVIDIA 携手行业领军企业，通过 OCP 的开放数据中心（Open DC）倡议，共同贡献于第三代 MGX AI 数据中心参考设计。
结合 MQD 和 MQDB 等开放式液冷技术，这一举措有助于将经过验证的 AI 工厂设计转化为行业标准，供其他厂商采用、制造并规模化部署。
针对 NVIDIA Vera Rubin AI 工厂，更新后的 MGX 1.2 规范扩展了 AI 工厂的开放架构，引入了机架级盲插式液冷、可互操作的机架级互联基础设施，以及专为高功率 AI 系统设计的液冷 5,000A 母线排。此外，该规范还新增了对原生 19 英寸设备的支持以及更高密度的机架设计。
MGX 1.2 进一步增强了模块化特性，包括可配置的 I/O 插槽、无风扇液冷计算托盘、标准化的电源与冷却接口，以及一套通用基础设施，助力生态系统合作伙伴构建可互操作的加速计算平台。它优化了组装、测试和维护时间，从而简化制造流程和现场服务，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，同时简化了可维护性、部署流程及基础设施复用。
Vera CPU 机架设计规范将 NVIDIA MGX 开放架构从加速计算领域拓展至更广泛的场景，为日益增长的智能体 AI（Agentic AI）时代提供专用平台。虽然 Vera Rubin NVL72 作为大规模训练和推理的基础设施，但 NVIDIA Vera CPU 机架旨在支持工具调用、编排和沙箱执行，帮助 AI 智能体实时与应用、数据和服务进行交互。
基于第三代 NVIDIA MGX 机架架构，Vera CPU 机架遵循相同的机架级设计原则，将计算、网络、电源和冷却统一到一个通用的模块化平台中。这种方法使合作伙伴能够在部署专用基础设施的同时，受益于共享生态系统、简化的集成流程，并为下一代 AI 工厂奠定一致的基础。
NVIDIA 发布用于 DSX AI 工厂的新开源软件组件
NVIDIA DSX AI 工厂平台采用极致协同设计（extreme codesign）理念，将计算、网络、电力、冷却、设施及软件统一整合，助力 AI 工厂作为单一优化系统运行，从而在现有基础设施约束下最大化 AI 产出。这一统一系统的核心是 DSX OS——一个开放的操作层，它将 DSX 架构转化为大规模协调且可重复的操作流程。
在 OCP（开放计算项目）大会上，NVIDIA 通过开源组件扩展了 DSX OS，涵盖网络配置、集群验证、机架管理及裸金属供应等功能：
- NVIDIA Config Manager：自动化大规模交换机配置，使客户能够以极少甚至零人工干预的方式部署、验证并维护一致的 AI 工厂网络结构。
- NVIDIA Cluster Readiness Engine：通过真实工作负载模拟对 GPU 集群进行压力测试，确保训练开始前的硬件健康状况，从而消除代价高昂的任务崩溃问题。
- NVIDIA Rack Management Service：提供机架硬件抽象与运维解决方案，将机架视为一等公民单元，以提升 AI 工厂规模下的固件管理效率。
- Cluster API Provider for NVIDIA Infrastructure Controller：加速裸金属部署和租户接入，将原始 AI 硬件在数小时内而非数天内转化为生产就绪的集群。
这些开源组件源自 NVIDIA 运营 DGX Cloud 的经验积累，旨在帮助云服务商和软件合作伙伴将 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，探索并为 NVIDIA DSX AI 工厂平台的新旧开源软件组件做出贡献。*
NVIDIA 与超大规模云服务商发布面向下一代 AI 工厂的开放标准
要让 AI 基础设施实现全球规模化扩展，仅靠先进的硬件是不够的——还需要整个行业共同构建的基础通用底座。
在 OCP 上，NVIDIA 与 AMD、Google 和 Meta 共同发布了一项新的开放规范，旨在确立这一基础。Open Data Center Specification v0.7 定义了下一代 AI 工厂设施设计的统一蓝图——涵盖从电源架构、冷却基础设施到物理布局的各个方面。
由 Google、Meta、Microsoft 和 NVIDIA 发布的 OCP Grid Resilience Specification，确立了大规模 AI 基础设施在电网扰动期间的行为准则：保持连接、自动响应，并在不到两秒内恢复至接近满负载状态。
随着这些标准的开放，全球制造商拥有了共同的构建目标。设备制造商、托管服务商和数据中心的运营商可以开始设计、制造并交付支持全球在建 AI 工厂的基础设施层——无需等待个别客户的专有规范。
由于兼容 NVIDIA DSX 参考设计，这些规范提供了两项标准经过验证且可部署的实现方案，内容涵盖从设施布局和电源架构，到实时监控并响应电网信号的软件。对于正在构建 Vera Rubin AI 工厂的运营商而言，现在有一条从开放社区标准到运行系统的清晰路径。
Visionbay.ai 为 Vera Rubin 时代设计 800VDC AI 工厂
随着 AI 工厂规模不断扩大、算力日益增强，一个挑战笼罩在所有项目之上：如何为驱动下一代 AI 的加速计算系统提供足够的电力。
在 OCP 大会上，Visionbay 公布了 K-1 计划，这是一个围绕 800 VDC 架构 设计的下一代 AI 工厂平台，并为未来的 NVIDIA Vera Rubin 部署做好了准备。该项目将 NVIDIA 的 800 VDC 参考架构与 Vertiv 的电源及热管理技术相结合，为高密度 AI 基础设施打造了一个可扩展的基础。
这一设计应对了行业日益严峻的挑战。随着 AI 训练、推理和推理工作负载的扩展，机架功率密度持续攀升。传统的低压配电越来越难以扩展，需要更多的铜材、线缆以及电源转换设备。
通过采用 NVIDIA 的 800 VDC 架构，K-1 为构建更高密度的 AI 基础设施开辟了一条路径，同时保留了对现有部署的灵活性。该平台并非要求从第一天起就完成全面过渡，而是旨在分阶段引入 800 VDC 配电，以在收益最大的领域发挥作用，帮助运营商在不进行大规模设施重新设计的情况下，为未来几代加速计算做好准备。
该架构围绕集群级电力中心进行设计，集中处理交流到直流（AC-to-DC）的转换，并将 800 VDC 更近距离地分配给计算资源。这种方法简化了下游供电，支持模块化扩展，并为未来 AI 工厂的增长创建了可复用的构建模块。
K-1 还体现了 NVIDIA AI 工厂背后的系统级设计理念，即对电力、冷却和计算进行协同工程化设计。凭借对液冷基础设施、可扩展配电以及未来 Vera Rubin 级别部署的支持，该项目展示了生态系统合作伙伴如何将 NVIDIA 的 AI 工厂架构转化为面向加速计算下一个时代而设计的可部署基础设施。
Meta 与 NVIDIA 借助 Spectrum-6 和多平面技术推进 AI 网络发展
在活动上，Meta 和 NVIDIA 宣布 Meta 将采用 NVIDIA Spectrum-6 102.4Tb/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 提供了 Spectrum-4 两倍的交换容量和每通道带宽，并在每通道 200G 速率下提供无损以太网 AI 结构（AI fabric），具备高有效带宽和性能隔离能力，防止一个作业的网络流量拖慢另一个作业的性能。
Meta 基于 Spectrum-6 的交换机 N-IceCube 可插入 Meta 的 100T 液冷机架 IcePack 中。N-IceCube 运行 Facebook 开放交换系统（FBOSS），这是 Meta 的开源网络操作系统，已贡献至 OCP（开放计算项目），以支持超大规模的高效网络。
FBOSS 基于交换机抽象接口（Switch Abstraction Interface）构建，这是 NVIDIA 参与开发的一项 OCP 标准，提供了厂商无关的交换机硬件控制方式。这些技术共同支持由超过 100,000 个 GPU 组成的 agentic AI 工厂，用于训练和服务大规模 mixture-of-experts 模型。
这一公告标志着双方合作的下一步，该合作结合了 Meta 在超大规模 AI 基础设施运营方面的经验与 NVIDIA 的网络技术。
此次合作的核心是 Spectrum-X Multiplane 技术，由 Spectrum-6 交换机和 ConnectX-9 SuperNIC 提供支持。Multiplane 通过硬件将 GPU 流量分布到最多八个独立的网络平面中，使 AI 工厂能够扩展到超过 100,000 个 GPU，同时减少交换机层级并降低基础设施成本。GPU 之间的多条路径提高了网络利用率和韧性：当某个组件发生故障时，流量会切换到剩余的平面，从而保持 GPU 的生产力并确保 AI 应用继续运行，即使带宽有所降低。
Meta 和 NVIDIA 共同努力，通过部署经验和快速工程迭代增强了这种韧性。团队在本地环境和云环境中验证了改进效果。
“我们很高兴能与 NVIDIA 紧密合作，使多平面 fabric 具备可操作的可扩展性和高性能，这对我们自身的基础设施构建以及我们的联合云合作伙伴来说都是关键要求，”Meta 数据中心与 AI 网络高级总监 Omar Baldonado 表示。“将 FBOSS 扩展到 Spectrum ASIC 意味着我们可以在整个 fabric 上运行相同的软件栈，而 Meta 全新的基于 Spectrum 的交换机 N-IceCube 则将其引入 Icepack——这是我们用于横向扩展的液冷 102.4T 网络机架，连接我们集群中下一代加速器。”
Meta 和 NVIDIA 正在共同开发一种架构和运维手册，供其他 AI 基础设施运营商采用，将严苛生产工作负载中的经验教训转化为更具可扩展性、韧性和效率的 AI 工厂。
借助 USFP，NVIDIA 和 Cisco 重新定义面向 AI 工厂规模的可插拔光模块
随着 AI 工厂不断扩展以支持更大的模型和激增的推理需求，基础设施堆栈中的每个组件都必须提供更高的性能、效率和简洁性——一直延伸到网络连接本身。
在 OCP 大会上，NVIDIA 和 Cisco 宣布了 USFP 计划，这是一种新型光插拔收发器模块外形规格，旨在帮助 AI 工厂构建者扩展下一代 AI 网络架构，同时提升带宽密度和能效。
USFP 的外形尺寸与广泛采用的每通道 200Gb/s OSFP 规格大致相同，将为每通道 400Gb/s 的网络连接提供演进路径，并延续已在多代数据中心网络中验证成熟的基于收发器的部署模式。USFP 初始支持 16 条全双工通道，并计划扩展至 32 条通道，其带宽密度将是传统每通道 200Gb/s 光插拔模块的四倍。
这意味着可以在不增加导致延迟、功耗和复杂性上升的网络层级的情况下，连接更多的计算资源。
这一新规格专为满足下一代 AI 工厂的规模与效率需求而设计，在支持更高带宽网络架构的同时，保留了使光插拔模块成为现代数据中心支柱的灵活性与可维护性。此外，它还将带来约 1.3 倍的能效提升，助力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 Cisco 正与 TE Connectivity 及 Amphenol 合作开发笼子（cages）、连接器和模块，并计划通过社区主导的多源协作方式推进 USFP 标准。这些公司共同奠定了更具可扩展性、高效性和互操作性的 AI 工厂网络基础。
Google Falcon Transport 支持 NVIDIA ConnectX-10 以实现互操作性 AI 网络
NVIDIA 和 Google 还宣布，未来的 NVIDIA ConnectX-10 SuperNIC 和 BlueField DPU 将支持 Falcon Transport，从而提升大规模 AI 基础设施的网络效率。
Falcon 是一种传输协议，旨在确保数据在以太网网络上可靠传输，解决拥塞时可能出现的丢包问题。它通过多路径负载均衡、可编程拥塞控制、硬件丢包恢复以及连接级安全机制，为 AI 和存储工作负载提供支持。
此次合作将 NVIDIA 硬件加速与 DOCA 软件相结合，以实现 Falcon 技术，并将 NVIDIA 网络扩展至 Google 的数据中心传输层。NVIDIA 和 Google 的网卡（NIC）可以通过统一的传输协议进行通信，同时应用程序仍可保留标准的 RDMA 编程接口。
Falcon 通过将流量分散到多条路径、适应拥塞状况、恢复丢包并保护连接，帮助工作负载更充分地利用可用带宽，并在以太网架构规模扩展时保持可预测的性能表现。
欲了解更多详情，请参加NVIDIA at OCP活动。