Vad hände
NVIDIA introducerade DSX MaxLPS, ett system på platsnivå som kombinerar dynamisk kraftallokering, arbetsbelastningsspecifik GPU-inställning och 45 °C vätskekylningsdesign. Dess Dynamic Power Software är i Developer Preview och är avsedd att omfördela oanvänd kraft över hanterade rack och GPU:er.
Den 21 augusti 2026 publicerade NVIDIA en teknisk blogg som introducerade DSX MaxLPS, som den utökar som Maximum Land Power Shell. Termen syftar på de tre fasta begränsningarna som formar en AI-fabrik: mark, elkraft och den fysiska byggnaden som innehåller kraftdistribution, kylning, nätverk och datorutrustning. NVIDIA presenterar MaxLPS som en kombination av dynamisk effekttilldelning, mjukvarutekniker för att förbättra uteffekten vid en fast effektnivå och platsdesign baserad på 45 °C vätskekylningsinloppsdrift. Företaget beskriver systemet som ett sätt att öka genomströmningen inom en befintlig anläggnings kuvert, snarare än som ett sätt att öka webbplatsens totala strömförsörjning.
NVIDIA Dynamic Power Software är för närvarande i förhandsgranskning av utvecklare. Enligt källan modellerar den datacenterhierarkin från verktygsanslutningen till grupper, rack, noder och GPU:er. Operatörer sätter kraftbudgetar, resursgrupper och policyer; mjukvaran jämför sedan allokerad effekt med faktisk förbrukning och gör oanvänd höjd tillgänglig för annan utrustning inom samma hanterade grupp. Den samlar också in krafttelemetri och kan reagera på händelser på platsnivå, underhållsförhållanden eller nödpolicyer på bästa sätt. NVIDIA säger att DSX Exchange, en händelsebuss med öppen källkod som också finns i Developer Preview, kan ansluta kraftmjukvaran med byggnadsledningssystem, elektrisk övervakning, kylinfrastruktur, nätgränssnitt och beräkningsschemaläggare, men säger att utbytesskiktet inte krävs för att MaxLPS ska fungera.
Källan illustrerar problemet med två exempel. I ett 100 MW effektbudgetvattenfall tilldelar NVIDIA 20 MW till anläggningens overhead, 10 MW till rackförluster och 10 MW till driftsineffektivitet som involverar fel, omstarter och kontrollpunkter, vilket lämnar 60 MW för AI-belastning. Den beskriver separat en platsbudget på 540 kW där statisk provisionering 170 kW och dynamisk provisionering möjliggör ett annat rack. Dessa presenteras som illustrativa siffror, inte som mätningar från ett namngivet driftdatacenter. NVIDIA rapporterar också representativa slutledningsutvärderingar där tillhandahållen rackeffekt sjönk från 125 kW till 90 kW på GB200 NVL72 och från 136 kW till 101 kW på Vera Rubin NVL72. Det sägs att dessa förändringar bevarade arbetsbelastningen, möjliggjorde 39 % respektive 35 % fler rack, och förbättrade prestanda per watt med cirka 1,5 gånger och 1,3 till 1,4 gånger. De testade arbetsbelastningarna var DeepSeek-R1 och Kimi-K2.5. Den medföljande källan tillhandahåller inte oberoende validering eller fullständiga testprotokoll.
Källinformation: developer.nvidia.com ↗
Varför det spelar roll
AI-datacenter begränsas alltmer av elektricitet, kyla och fysisk infrastruktur. Om NVIDIAs påståenden gäller oberoende distributioner kan systemet öka användbar AI-utdata från befintliga strömanslutningar, men källan fastställer inte kostnaderna, tillförlitligheten eller den bredare effektiviteten för tillvägagångssättet.
El håller på att bli en direkt begränsning för utbyggnaden av AI-infrastruktur. Ett datacenter kan ha mark, nätverksutrustning och rackutrymme tillgängligt samtidigt som det inte kan strömförsörja fler GPU:er eftersom dess nätanslutning, distributionsutrustning eller kylanläggning har nått sin designgräns. NVIDIA:s förslag riktar sig mot en specifik ineffektivitet i det arrangemanget: rack tillhandahålls ofta för toppefterfrågan även om arbetsbelastningar rör sig genom faser som beräkningsskurar, minnesbunden exekvering, synkronisering, checkpointing, förfyllning och avkodning. Om ström kan växlas på ett säkert sätt under dessa ändringar, kan en anläggning producera mer användbar slutledning eller träning utan att omedelbart säkra en annan strömanslutning.
Tillvägagångssättet visar också varför detta är ett anläggningsprojekt snarare än en optimering av enbart programvara. NVIDIA säger att webbplatser bör utformas runt ett fast bruttoeffektomslag, sedan dimensionerat för kraftdistribution, kylning, nätverk och rackpositioner som kan stödja det avsedda långsiktiga GPU-antalet. Företaget rekommenderar planering för 45 °C direkt-vätskekylningsinloppsdrift för Vera Rubin NVL72-system. Varmare kylvätska kan tillåta torrkylare eller andra former av frikylning att hantera mer av den årliga värmeavvisande belastningen, vilket minskar beroendet av mekaniska kylare i lämpliga klimat. Den potentialen beror på lokalt väder, utrustningens storlek, redundans och kontroller. Anläggningar som inte är designade för relevanta temperaturer, vätskeslingor eller strömflexibilitet kanske inte kan fånga de påstådda vinsterna utan betydande eftermonteringsarbete.
För operatörer är den praktiska attraktionen tillval. En webbplats skulle initialt kunna fylla färre rack medan träningstunga arbetsbelastningar drar mer ström, och sedan lägga till hårdvara senare om arbetsbelastningsmixen skiftar mot slutsatser och den genomsnittliga rackefterfrågan faller. Det kan ändra tidpunkten för investeringar och utbyggnad av anläggningar. Det i sig minskar inte det totala elbehovet från AI eller bevisar att färre datacenter kommer att byggas. Mer kapacitet inuti ett befintligt kuvert skulle istället kunna göra ytterligare AI-tjänster ekonomiskt lönsamma. Källan nämner inga kunder, implementeringsskala, anskaffningskostnad, uppmätta årliga energibesparingar, vattenförbrukning, felfrekvens eller påverkan på servicenivån. Dess centrala kapacitets- och prestationsanspråk förblir NVIDIA-krav baserade på representativa utvärderingar.
Interaktiv mekanism: hur det faktiskt fungerar
Utforska den underliggande tekniken bakom denna utveckling interaktivt.
In AI, what are a model's "parameters"?
Vad du ska titta på härnäst
Nyckeltesterna är om Dynamic Power Software når allmän tillgänglighet, om oberoende operatörer reproducerar de rapporterade vinsterna och hur systemet beter sig under fel, förändrade arbetsbelastningar och extremt väder. Den erforderliga termiska och elektriska designen kan begränsa användningen i befintliga anläggningar.
The first question is product maturity. Dynamic Power Software och DSX Exchange identifieras båda som Developer Preview, så deras hårdvara, gränssnitt, driftsgarantier och produktionstillgänglighet förblir okända. Framtida dokumentation bör klargöra hur policyer upprätthålls, hur snabbt makt kan omfördelas, vad som händer när telemetri är försenat eller fel, och om nödåtgärder är deterministiska. NVIDIA säger att kontrollslingan fungerar på bästa sätt under krafthändelser, en viktig begränsning för anläggningar som måste upprätthålla strikt redundans och serviceåtaganden. Det spelar också roll om systemet kan fungera med utrustning och schemaläggare utanför NVIDIAs egen stack.
The second question is reproducibility. En användbar jämförelse skulle publicera den ohanterade statiska baslinjen, arbetsbelastningskonfiguration, antal körningar, genomströmningsdefinition, latens, tjänstfelfrekvens, GPU-användning och gränser för effektmätning. NVIDIA listar själv genomströmning, latens, tjänstfelfrekvens, strömförbrukning, utnyttjande och policyöverensstämmelse som mätvärden för en avgränsad validering, men den medföljande källan ger inte dessa resultat i sin helhet. Oberoende testning av slutledning, utbildning och arbetsbelastning efter träning skulle visa om de rapporterade förbättringarna generaliserar utöver de två representativa slutledningsfallen. Resultat bör också separeras från vinster orsakade av nyare hårdvara, mjukvaruversioner, nätverksändringar eller arbetsbelastningsspecifik justering.
The third question is physical deployment. Operatörer kommer att behöva bevis från platser med olika klimat, kylningsarkitekturer, begränsningar för användning och tillförlitlighet. 45 °C-designen kan minska användningen av kylaggregat på vissa platser men kan kräva ny värmeavvisande utrustning, kontroller eller underhållsmetoder på andra. Observatörer bör spåra om anläggningar kan lägga till de utlovade rackpositionerna utan att utöka eldistributionen, kylkapaciteten eller nätverksinfrastrukturen, och om systemet bibehåller genomströmning under varmt väder, fel, omstarter och kontrollpunkter. Tills dessa resultat är tillgängliga, förstås MaxLPS bäst som en leverantörsbeskrivning av infrastrukturstrategi och förhandsgranskningsmjukvara, inte ett oberoende etablerat industriomfattande effektivitetsriktmärke.