Nvidia: przyszłość fabryk AI to więcej tokenów z każdego megawata

Dla centrów danych obsługujących AI coraz częściej ograniczeniem nie jest liczba akceleratorów, które można umieścić w szafie, ale dostępna moc elektryczna. Nvidia podczas pierwszego dnia AI Infra Summit 2026 przekonywała, że właściwą miarą efektywności „fabryki AI” są tokeny agentowe na megawat — czyli ilość użytecznej pracy inferencyjnej wykonanej w ramach dostępnego budżetu energii. 23

Ian Buck, wiceprezes Nvidia odpowiedzialny za hyperscale i HPC, przedstawił w Santa Clara podejście wykraczające poza osiągi samych GPU. Według firmy wydajna fabryka AI wymaga jednoczesnego zarządzania obliczeniami, siecią, oprogramowaniem do inferencji, chłodzeniem, zasilaniem i współpracą z siecią elektroenergetyczną. 123

Test Lambda: 19 węzłów w budżecie przewidzianym dla 16

Najbardziej konkretnym elementem prezentacji była pierwsza walidacja DSX MaxLPS w środowisku wdrożeniowym, przeprowadzona przez dostawcę chmury AI Lambda na serwerach Nvidia HGX B200. Nvidia podaje, że DSX MaxLPS monitoruje zużycie energii przez GPU i całe szafy, a następnie rozdziela niewykorzystany zapas mocy między węzły. 23

W klastrze złożonym z pięciu szaf i 19 węzłów Lambda uruchomiła 19 węzłów w limicie mocy, który zwykle wystarczałby dla 16 działających z pełną mocą. Raportowany efekt to 24% wyższa przepustowość tokenów — z około 4 mln do 5 mln tokenów na sekundę — oraz 23% poprawy wydajności na wat. 23

Znaczenie tych danych jest przede wszystkim praktyczne. Przepustowość centrum danych bywa ograniczona mocą doprowadzoną do obiektu. Jeżeli obciążenia mają zmienny profil energetyczny, wykorzystanie chwilowo wolnego zapasu może zwiększyć realną produkcję bez rozbudowy przyłącza lub podnoszenia limitu mocy całej lokalizacji.

Vera Rubin: obietnice na przyszłość, nie wyniki z produkcji

Nvidia przedstawiła także potencjalne korzyści dla przyszłych wdrożeń Vera Rubin NVL72. Firma szacuje, że DSX MaxLPS może umożliwić wykorzystanie do 40% większej liczby GPU w tym samym limicie mocy obiektu oraz do 35% większą przepustowość tokenów — zależnie od warunków wdrożenia. 23

Te liczby należy odróżnić od pomiarów Lambda na systemach Blackwell. Rezultaty Lambda są raportowanym wynikiem walidacji wdrożeniowej, natomiast dane dotyczące Vera Rubin pozostają projekcjami Nvidia dla przyszłej platformy. 23

Centrum danych, które reaguje na potrzeby sieci energetycznej

Drugim filarem strategii jest elastyczność. Nvidia argumentuje, że fabryka AI powinna reagować na sytuację w sieci energetycznej, nie traktując wszystkich zadań jako jednakowo pilnych.

W fabryce AI Eos platforma Conductor firmy Emerald AI współpracowała z Silicon Valley Power w komercyjnym programie elastycznego poboru energii. Nvidia poinformowała, że system odpowiedział na ponad 200 sygnałów od operatora sieci; podczas jednego z pokazanych zdarzeń obniżył pobór obiektu z 4 MW do 3 MW w czasie krótszym niż minuta. Osiągnięto to przez obniżenie priorytetu elastycznych zadań obliczeniowych, przy zachowaniu działania ważniejszych usług inferencyjnych. 23

Nvidia przedstawia ten program jako wczesny przykład możliwości planowanych dla DSX Flex. Rozwiązanie ma odbierać sygnały dotyczące redukcji poboru, odpowiedzi popytowej i cen energii, a następnie egzekwować priorytety zadań: prace, które mogą poczekać, byłyby wstrzymywane i wznawiane, podczas gdy usługi krytyczne pozostawałyby aktywne. Demonstracja w Eos była wcześniejszym dowodem działania w skali komercyjnej, a nie instalacją DSX Flex. 23

Dla operatorów zmagających się z ograniczeniami energetycznymi ma to wymiar biznesowy. Trening modeli, przetwarzanie wsadowe i zadania offline nie wymagają zwykle takiej samej szybkości odpowiedzi jak inferencja działająca w produkcji. Potraktowanie części obliczeń jako elastycznego obciążenia mogłoby pozwolić uczestniczyć w programach energetycznych bez wyłączania usług o najwyższym priorytecie.

Oferta obejmująca cały stos technologiczny

Zapowiedzi ze szczytu pozycjonują Nvidia nie tylko jako producenta komponentów, lecz jako dostawcę platformy dla fabryk AI. Proponowany stos obejmuje obliczenia Vera Rubin, sieć skalowania NVLink, oprogramowanie inferencyjne Dynamo, sieci Ethernet i SuperNIC, komponenty infrastrukturalne BlueField, optymalizację zasilania na poziomie szafy oraz zarządzanie zadaniami uwzględniające warunki w sieci energetycznej. 2

Do tej układanki Nvidia zalicza też Groq 3 LPX — akcelerator interaktywnej inferencji dla Vera Rubin, projektowany z myślą o niskich opóźnieniach i dużym kontekście w systemach agentowych. 112 Dostarczone źródła potwierdzają takie pozycjonowanie produktu, ale nie potwierdzają niezależnie bardziej szczegółowych deklaracji dotyczących terminu premiery, porównania „35 razy większej przepustowości na megawat” ani wyników dla modeli przekraczających 2 bln parametrów.

Dlaczego ta zmiana narracji ma znaczenie

Strategia pojawia się w okresie szybkiego wzrostu biznesu centrów danych Nvidia. W drugim kwartale roku fiskalnego 2027, zakończonym 26 lipca 2026 r., spółka podała przychody w wysokości 96,2 mld USD, o 106% wyższe rok do roku. Segment Data Center przyniósł 89,0 mld USD. 17 Prognoza przychodów na trzeci kwartał wyniosła 108 mld USD, z możliwym odchyleniem o 2%. 2830

Ten kontekst tłumaczy, dlaczego firma akcentuje operacje w skali całej fabryki. Wraz ze wzrostem wdrożeń AI kluczowe stają się pytania o dostęp do energii, zwiększanie produkcji w stałym limicie mocy oraz ciągłość działania usług inferencyjnych mimo zdarzeń energetycznych i operacyjnych.

Najważniejszy wniosek

Nvidia nie twierdzi, że surowa wydajność akceleratorów przestaje się liczyć. Jej teza jest inna: sama wydajność szczytowa nie wystarcza już do oceny ekonomiki fabryki AI.

Proponowany wskaźnik — zweryfikowane tokeny na megawat — łączy parametry sprzętu z ograniczeniami znanymi operatorom: mocą dostępną w lokalizacji, zdarzeniami w sieci elektroenergetycznej, priorytetami zadań i dostępnością systemu. Raportowany przez Lambda wzrost przepustowości o 24% jest wczesnym wynikiem z wdrożenia wspierającym tę tezę. Szersze deklaracje Nvidia dotyczące Vera Rubin i DSX pozostają jednak planem rozwoju, który będzie wymagał potwierdzenia w operacjach klientów. 23