英伟达：衡量 AI 工厂，不能只看算力峰值

AI 基础设施面临的约束，正越来越多地来自可获得的电力，而不只是机架里还能塞下多少块加速器。英伟达在 2026 年 AI Infra Summit 首日提出：衡量 AI 工厂产出的核心指标，应是每兆瓦可产出的智能体 Token 数——即在既定供电上限内，一座设施究竟能完成多少有用的推理工作。23

英伟达超大规模与高性能计算副总裁 Ian Buck 在美国加州圣克拉拉举行的活动上阐述了这一思路。重点并不止于 GPU 跑得多快，而是要把计算、网络、推理软件、散热、电源控制与电网运营协同起来；当用电成为硬约束时，AI 工厂才能持续提升有效产出。123

Lambda 实测：同一电力预算，多跑 3 个节点

最具操作意义的数据来自 AI 云服务商 Lambda。该公司首次在部署环境中验证英伟达 DSX MaxLPS，所用硬件为 HGX B200 GPU 服务器。按英伟达的说法，DSX MaxLPS 会监测 GPU 和机架级功耗，并将可用的功率余量动态分配给不同节点。23

在一个由 5 个机架、19 个节点组成的集群中，Lambda 在通常只够 16 个节点满功耗运行的电力预算内，运行了 19 个节点。其披露结果为：集群 Token 吞吐量提高 24%，从约每秒 400 万个 Token 升至 500 万个；每瓦性能提升 23%。23

这组数据的价值不在于实验室里的单项跑分，而在于实际运营。数据中心的扩容经常受限于场地可交付电力。若不同工作负载的功耗并不恒定，软件就有机会利用原本闲置的功率余量，在不新增供电容量、也不提高园区功率预算的情况下，换取更多有效推理产出。

Vera Rubin 的数字仍是预测，不能与实测混为一谈

英伟达还给出了未来 Vera Rubin NVL72 部署的预期：借助 DSX MaxLPS，在相同场地电力上限内，GPU 容量最高可增加 40%，Token 吞吐量最高可提高 35%，具体效果取决于部署条件。23

不过，这些数字与 Lambda 的结果性质不同。Lambda 在 Blackwell 系统上的数据是已披露的部署验证结果；Vera Rubin 的相关数据则是英伟达针对未来平台给出的预测，仍有待客户实际运行环境检验。23

AI 工厂也要学会“看电网脸色”

英伟达提出的另一重点是灵活性：面对电网状况变化，AI 工厂不应把所有任务都视为同等紧急。

在英伟达 Eos AI 工厂，Emerald AI 的 Conductor 平台与 Silicon Valley Power 合作，参与了商用柔性负载项目。英伟达称，该系统响应了超过 200 次来自电力公司的需求信号；在一次演示中，设施功耗在不到一分钟内从 4 MW 降至 3 MW。实现方式是降低可灵活调度计算任务的优先级，同时让优先级更高的推理服务继续运行。23

英伟达将这类能力定位为未来 DSX Flex 的早期示范。该公司表示，DSX Flex 将接收限电、需求响应和电价等信号，再按任务优先级执行调度：可延期的任务可以暂停并恢复，关键服务则尽量维持运行。需要区分的是，Eos 的演示是较早的商业规模验证，并非 DSX Flex 的正式部署。23

对运营商而言，这一思路很现实：训练、批处理和离线任务的时效要求，通常不同于生产环境中的在线推理。把部分算力视为可灵活调度的负载，或许能让数据中心参与电网需求响应计划，同时尽量保护更高价值的业务。

从芯片供应商到“AI 工厂平台”

此次发布也显示，英伟达希望被视为 AI 工厂平台提供商，而非单纯的 GPU 供应商。其设想的技术栈覆盖 Vera Rubin 计算平台、NVLink 横向扩展互连、Dynamo 推理软件、以太网与 SuperNIC 网络、BlueField 基础设施组件、机架级电源优化，以及面向电网的工作负载运营能力。2

Groq 3 LPX 也是这一整体定位的一部分。英伟达将其定义为面向 Vera Rubin 的交互式推理加速器，瞄准智能体系统对低延迟和大上下文的需求。112现有材料支持这一产品定位，但并不足以独立证实其具体上市时间、相较 GB200 NVL72 达到 35 倍每兆瓦吞吐量，或处理超过 2 万亿参数模型等更细化的说法。

为什么这对英伟达的业务有分量

这一基础设施叙事出现的背景，是英伟达数据中心业务仍在快速扩张。截至 2026 年 7 月 26 日的 2027 财年第二季度，英伟达营收为 962 亿美元，同比增长 106%；其中数据中心业务营收为 890 亿美元。公司对下一季度的营收指引为 1,080 亿美元，上下浮动 2%。172830

随着客户部署越来越多的 AI 容量，实际问题也从“还能买多少计算卡”转向“如何获得电力、如何在固定功耗下提高产出，以及如何在供电与运营扰动中维持推理服务”。

结论：峰值性能仍重要，但已不够

英伟达首日传递的并不是“原始加速器性能不重要了”，而是：仅有峰值性能，已经不足以支撑 AI 工厂的经济性。

“每兆瓦智能体 Token 产出”这一指标，试图把硬件性能与运营商在生产环境中真正面对的限制连接起来——场地供电、电网事件、任务优先级和系统可用性。Lambda 报告的 24% 吞吐量提升，是这一论点的早期部署数据；而英伟达围绕 Vera Rubin 和 DSX 的更大范围主张，仍须等待客户实际运营来验证。23