NVIDIA DSX: resultados de producción en eficiencia de fábricas IA

⏱ Tiempo de lectura: 3 min

NVIDIA publicó el 15 de septiembre de 2026 resultados tempranos de producción de su plataforma DSX para fábricas de inteligencia artificial, destacando una validación de Lambda que entregó 24% más rendimiento de tokens dentro de un presupuesto fijo de energía. Los resultados se presentaron durante la AI Infra Summit en Santa Clara, donde participaron más de 8.000 asistentes.

Validación de Lambda y optimización de potencia en DSX MaxLPS

Lambda, proveedor de computación en la nube que sirve a más de 10.000 clientes, ejecutó DSX MaxLPS en un clúster de 5 racks y 19 nodos. Al mantener 19 nodos dentro del mismo presupuesto de energía que 16 nodos a potencia completa, Lambda logró aumentar el rendimiento de tokens de aproximadamente 4 millones a 5 millones por segundo, mientras mejoraba el rendimiento por vatio en 23%. DSX MaxLPS monitorea el consumo de energía a nivel de GPU y rack, redistribuyendo capacidad disponible según el tipo de carga de trabajo. El software optimiza la asignación entre entrenamiento e inferencia, recuperando capacidad que el aprovisionamiento estático dejaría sin usar.

Componentes de DSX y arquitectura de potencia 800 VDC

NVIDIA anunció la plataforma DSX el 31 de mayo de 2026 en GTC Taipei, integrando librerías de código abierto, APIs, diseños de referencia, plataformas de computación NVIDIA y tecnologías de socios. La suite incluye: DSX Reference Design (arquitecturas validadas), DSX Sim (simulación), DSX OS (software de operaciones modular abierto), DSX MaxLPS (gestión de potencia), DSX Flex (orquestación de señales de red) y DSX Exchange (intercambio seguro de datos). Socios en la nube como CoreWeave, Crusoe, Firmus, IREN, Lambda, Nebius, Nscale y Yotta Data Services implementan actualmente DSX Sim, DSX MaxLPS y DSX OS. Fabricantes como Dell Technologies, HPE, Lenovo y Supermicro construyen sistemas listos para DSX. El 15 de septiembre, NVIDIA incorporó arquitectura de potencia 800 VDC en sus diseños de referencia para reducir complejidad de conversión y mejorar eficiencia de entrega de potencia.

Respuesta a demanda en producción: despliegue de Eos en Santa Clara

La fábrica Eos de NVIDIA en Santa Clara ejecuta la plataforma Conductor de Emerald AI como participante del Programa Flexible Load Interconnect de Silicon Valley Power, descrito como el primer programa comercial de utilidad de red diseñado para tratar fábricas de IA como recursos despachables. En agosto, cuando temperaturas y cargas de aire acondicionado se dispararon, Silicon Valley Power envió una señal a la fábrica para ajustar consumo. Conductor ejecutó automáticamente una jerarquía de cargas de trabajo predefinida: empleos de baja prioridad cedieron capacidad, inferencia de alta prioridad continuó, y potencia cayó de 4 megavatios a 3 sin intervención de operadores. Silicon Valley Power ha enviado más de 200 señales de demanda desde entonces, todas respondidas en menos de un minuto. Emerald AI y Silicon Valley Power anunciaron el piloto el 21 de abril de 2026. El primer despliegue comercial dedicado de DSX Flex será una fábrica Vera Rubin de 96 megavatios en el AI Factory Research Center de NVIDIA en Manassas, Virginia, planeado para finales de 2026 en colaboración con Digital Realty, EPRI y PJM Interconnection.

Componente	Detalle
DSX MaxLPS (Lambda)	19 nodos, 5 racks, aumento de rendimiento de tokens de 4 a 5 millones/seg (24%), mejora de rendimiento por vatio 23%
Socios en nube implementando	CoreWeave, Crusoe, Firmus, IREN, Lambda, Nebius, Nscale, Yotta Data Services
Fabricantes de sistemas DSX	Dell Technologies, HPE, Lenovo, Supermicro
Componentes DSX	Reference Design, Sim, OS, MaxLPS, Flex, Exchange
Arquitectura de potencia	800 VDC, reduce complejidad de conversión, mejora eficiencia de entrega
Demanda en Eos (Santa Clara)	200+ señales enviadas, todas respondidas en menos de 1 minuto
Despliegue futuro (Manassas)	Fábrica Vera Rubin 96 megavatios, planeado finales 2026
Proyección potencial	DSX MaxLPS puede habilitar hasta 40% más capacidad GPU en fábricas NVL72 con mismo presupuesto megavatio

Qué se puede esperar ahora

La validación de Lambda demuestra que DSX MaxLPS recupera capacidad de computación no utilizada mediante gestión dinámica de potencia, crítico para data centers enfrentados a restricciones energéticas. El despliegue de Eos muestra que la orquestación de demanda de red funciona a escala comercial en miles de GPUs. El próximo hito será el despliegue de 96 megavatios de Vera Rubin en Manassas, que integrará totalmente DSX Flex con colaboradores externos, validando el modelo de respuesta a demanda en un contexto más complejo.

Preguntas frecuentes sobre DSX de NVIDIA

¿Qué es DSX MaxLPS y cómo mejora la eficiencia?

DSX MaxLPS monitorea consumo de energía en GPUs y racks, redistribuyendo capacidad según cargas de trabajo. La validación de Lambda mostró que mantener 19 nodos dentro del presupuesto de 16 nodos aumenta rendimiento de tokens 24% y eficiencia por vatio 23%.

¿Cuándo estará disponible DSX Flex en Manassas?

El despliegue comercial dedicado de DSX Flex en la fábrica Vera Rubin de 96 megavatios en Manassas está planeado para finales de 2026, en colaboración con Digital Realty, EPRI y PJM Interconnection. No se confirma fecha exacta de inicio de operaciones.

¿Qué proveedores están usando DSX actualmente?

Socios en nube como CoreWeave, Crusoe, Firmus, IREN, Lambda, Nebius, Nscale y Yotta Data Services implementan DSX Sim, DSX MaxLPS y DSX OS. Fabricantes como Dell, HPE, Lenovo y Supermicro construyen sistemas listos para DSX.

Nuestra lectura editorial

NVIDIA presenta DSX como solución integral para optimizar restricciones de potencia en fábricas de IA, un desafío real a medida que capacidad de computación crece más rápido que disponibilidad energética. Los resultados de Lambda son concretos: 24% más rendimiento con el mismo presupuesto, no especulación teórica. El despliegue de respuesta a demanda en Eos añade validación que la orquestación funciona en mundo real.

En Inteligencia Artificial creemos que estos resultados importan porque abren camino hacia fábricas de IA más sostenibles sin sacrificar rendimiento. ¿Veremos que otros proveedores de cloud adopten estrategias similares de gestión dinámica de potencia?

Fuente: www.unite.ai