黄仁勋14天交付算力集群，配合DeepSeek开源引擎，单卡每小时38美金立刻开赚

黄仁勋接住了梁文锋的挑战。

昨天，DeepSeek公开了推理框架，展示了如何利用算力集群实现单卡每小时38美金的收入。

今天，英伟达将算力集群打造成类似预制菜的产品，从零开始建设数据中心到产出Token，只需14天。

按此计算，一个万卡集群在14天上线后，满负荷且客户满载的理想情况下，每小时收入可达38万美金（当然，前提是能获得足够稳定的订单）。

这一次，英伟达不再局限于销售芯片和机柜，而是将整座“Vera Rubin AI工厂”整合进模块化集装箱中。

过去，建设超算中心需要漫长的土木工程、现场布线和调试。

黄仁勋在现场直接放话，彻底改变了数据中心的经济学：

一座AI工厂只有在开始产出Token时才创造价值，而不是在建筑施工完成时。

不经意间，黄仁勋带领大家跳过了“买得越多省得越多”，直接迈向“买得越多赚得越多”。

这让人产生AI基础设施黄金时代的错觉。

将AI工厂装入集装箱，14天交付完整算力

如何让客户最快从AI中获利？答案是缩短“首Token产出时间”（Time to First Token）。

全新发布的DSX POD硬件产品线，完全围绕这一核心逻辑设计。

传统AI数据中心建设需要在现场进行繁琐的计算节点安装、网络布线、机架级供电和液冷管道铺设。一旦遇到零件延误或现场施工失误，往往需要半年以上时间。

现在，英伟达将包含最新Vera Rubin系统在内的全套基础设施，做成了可重复量产的“集装箱”设计。

计算、网络、布线、供电以及液冷系统，全部在合作伙伴的制造工厂中完成集成、跨机架走线、管道连接和功能验证。

**第一步，**将最新的NVIDIA Vera Rubin计算系统，与高速网络、机架级供电和液冷散热系统打包。

原先的Grace Blackwell方案组装一个节点需要2小时，布线复杂，且液冷覆盖率仅为80%。

改用Vera Rubin后，采用无线缆架构、100%全液冷，单个节点组装缩短至仅需5分钟，同时可靠性和性能均得到提升。

**第二步，**在出厂前，将它们完整集成进专门定制的模块化集装箱（Modular Containers）中。

包括机架间的跨柜布线、电力接线、液冷管道铺设，以及全套系统的功能验证，全都在制造工厂中提前完成。

与此同时，客户现场的场地准备工作可以完全并行进行，互不干扰。

集装箱装载着一座验证完毕的“满血Vera Rubin算力工厂”抵达准备好的场地，开箱接通现场预留的电力、冷却和网络基础设施，即可瞬间启动。

最终提升效果显著——现场部署周期从传统的6个月，最短压缩至14天。

英伟达将Time to First Token（首Token产出时间）作为这项交付效率的衡量标准。

越早开始运行大模型训练和生产级推理，运营商就能越早向客户交付算力，越早开始从Token中获利。

压榨每一兆瓦电力，推理吞吐量提升49%

除了将交付时间极限压缩至2周，黄仁勋还配套了方案来缓解缺电缺水的问题。

上述DSX POD硬件产品线背后，依托的是英伟达全栈式AI工厂参考架构NVIDIA DSX平台。

它将计算、网络、存储、软件、供电和散热作为“单一系统”进行协同设计。

首先是电力与算力的极限压榨。

建设数据中心时，“有多少电”决定了“能上多少卡”。

为打破电力瓶颈，英伟达推出了两款软件工具：DSX MaxLPS与DSX Flex。

先说前者。

DSX MaxLPS负责在AI工厂既定的电力预算内进行动态功率分配，产出相同数量的Token，最高可直接省电30%。

反过来，如果电力预算固定，省下的电就能转化为额外的算力。

实测数据令人印象深刻：

在云厂商Lambda基于NVIDIA HGX B200系统的概念验证中，固定功率预算下，集群Token吞吐量直接提升24%，可容纳的GPU算力容量增加19%。

在欧洲云厂商Nscale冰岛AI工厂的实测中，跨4个NVIDIA GB300 NVL72机柜，在相同的264千瓦供电预算下，推理吞吐量暴涨49%，受管GPU算力容量多出37%。

花同样的电费，硬生生多跑出近一半的推理算力。

而第二个软件工具——**DSX Flex——**则更进一步，让原本是“电老虎”的AI工厂，变成电网的“柔性调节器”。

它能根据电网负载、电价波动甚至现场光伏和储能情况，实时调整算力功耗，帮助AI工厂更快获得电网并网审批。

在英国国家电网、Nebius、Emerald AI与英伟达的联合测试中，面对模拟电网突发事件，Blackwell Ultra GPU集群在不中断关键业务的前提下，瞬间将集群功耗降低40%。

其次是散热革新。

传统数据中心通过冷却塔蒸发水来降温，耗水量巨大。

而Vera Rubin基础设施支持高达45°C冷却液温度的100%全液冷。

DSX参考设计直接将闭环液冷与室外干冷器（类似巨型汽车散热片）结合，冷却液在封闭管路内循环吸热，再由干冷器将热量直接排入空气，全程不蒸发水，将设施冷却耗水降至接近于零（减幅达100%）。

在一座2吉瓦（2GW）规模的AI工厂中，相比传统冷却塔，DSX每天能节省5400万升水。

这相当于18万户家庭一整天的用水量。

上线Hugging Face“云盖楼”，开源OS全自动托管

为将建厂效率推向极致，英伟达甚至将“基建模拟器”搬上了开源社区。

全新推出的物理设备数字模型库NVIDIA SimReady Central，今天正式登陆Hugging Face。

里面直接打包了维谛（Vertiv）等合作伙伴经过验证的供电与散热设备3D数字资产。

配合DSX Sim仿真工具，工程师无需在实体场地施工，便可搭建AI工厂的数字孪生。

这也能看出英伟达收购Hugging Face的意图。

供电和散热情况，以及西门子正在测试的声学噪音等，全都可以提前模拟验证。

硬件落地后，软件无缝接管。

英伟达宣布扩展开源的DSX OS基础设施管理软件组合，一口气推出三大开发者预览版组件：

- NVIDIA Config Manager

全自动处理AI工厂复杂的网络配置

- NVIDIA Rack Management Service

提供机架级的电源、资产盘点、固件与交换机统一管理

- NVIDIA Cluster Readiness Engine

在正式生产任务到达前，自动运行分布式负载来验证GPU集群，提前发现故障并精准隔离到具体节点

配合底层控制器与运行环境，从虚拟设计、集装箱出厂，到自动压测上线，英伟达彻底将超算建设变成了一条全自动流水线。

展示最强“基建朋友圈”

要批量制造“集装箱AI工厂”，自然需要全球产业链的支持。

黄仁勋现场再次展示了横跨计算、能源与工业软件的“最强基建朋友圈”。

负责将DSX POD集装箱制造并推向全球的合作伙伴阵容强大：

戴尔（Dell）、HPE、联想、富士康（鸿佰科技）、技嘉、和硕、广达（云达）、纬创，以及Anduril、Armada、Bull、Crusoe、DayOne、台达、伊顿等巨头悉数在列。

预计明年（2027年）初，这些预制好的模块化AI工厂将在全球范围内正式交付。

在全球云生态中，CoreWeave、Google Cloud、Lambda、Nebius、Nscale、Crusoe、G42、IREN等AI云厂商已全面拥抱DSX软件栈。

更上游的工业与能源巨头也全部进场：

施耐德电气与AVEVA负责Vera Rubin的全生命周期数字孪生；达索系统与维谛联合仿真OneCore基础设施；ABB正基于DSX Sim开发SimReady数字资产，并通过新发布的Infinitus直流产品组合推进800V高压直流（800 VDC）架构研发；日立能源、西门子能源与GE Vernova直接下场，帮助英伟达完成从电网规划到储能系统的深度协同。

One More Thing

回顾2024年的GTC大会。

当时黄仁勋站在台上指着全新的Blackwell机柜说：“英伟达的AI超级计算机，就是AI工业革命的工厂。”

那时，很多人还以为“AI工厂”只是一个商业包装概念，将数据视为原料，Token视为产成品。

仅仅两年半过去，黄仁勋将这个比喻变成了字面意义上的物理现实。

他不仅定义了芯片（Vera Rubin）、定义了机柜（NVL72），现在甚至连集装箱（DSX POD）、散热水管、电网调度，以及西门子和施耐德的工业设计图，都纳入了“英伟达标准”之下。

当缺电、缺水、缺熟练工、建厂慢成为卡住AI扩张脖子的最大瓶颈时，黄仁勋大手一挥，索性跨界当起了“全球总包工头”。

以前科技巨头购买算力，是向英伟达买显卡，自己回去组装；后来行业采购形式演变为买整机柜。

到今天，算力采购已如同选购预制菜，客户可以批量采购封装在集装箱内的AI发电厂，对接配套设施后仅需14天就能产出Token。

如你所见，英伟达的边界早已超越一块小小的芯片和单台服务器。

黄仁勋想做AI时代整套物理基座的王。

至少在这一轮全球性的算力基建浪潮中，黄仁勋就是那个掌握整套顶层方案，站在船头用望远镜眺望的人。

视频回放：

https://www.youtube.com/watch?v=PvFjbPYEOZI

本文来自微信公众号“量子位”，作者：梦晨，36氪经授权发布。