OCP全球峰会：NVIDIA开放Vera Rubin架构，联合行业巨头共建AI工厂标准

事件概述

在圣何塞举行的Open Compute Project (OCP) Global Summit上，NVIDIA宣布了一系列针对下一代AI基础设施的开放架构贡献与合作伙伴关系。随着AI工厂从兆瓦级向吉瓦级扩展，行业正通过开放标准来加速基础设施的规模化、效率化和可靠性建设。核心举措涵盖硬件参考设计、操作系统软件、行业通用规范以及电力和网络技术的创新。

核心信息

1. 硬件架构开源：MGX 1.2与Vera Rubin设计

• 贡献内容：NVIDIA通过开放的NVIDIA MGX架构，向OCP贡献了关键的Vera Rubin机架（Rack）和计算托盘（Compute Tray）设计。
• MGX 1.2规范更新：
  • 引入机架级盲插液冷技术、互操作性机架级互联基础设施。
  • 支持高达5,000A的液冷母线，适配更高功率的AI系统。
  • 原生支持19英寸设备，提升机架密度。
  • 模块化扩展：配置I/O槽位、无风扇液冷计算托盘、标准化电源和冷却接口。
  • 性能指标：支持最高250kW的机架部署，简化维护与服务时间。
• Vera CPU Rack：基于第三代MGX架构，专为Agentic AI时代设计，支持工具调用、编排和沙盒执行，与NVl72形成互补，统一计算、网络、电源和冷却的模块化平台。

2. 软件生态：DSX AI Factory开源组件

NVIDIA扩展了DSX OS（数据中心操作系统），发布以下开源组件以优化AI工厂运营：

• Config Manager：自动化交换机配置，实现零手动干预的网络fabric部署与维护。
• Cluster Readiness Engine：通过真实工作负载模拟对GPU集群进行压力测试，确保训练前硬件健康，减少作业崩溃。
• Rack Management Service：提供机架硬件抽象层，将机架作为一级管理单元，提升固件管理能力。
• Cluster API Provider for NVIDIA Infrastructure Controller：加速裸金属部署和租户上线，将原始硬件在数小时内转化为生产就绪集群。

3. 行业标准：联合发布AI工厂与电网规范

NVIDIA联合AMD、Google、Meta、Microsoft等发布两项关键规范：

• Open Data Center Specification v0.7：定义下一代AI工厂设施设计的统一蓝图，涵盖电源架构、冷却基础设施和物理布局。
• OCP Grid Resilience Specification：由Google、Meta、Microsoft和NVIDIA共同制定，规定大型AI基础设施在公用电网扰动时的行为标准——保持连接、自动响应并在不到两秒内恢复至近满载状态。

4. 合作伙伴动态

• Visionbay.ai：发布K-1平台，采用800V DC架构，结合Vertiv的热管理技术，解决高密度AI基础设施的供电挑战。该设计支持模块化扩展，允许运营商逐步过渡到800V DC，无需彻底重建设施。
• Meta与NVIDIA网络合作：
  • Meta采用NVIDIA Spectrum-6 102.4Tb/s以太网交换机构建更大的Vera Rubin AI工厂。
  • Spectrum-6优势：交换容量和每通道带宽是Spectrum-4的两倍，提供200G/通道的无损以太网AI fabric，具备高性能隔离能力。
  • Multiplane技术：基于Spectrum-6和ConnectX-9 SuperNICs，在硬件层面将GPU流量分布在最多八个独立网络平面中，支持超过100,000个GPU的规模扩展，降低交换机层级和基础设施成本，提高网络韧性和利用率。
• Cisco与NVIDIA：宣布Ultra-Dense Small Form Factor Pluggable (USFP)标准，这是业界首个支持400Gb/s网络fabric的模块。
• Google与NVIDIA：宣布未来NVIDIA ConnectX-10 SuperNICs和BlueField DPUs将支持Falcon Transport。

值得关注

此次OCP峰会标志着AI基础设施从“专有封闭”向“开放标准”的重大转变。通过开源MGX硬件设计、DSX软件组件以及联合制定电网和设施规范，NVIDIA及其合作伙伴正在建立一套可复制、可扩展的全球AI工厂基础架构。这不仅降低了系统集成商和云提供商的进入门槛，还通过800V DC供电和多平面网络技术解决了高功率密度下的散热、供电和网络瓶颈问题，为万卡及以上规模的AI集群部署提供了标准化的工程路径。