DSX aborda la computación, la distribución de energía, la refrigeración y el software como un único problema de ingeniería. Los diseños de referencia estandarizan las interfaces entre los racks y las instalaciones, así como las conducciones de refrigerante; DSX Sim y SimReady Central agilizan la validación con modelos cualificados por los proveedores, y DSX OS automatiza las comprobaciones del ciclo de vida y de preparación. En la práctica, esto se traduce en menos imprevistos durante la puesta en marcha, diseños validados que sirven de base para permisos y estudios de conexión a la red, y una vía para reproducir las mejoras de eficiencia en regiones de nube y centros de datos de terceros.

MaxLPS redistribuye dinámicamente la energía dentro del presupuesto asignado a una fábrica de IA para priorizar el rendimiento de tokens frente a la potencia máxima estática de cada GPU. Combina la gestión de energía según la carga de trabajo con la priorización a nivel de clúster, lo que permite a los operadores aceptar pequeños compromisos de latencia o concurrencia a cambio de generar más tokens de inferencia o entrenamiento por minuto. Las pruebas muestran aumentos importantes del rendimiento del clúster y de la capacidad útil de GPU dentro de límites de potencia fijos: una herramienta operativa para ubicaciones donde la capacidad de la red eléctrica es el principal cuello de botella.

Los diseños de referencia de DSX combinan refrigeración líquida a nivel de rack con enfriadores secos para disipar el calor, evitando las torres de refrigeración por evaporación, que consumen grandes volúmenes de agua. En teoría, una instalación de 2 GW que utilice enfriadores secos podría ahorrar decenas de millones de litros de agua al día frente a las torres tradicionales, algo fundamental en regiones con escasez de agua o restricciones normativas. Aun así, los operadores deben evaluar el clima local: la eficacia de los enfriadores secos depende de la temperatura ambiente y quizá sea necesario complementarlos con refrigeración mecánica durante las olas de calor.

DSX Flex plantea las fábricas de IA como cargas eléctricas flexibles, capaces de ajustar su consumo en respuesta a las señales de la red, los precios o el estado del almacenamiento. En ensayos con eventos de red simulados, se redujo hasta un 40 % el consumo del clúster sin interrumpir las cargas de trabajo críticas. Para operadores de red y promotores, esa flexibilidad puede agilizar la aprobación de conexiones y reducir la necesidad de costosas mejoras de infraestructura, al permitir ajustar la capacidad en plazos breves y adaptar el consumo a las energías renovables y al almacenamiento local.

Las pruebas de concepto de Lambda y Nscale son prometedoras, pero los resultados en condiciones reales variarán según la combinación de cargas de trabajo, el clima del emplazamiento y la madurez operativa. Las mejoras dependen de que se priorice la producción de tokens por encima del rendimiento máximo de una sola GPU y de que el software DSX se integre con las pilas de planificación y telemetría. También hay costes de capital e integración: nuevos sistemas de distribución de refrigerante, enfriadores secos, modelos validados y formación del personal. Antes de comprometerse con diseños de referencia DSX, los operadores deberían realizar simulaciones con gemelos digitales en DSX Sim y validar los peores escenarios térmicos y de conexión a la red.