NVIDIAのDSX AI Factoryプラットフォームは、データセンターの効率化を、ラック単位の小幅な改善ではなく、コンピューティング、電力、冷却を一体で設計する取り組みとして捉え直しています。注目される「DSX MaxLPSは、同じ数のトークンを最大30％少ない電力で生成できる」という主張は、ラック間の動的な電力配分と、液冷コンピューティングに屋外ドライクーラーを組み合わせて蒸発を抑える、検証済みのリファレンスアーキテクチャに基づいています。この構成は、欧州をはじめ、電力網や水資源に制約のある地域で大規模AIを展開する際の、二つの厳しい課題に対応します。すなわち、施設に何メガワットを接続できるか、そして地域の水資源で従来型の蒸発冷却を維持できるかという問題です。
DSXの価値は、宣伝文句だけではありません。概念実証や初期試験を行うパートナーは、電力の上限が決まった環境で具体的な処理能力の向上を報告しています。LambdaがHGX B200クラスターでMaxLPSを検証したところ、固定予算内でクラスターのトークン処理量が約24％増え、利用可能なGPU容量も19％向上しました。Nscaleがアイスランドで行った評価では、同じ264 kWの割り当て内で、推論処理量が49％、管理可能なGPU容量が37％増加しました。こうした実運用上の結果は、動的な電力配分とシステム全体を考慮した冷却によって、チップを大幅に変更しなくても余力を生み出せることを示しています。
事業者や計画担当者にとって、重視すべき指標はGPUの演算性能やカード単体のベンチマークから、「メガワット当たりのトークン数」へと移りつつあります。電力網への接続や地域の水資源によって設置できるラック数が制限されるなら、残された手段は、割り当てられた各メガワットから、より多くの実用的なAI推論・学習能力を引き出すことです。DSXのソフトウェア管理型電力プロファイルに、検証済みのインフラ構成やデジタルツインのシミュレーションツールを組み合わせることで、新たな最適化の余地が生まれます。ワークロードのスケジューリング、ラックの電力枠、施設設備を連携させ、地域ごとの制約下でトークン出力を最大化できるのです。