NVIDIA 的 DSX AI Factory 平台重新定義了資料中心效率：重點不再只是逐步提升單一機架的效能，而是從運算、供電到冷卻進行整體系統協同設計。最受矚目的效能宣稱是：DSX MaxLPS 最多可在耗電量降低 30% 的情況下，產生相同數量的 Token。這項成果來自跨機架的動態電力分配，以及結合液冷運算與戶外乾式冷卻器、經過驗證的參考架構，藉此減少水分蒸發。這套方案瞄準歐洲及其他電網與水資源受限地區發展大型 AI 的兩項關鍵瓶頸：場址能接入多少兆瓦電力，以及當地水源是否足以支撐傳統蒸發式冷卻。
DSX 的價值不只停留在行銷宣傳，也有實際案例佐證。進行概念驗證與初期測試的合作夥伴，回報在固定電力額度內取得具體的容量提升。Lambda 在 HGX B200 叢集上的 MaxLPS 測試顯示，在固定預算內，叢集 Token 吞吐量約提升 24%，GPU 可用容量增加 19%；Nscale 在冰島的評估則指出，在相同的 264 kW 配電額度內，推論吞吐量提高 49%，可管理的 GPU 容量增加 37%。這些營運數據顯示，動態電力分配搭配系統層級的冷卻設計，無須全面更換晶片，也能釋出更多效能餘裕。
對營運商與規劃人員來說，關鍵指標正在轉變：不再只看 GPU FLOPS 或單卡基準測試，而是看每兆瓦可產生多少 Token。當電網接入容量與當地水資源限制了可安裝的機架數量，唯一的突破口就是從每一兆瓦已配置電力中，榨取更多可用的 AI 推論與訓練容量。DSX 透過軟體管理的電力配置，結合經驗證的基礎設施堆疊與數位孿生模擬工具，開啟了新的最佳化空間：協調工作負載排程、機架電力上限與設施系統，在當地限制下將 Token 產出最大化。