DSX AI Factory 平台的技术架构

NVIDIA 的 DSX AI Factory 平台被定位为面向超大规模 AI 算力场景的全栈基础设施，其技术架构的关键不在于堆叠单点硬件，而在于把 GPU、CPU、网络设备与基础设施软件纳入同一套可调度体系。对能源侧与算力侧同时承压的园区而言，这种一体化设计直接决定了高密度负载能否在电力与壳体约束下稳定运行，也决定了后续硬件迭代能否在不停产的前提下平滑接入。

从架构分层看，底层首先是计算与互联的硬件底座。平台以 GPU 承担训练与推理主算力，以 CPU 承接控制面、调度面及配套业务逻辑，再通过网络设备完成节点间与机柜级的高速互联。三者并非松散拼装，而是作为统一资源池对外呈现，使上层编排能够按任务粒度申请与回收算力，而不是按传统机房“按机架分配”的粗粒度方式管理。基础设施软件则贯穿硬件之上，负责资源抽象、策略下发与运行状态汇聚，从而把分散的设备状态收敛为可观测、可控制的园区级算力视图。

在资源编排层面，平台强调算力资源的统一调度。统一调度的意义在于：训练与推理负载可以在同一套资源视图内按优先级、时延与能耗约束进行排布，避免因多套管理系统并行而产生碎片化闲置。对园区运营方而言，这意味着电力峰值、壳体散热能力与计算任务曲线可以被放在同一决策环中处理；对租户侧而言，则意味着首批部署完成后，后续模型训练与推理工作负载可以在既有架构上逐步承载，而无需推倒重来。

架构的另一条纵轴是与土地、电力和壳体容量的对接能力。算力平台若只解决“卡怎么连”，而不解决“电从哪来、壳怎么配”，就无法支撑吉瓦级园区落地。DSX AI Factory 将 LPS（土地、电力、壳体）容量纳入对接路径，使基础设施规划与计算集群部署能够按同一节奏推进：先完成容量侧对接，再完成 GPU 集群集成与网络配置，最后通过实时数据流分析开展负载预测与调度优化。实时数据流在这里承担的是闭环控制角色——把运行态能耗、负载波动与调度策略连续反馈到决策层，使高密度计算在能源约束下仍保持可用效率。

可演进性是该架构的长期约束条件。平台明确支持硬件世代升级，使园区不必在一代 GPU 生命周期结束后整体重构网络与软件栈。训练与推理工作负载的分阶段接入，也依赖这一代际兼容能力：初期以既定集群完成集成验证，中后期在同一架构主线上扩展容量与任务类型。对技术负责人而言，评估此类平台时，应重点审视三件事：硬件与软件是否真正形成统一资源抽象，调度策略是否能同时响应算力与能源约束，以及升级路径是否允许在运行中完成世代更替。只有这三点同时成立，全栈 AI Factory 才从概念图景落到可运营的工程系统。