NVIDIA发布DSX MaxLPS：动态功率分配与45°C液冷，称可在固定电力预算内多部署40% Rubin GPU
NVIDIA技术博客6月4日介绍了面向AI工厂的DSX MaxLPS，包含动态功率分配软件DPS、工作负载功率配置文件和45°C液冷设计，目标是在固定站点电力预算内提高每瓦特AI吞吐量。
AI解读：AI工厂的瓶颈正在从GPU数量转向可用电力：数据中心建的GPU再多，若供电和散热吃掉了预算，算力也发挥不出来。NVIDIA的DSX MaxLPS要解决的就是这个“电力浪费”问题——它用动态功率分配软件（DPS）实时监测每个机架的实际用电，把静态预留中闲置的电力额度分给真正需要的GPU；再配合针对推理、训练等负载的功率配置文件，以及45°C温水液冷来降低散热耗电。NVIDIA声称，在100兆瓦的典型站点中，这套组合最多能多部署40%的Rubin GPU（如Vera Rubin NVL72），实测中GB200 NVL72的机架功率从125kW降至90kW，同等电力下可多放39%的机架。对正在建设或扩容AI数据中心的基础设施团队来说，这意味着选址和配电设计要提前考虑45°C液冷和动态电力管理，否则后期改造成本很高；而普通企业用户短期内不会直接感知变化，因为这是面向数据中心运营者的技术。
NVIDIA技术博客发布DSX MaxLPS套件，面向电力受限的AI工厂，旨在通过动态功率分配、软件级性能优化和45°C液冷设计，在固定功率预算内提高AI推理和训练的输出量。
博客指出，传统静态机架功率配置会浪费电力：每个机架按峰值功率预留，但实际负载并非始终达到峰值，闲置功率无法转移给有需求的相邻机架。
NVIDIA表示，在DSX MaxLPS结合数据中心功率规划下，一个100兆瓦的AI工厂可容纳40,000颗Rubin GPU，实现NVFP4推理2 zettaflops、训练1.4 zettaflops的计算能力。
动态功率分配软件DPS
NVIDIA DSX MaxLPS用动态功率分配取代静态预配，核心是Dynamic Power Software (DPS)，目前处于开发者预览阶段。DPS从电网到机架、节点和GPU建模数据中心拓扑，运营商定义资源组、功率预算和策略，DPS持续比较分配功率与实际消耗，当GPU或机架低于预留水平时，将空闲额度分配给同组内其他设备。
DPS运行持续控制循环：收集GPU、机架和组的功率遥测，识别未使用的功率容量，在策略内重新分配功率，验证合规性，并尽力响应功率事件或应急策略。
博客以540kW站点功率预算为例，静态预配会浪费170kW；而MaxLPS动态配置可回收这部分功率，使站点能在同一预算下增加一个机架。
- DPS提供站点级功率管理，能适应电网、维护或紧急事件导致的功率变化，无需手动重新规划每个机架。
- DSX Exchange是AI工厂运维的开源事件总线（开发者预览），连接DPS与楼宇管理系统、电力监控、冷却设施和调度器，其信号可帮助DPS做出优化，但MaxLPS不依赖DSX Exchange运行。
性能功耗优化与实测结果
MaxLPS包含优化的负载配置文件功率解决方案（WPPS），适用于推理、训练、内存密集和计算密集等数据中心运行模式。运营商无需逐任务调节功耗、内存和频率，可直接应用验证过的配置。Application Performance and Power Manager (APPM) 将配置应用到GPU，NVIDIA Dynamo则可进一步优化推理服务的跨机架性能与功耗。
博客公布的代表性推理负载（GB200 NVL72测试Kimi-K2.5，Vera Rubin NVL72测试DeepSeek-R1）测试结果：MaxLPS将机架预配功率从125kW降至90kW（GB200 NVL72），从136kW降至101kW（Vera Rubin NVL72），在相同功率包络内分别多部署39%和35%的机架，同时保持负载吞吐量；每瓦性能分别提升约1.5倍和1.3-1.4倍。
- Vera Rubin NVL72的推理配置下，NVIDIA预计使用MaxLPS可在一个100兆瓦AI工厂内多容纳40%的Rubin GPU，如完整100MW部署，可支持2 zettaflops的NVFP4推理峰值性能。
- 数据来源为NVIDIA技术博客，作者为Tanya Lenz，结果基于特定工作负载和配置，实际效果可能因站点设计而异。
45°C液冷与设施设计
MaxLPS的第三个支柱是45°C液冷散热设计。Vera Rubin NVL72机架支持45°C冷却液入口温度，较高温度可让设施更多依赖“自由冷却”（利用外部空气或水散热），减少对高能耗制冷机或绝热冷却器的依赖，从而降低平均PUE。
博客强调，散热系统的规模需按最坏情况设计，但多数时候实际负载低于此。若电力分配、干冷器和控制系统的容量为此预留灵活性，最坏情况下用于冷却的预算可在一年中大部分时间转为计算用。
技术冷却系统（TCS）回路通过冷却液分配单元（CDU）将GPU热量传递给设施冷却回路。多数设施采用PID控制管理CDU，但PID是反应式的，在大型AI工厂的快速热负载变化下，运营商常将回路运行得过冷以保留裕量，这会浪费冷却功率。博客提到Phaidra等智能控制系统可利用功率遥测和已学习的控制策略来预测热行为，但强调这是可选优化，硬件设计本身定义了支持的热包络。
部署建议
NVIDIA建议，计划部署Vera Rubin NVL72的运营商应从站点层面为MaxLPS进行设计或改造，即使不是第一天就装满所有机架。需要提前验证功率拓扑、冗余、冷却行为、遥测可用性、策略要求、网络容量、机架位置可选性以及空间和公用设施约束。
NVIDIA建议先进行范围验证：对比未管理的静态基线与MaxLPS管理的运行，使用代表性负载跟踪吞吐量、延迟、错误率、功率消耗和策略合规性。设施团队应尽早与NVIDIA合作验证45°C入口热设计和功率分配灵活性。