Nvidia на Hot Chips 2026 сделала акцент не на голой производительности новых ускорителей, а на том, что для ИИ-инфраструктуры давно стало главным дефицитом: электричество. Компания заявила, что ее подход DSX MaxLPS позволяет уложить до 40 тысяч GPU Vera Rubin в площадку с фиксированным бюджетом 100 МВт. Для рынка, где новый кластер упирается не только в поставки чипов, но и в подстанцию за забором, это уже не инженерная деталь, а вопрос экономики проекта.
По данным Tom's Hardware, Nvidia называет DSX MaxLPS набором инструментов уровня площадки и стойки для динамического управления потреблением. Аббревиатура расшифровывается как Land, Power, Shell: речь идет не только о серверном железе, но и о том, как спроектирован сам объект, как в него заведена мощность и как эта мощность распределяется между стойками и группами стоек. На презентации компания утверждала, что в рамках 100-мегаваттного объекта около 40 Rubin DGX SuperPOD, или примерно 40 тысяч GPU, смогут выдать до 2 зеттафлопс для инференса NVFP4 и до 1,4 зеттафлопс для обучения в том же формате. Здесь важна оговорка: это заявленные оценки Nvidia, а не результаты независимых замеров на реальных рабочих нагрузках.
Смысл технологии довольно приземленный. Традиционно оператор дата-центра резервирует питание по пиковому сценарию: каждая стойка получает запас с учетом худшего случая, даже если в жизни она почти никогда не ест столько энергии. В результате часть выделенной мощности простаивает, но перекинуть ее в соседнюю стойку, где в этот момент идет более тяжелая задача, нельзя. Nvidia предлагает уйти от такой схемы и следить за потреблением на уровне чипа, стойки и группы стоек в реальном времени. Если где-то возникает свободный резерв из-за характера нагрузки или простоя, управляющий контур Dynamic Power Software перераспределяет его туда, где он даст больше полезной вычислительной работы. Для энергопитания дата-центров это попытка заменить статичную бухгалтерию ваттов на более живую диспетчерскую модель.
Где Nvidia обещает выигрыш
В качестве иллюстрации компания привела не Rubin, а уже более близкую к практике систему Grace Blackwell GB300. В сценарии со стойками и общим бюджетом 540 кВт при статическом планировании оператор разместил бы четыре системы по 135 кВт каждая. Но, по данным Nvidia, до 170 кВт в такой схеме могут регулярно оставаться неиспользованными из-за того, что стойки загружены неравномерно. Для плотных NVL72-конфигураций это почти еще одна полноценная стойка внутри того же лимита. Логика проста: если считать не гипотетический пик, а реальную нагрузку, в том же объекте можно разместить больше железа и сократить долю «мертвого» резерва, который красиво смотрится в проектной документации, но плохо монетизируется.
Еще один пример Nvidia привела на нагрузке DeepSeek-R1 для GB300. В старой модели расчета предполагался TGP GPU на уровне 1400 Вт и мощность стойки около 136 кВт. С MaxLPS типичное потребление GPU в этом кейсе, по словам компании, снижается до 1000 Вт, а стойка укладывается в 101 кВт без потери производительности. Для разработчика это звучит как внутренняя кухня эксплуатации, но для владельца кластера перевод очевидный: больше токенов и запросов с того же объекта, меньше причин держать запас «на всякий случай». Для CIO и техдиректоров это уже разговор не только про FLOPS, но и про выручку на мегаватт.
У MaxLPS есть и еще один слой, который важен для жизненного цикла площадки. Nvidia предлагает задавать профили питания под тип нагрузки: инференс, обучение, memory-bound и compute-bound сценарии. Идея в том, что дата-центр не обязан навсегда оставаться в режиме, под который его проектировали в день запуска. Если объект сначала строился под обучение на новом поколении ускорителей, часть полезной площади можно сознательно не заполнять из-за высокой энергетической плотности. Позже, когда эти же системы переедут в инференс, потребление на GPU и стойку снизится, и оператор сможет добить площадку дополнительным оборудованием без расширения внешнего энергоконтура. На фоне дефицита мощностей в ИИ-инфраструктуре это выглядит как довольно прагматичный ответ на вопрос, как растянуть CAPEX и не упереться в бетон раньше времени.
Почему тема не сводится к серверам
Отдельный акцент Nvidia сделала на охлаждении Rubin NVL72. Эти стойки, по словам компании, рассчитаны на жидкостное охлаждение с входной температурой теплоносителя 45 °C, что заметно выше типичных параметров прошлых поколений. Такой режим нужен не ради красоты слайдов, а чтобы реже включать механические чиллеры. Nvidia утверждает, что в прежних установках неиспарительные системы охлаждения могли съедать до 40% энергетического бюджета площадки. Если часть года можно обходиться более «сухим» охлаждением и тратить меньше энергии на отвод тепла, то высвобожденные киловатты уходят не в холодильную машину, а в вычисления. Для энергопитания дата-центров это критично: PUE улучшается не за счет магии, а потому что меньше мощности сжигается на инфраструктурную обвязку.
Важный нюанс во всей этой истории один: Nvidia продает свое видение будущих ИИ-фабрик и подкрепляет его собственными цифрами, но не показывает полноценные измеренные результаты для Rubin на реальных нагрузках. Поэтому воспринимать 2 зеттафлопс в 100 МВт как гарантированный эксплуатационный итог было бы наивно. Но сам вектор вряд ли кто-то уже развернет обратно. Для отрасли все очевиднее, что следующий большой апгрейд ИИ-кластеров связан не только с новым GPU, а с тем, как площадка умеет распоряжаться ваттами, теплом и резервами. И если раньше пределом масштабирования был размер заказа на ускорители, то теперь все чаще им становится качество инженерии вокруг них.