NVIDIA 向 OCP 開放 Vera Rubin 架構，科技巨擘聯手推進吉瓦級 AI 工廠建置

在聖荷西舉行的開放運算計畫（OCP）全球高峰會上，NVIDIA 宣布向業界開放其次世代 Vera Rubin 架構的關鍵設計。隨著資料中心規模從千瓩（MW）等級邁向吉瓦（GW）級運作，NVIDIA 透過開放式 NVIDIA MGX 架構貢獻機架與運算托盤（compute tray）設計，為全球 AI 工廠奠定標準化基礎。

此舉同時伴隨著一系列廣泛的基礎設施標準與硬體合作，參與者涵蓋 Meta、Google、Microsoft、Cisco 與 Visionbay 等超大規模雲端業者及網路巨頭。

開放式 MGX 1.2 與專用 CPU 機架

透過 OCP 開放資料中心倡議（Open DC Initiative），NVIDIA 參與貢獻了第三代 MGX AI 資料中心參考設計。更新後的 MGX 1.2 規格納入了機架級盲插水冷技術（blind-mate liquid cooling）、標準化電源介面、無風扇運算托盤，以及專為高功耗部署設計的水冷式 5,000A 匯流排（busbar）。

該架構支援單一機架高達 250kW 的功率密度，並原生相容 19 吋機架設備。除了專為高負載訓練與推論工作設計的 Vera Rubin NVL72 平台外，NVIDIA 亦推出了 Vera CPU 機架設計規格。該平台建構於 MGX 基礎之上，專為代理型人工智慧（Agentic AI）任務量身打造，能即時處理工具呼叫（tool calling）、流程編排（orchestration）與沙盒執行（sandboxed execution）。

超大規模業者推動機房佈局標準化與電網韌性

為了防止 AI 機房建設走向規格破碎化，NVIDIA 與業界夥伴聯手制定了兩大開放規格：

• 開放資料中心規格 v0.7（Open Data Center Specification v0.7）： 與 AMD、Google 和 Meta 共同開發，提供涵蓋電力架構、冷卻系統與實體機房佈局的標準化藍圖。

• OCP 電網韌性規格（OCP Grid Resilience Specification）： 與 Google、Meta 和 Microsoft 共同發布，規範超大規模 AI 叢集如何應對公共電網中斷。該標準制定了相關協定，使系統能保持連線、自動調整適應，並在兩秒內恢復至接近全負載運作。

為了解決不斷攀升的功率密度問題，Visionbay 揭露了 K-1 計畫——這是一個採用 NVIDIA 參考設計以及 Vertiv 電力與散熱系統打造的 800V 直流電（DC）AI 工廠平台。K-1 利用叢集級電力中心，在更靠近運算托盤處將交流電（AC）轉換為 800V 直流電，與傳統低壓配電相比，大幅減少了銅線用量與電能轉換損耗。

次世代網路技術：Spectrum-6、USFP 與 Falcon

網路技術也是本次高峰會的核心焦點之一，並公布了多項架構里程碑：

• Meta 採用 Spectrum-6： Meta 正在其水冷 IcePack 機架中部署 NVIDIA Spectrum-6 102.4Tb/s 乙太網路交換器。該交換器代號為 N-IceCube，運行 Meta 的開源網路作業系統 FBOSS。透過結合 ConnectX-9 SuperNIC 的 Spectrum-X Multiplane 架構，此配置能將 GPU 流量分配至最多八個網路平面，支援規模超過 10 萬顆 GPU 的叢集。

• Cisco 與 NVIDIA 推出 USFP： 兩家公司公布了超高密度小型可插拔（Ultra-Dense Small Form Factor Pluggable，USFP）收發器模組計畫。USFP 保持與現行每通道 200Gb/s OSFP 標準相近的體積，但提供 16 個全雙工通道（未來藍圖將擴展至 32 通道），用於支援每通道 400Gb/s 的連線。該設計實現了四倍的頻寬密度與約 1.3 倍的能源效率提升，並獲得 Amphenol 和 TE Connectivity 等生態系夥伴的支援。

• 整合 Google Falcon Transport： NVIDIA 與 Google 確認，即將推出的 NVIDIA ConnectX-10 SuperNIC 和 BlueField DPU 將支援 Google 的 Falcon Transport 協定，為大型 AI 叢集提供可靠的硬體加速多路徑乙太網路傳輸。

DSX AI 工廠開源軟體

為了有效調度這些實體系統，NVIDIA 亦針對其 DSX AI Factory 作業層釋出了全新開源軟體工具。這些模組源自於 NVIDIA DGX Cloud 的維運實務經驗，包括用於自動化交換器部署的 NVIDIA Config Manager、在執行訓練任務前對 GPU 叢集進行壓力測試的 Cluster Readiness Engine、用於統一韌體操作的 Rack Management Service，以及用於裸機多租戶配置的 Cluster API Provider。