NVIDIA ra mắt DSX Pod, giải pháp đóng gói toàn bộ AI Factory vào container, rút ngắn thời gian triển khai từ 6 tháng xuống 14 ngày, tối ưu hóa hạ tầng AI cho doanh nghiệp.
Trong bối cảnh nhu cầu tính toán AI tăng trưởng bùng nổ, NVIDIA vừa công bố giải pháp đột phá mang tên DSX Pod tại sự kiện GTC Berlin. Thay vì xây dựng hạ tầng truyền thống mất nhiều tháng, DSX Pod đóng gói toàn bộ một AI Factory hoàn chỉnh vào các container công nghiệp, sẵn sàng vận hành ngay khi lắp đặt. Theo công bố từ NVIDIA, giải pháp này nhắm trực tiếp vào vấn đề lớn nhất của các dự án data center: thời gian triển khai. Thay vì phải chờ đợi hàng tháng trời cho các công đoạn lắp ráp, DSX Pod cho phép rút ngắn thời gian từ khi chuẩn bị mặt bằng đến khi đi vào hoạt động thực tế chỉ còn 14 ngày. Đây là bước tiến quan trọng trong việc chuẩn hóa hạ tầng AI, giúp các doanh nghiệp có thể nhanh chóng đưa các mô hình AI vào ứng dụng thực tế, giảm thiểu rủi ro và chi phí phát sinh trong quá trình triển khai.
Điểm khác biệt cốt lõi của DSX Pod nằm ở việc chuyển toàn bộ các công đoạn phức tạp từ hiện trường về nhà máy sản xuất. Các hệ thống như rack, hệ thống dây điện, đường ống làm mát và hệ thống cấp điện đều được lắp ráp và kiểm tra hoàn chỉnh trước khi xuất xưởng. Khi đến công trường, các kỹ thuật viên chỉ cần thực hiện các thao tác kết nối cơ bản như cấp điện, kết nối hệ thống làm mát và mạng. Phương pháp này giúp loại bỏ hoàn toàn các rủi ro phát sinh do điều kiện thi công tại chỗ, đồng thời đảm bảo chất lượng lắp đặt đồng nhất. Cách tiếp cận này không chỉ giảm thời gian triển khai mà còn nâng cao đáng kể độ tin cậy của hệ thống, đặc biệt quan trọng đối với các workload AI có yêu cầu cao về hiệu năng và độ ổn định.
DSX Pod được xây dựng dựa trên nền tảng NVIDIA Vera Rubin, thế hệ kiến trúc tiếp theo của NVIDIA. Hệ thống này tích hợp đầy đủ các thành phần tính toán, mạng, lưu trữ và làm mát, tạo thành một giải pháp all-in-one cho các trung tâm dữ liệu AI. Bên cạnh phần cứng, NVIDIA còn cung cấp bộ công cụ phần mềm DSX hoàn chỉnh, bao gồm DSX Reference Design cho các cấu hình đã được kiểm chứng, DSX Sim cho mô phỏng và quy hoạch ảo, cùng DSX OS để quản lý hạ tầng. Các thành phần như DSX MaxLPS tối ưu phân phối điện năng và DSX Flex điều phối nhu cầu sử dụng điện với lưới điện, giúp tối ưu hóa hiệu suất vận hành và giảm thiểu chi phí năng lượng cho các trung tâm dữ liệu AI quy mô lớn.
Với mật độ công suất ngày càng tăng của các hệ thống AI, giải pháp làm mát truyền thống bằng gió đã không còn đáp ứng được yêu cầu. DSX Pod tích hợp hệ thống làm mát chất lỏng (liquid cooling) tiên tiến, được lắp ráp và kiểm tra chặt chẽ tại nhà máy. Việc tích hợp hệ thống làm mát chất lỏng ngay từ giai đoạn sản xuất giúp giảm thiểu đáng kể rủi ro rò rỉ và các sự cố kỹ thuật thường gặp khi lắp đặt tại hiện trường. Đây là yếu tố then chốt đảm bảo hiệu suất và độ bền của hệ thống trong quá trình vận hành. Giải pháp làm mát chất lỏng trong DSX Pod không chỉ giúp duy trì hiệu năng tối ưu cho các GPU và CPU mà còn góp phần giảm thiểu tiêu thụ năng lượng tổng thể, phù hợp với xu hướng phát triển bền vững trong ngành data center.
NVIDIA đã hợp tác với nhiều đối tác hàng đầu trong ngành công nghiệp để triển khai DSX Pod, bao gồm Bull, Dell, HPE, Schneider Electric, Vertiv, Lenovo, Gigabyte, Quanta Cloud Technology và Wistron. Sự hợp tác này đảm bảo khả năng cung ứng và hỗ trợ kỹ thuật toàn diện cho khách hàng. Theo lộ trình được công bố, DSX Pod sẽ bắt đầu được triển khai thương mại vào đầu năm 2027. Đây là thời điểm phù hợp với chu kỳ phát triển của các nền tảng AI thế hệ mới, giúp các doanh nghiệp có đủ thời gian chuẩn bị hạ tầng và nhân lực. Giải pháp này không chỉ dành cho các tập đoàn lớn mà còn mở ra cơ hội cho các doanh nghiệp vừa và nhỏ tiếp cận với công nghệ AI tiên tiến, nhờ vào khả năng triển khai nhanh chóng và chi phí đầu tư ban đầu được tối ưu hóa.
DSX Pod đánh dấu bước chuyển mình quan trọng trong cách thức xây dựng và vận hành các trung tâm dữ liệu AI. Thay vì các dự án xây dựng kéo dài, giải pháp container hóa cho phép linh hoạt mở rộng và triển khai nhanh chóng theo nhu cầu thực tế. Với xu hướng AI ngày càng thâm nhập sâu vào mọi ngành nghề, nhu cầu về hạ tầng tính toán hiệu quả và linh hoạt sẽ tiếp tục tăng trưởng. DSX Pod chính là câu trả lời phù hợp cho thách thức này, giúp các doanh nghiệp nắm bắt cơ hội AI một cách nhanh chóng và hiệu quả. NVIDIA kỳ vọng DSX Pod sẽ trở thành chuẩn mực mới trong ngành công nghiệp AI, thúc đẩy sự phát triển của các ứng dụng AI tiên tiến và đóng góp vào sự chuyển đổi số toàn diện của nền kinh tế số.
Gigabyte đăng ký 40 tên model Z990 cho nền tảng Intel Nova Lake (LGA1954). Danh sách bao gồm AORUS XTREME, dòng AERO WOOD và nhiều biến thể DUO X, dự kiến ra mắt cùng CPU 28 nhân trong Q1 2027.
Samsung và SK Hynix đẩy mạnh nâng cấp nhà máy tại Trung Quốc để sản xuất NAND Flash 286 và 240 lớp, đối mặt với các quy định xuất khẩu thiết bị của Mỹ và sự cạnh tranh từ YMTC.
HPE nâng cấp HPE Private Cloud AI với MCP Servers, khả năng kết hợp GPU H200 và RTX PRO 6000, cùng rack 256 CPU Vera cho tác vụ AI agent, mang lại hiệu năng cao và kiểm soát chặt chẽ.
Google Cloud và NVIDIA công bố khả năng sử dụng chung (General Availability) cho các instance A5X được đẩy mạnh bởi NVIDIA Vera Rubin NVL72. Hệ thống này tích hợp ConnectX-9 SuperNICs và công nghệ làm mát lỏng thế hệ 4, hỗ trợ quy mô lên đến 960.000 GPU cho các tác vụ AI Agent và Reinforcement Learning.
Lenovo Yoga Pro 15 RTX Spark: Laptop Windows on ARM đầu tiên với chip NVIDIA RTX Spark N1X, 128GB RAM thống nhất, GPU Blackwell 6144 CUDA Cores và màn hình OLED 165Hz.
Elon Musk xác nhận SpaceX đang lắp đặt 200.000 GPU Nvidia GB300 mỗi tháng. Mục tiêu đạt 13-20 GW công suất tính toán AI vào cuối 2027, chuyển đổi sang kiến trúc Vera Rubin.
QNAP giới thiệu hai thiết bị mở rộng lưu trữ JBOD sử dụng chuẩn USB4: TL-D810TC4 (8 bay) và TL-R1210TC4-RP (12 bay). Hỗ trợ tốc độ 40 Gbps, tương thích đa nền tảng, tối ưu cho biên tập video và lưu trữ doanh nghiệp.
NVIDIA và Groq đang phát triển thế hệ LPU tiếp theo sử dụng công nghệ 3D Stacked DRAM thay thế SRAM thuần túy. Mục tiêu là tăng dung lượng bộ nhớ lên hàng TB để xử lý các mô hình AI có tham số cực lớn, đồng thời duy trì băng thông cao.
