英伟达在 GTC Berlin 发布 DSX POD 模块化 AI 工厂参考设计，旨在将更多集成工作移至工厂完成，从而在具备场地基础设施的前提下将部署周期从数月缩短至最短 14 天。该设计通过工厂预集成机架布线、供电和液冷管路等，提高部署可重复性和可预测性，但仍受电力、冷却、网络和监管等现场约束影响，首批交付计划在 2027 年初。
英伟达 10 月 21 日在柏林举行的 GTC Berlin 活动上发布 DSX POD，这是一套面向 NVIDIA Vera Rubin 平台的模块化 AI 工厂参考设计。按照英伟达的说法，合作伙伴可以在工厂内预先完成计算、网络、机架级供电、布线和液冷系统的集成与验证，再将模块化容器运往已经准备好电力、冷却和网络条件的场地。
英伟达称，在场地具备必要基础设施的前提下，DSX POD 可将传统部署周期从约六个月缩短至最短 14 天。这个数字是公司的部署目标，而不是所有数据中心项目已经获得的普遍实测结果。
把更多集成工作从现场移到工厂
传统的大型 AI 数据中心建设，需要在客户现场完成机架安装、网络连接、线缆和管路铺设、液冷系统接入，以及软硬件联调。计算设备、供电、散热和网络系统之间存在复杂依赖，任何一个环节延迟，都可能推迟集群上线和首次推理服务。
英伟达 DSX POD 产品页面显示，这套参考设计的重点不是简单地把服务器装进集装箱，而是为 Vera Rubin 机架级系统定义一套可以重复制造的容器化部署单元。合作伙伴将在出厂前完成机架到机架的布线、供电和液冷管路连接，并进行功能验证；抵达目的地后，设备仍需要接入场地电力、设施用水或冷却系统以及网络基础设施，并完成最终测试。
英伟达技术博客进一步解释，DSX POD覆盖的并非单一计算设备，而是计算、网络、存储、供电、液冷、机械结构、服务空间和运输约束等多个部分。参考设计还需要在运输、安装和运行过程中保持结构承载、重量分布、散热、网络连接和维护条件符合要求。
英伟达技术博客：Achieve Productive AI Capacity Faster and More Predictably with NVIDIA DSX POD。
“首次产生令牌”成为新的部署衡量标准
英伟达创始人兼首席执行官黄仁勋在新闻稿中表示，AI 工厂只有开始产生令牌时才真正创造价值，而不是在建筑施工完成时就产生价值。DSX POD的设计目标，正是缩短从场地准备到模型训练和生产推理上线之间的时间。
这也意味着，英伟达正在把数据中心建设的衡量方式从“建成了多少机房”进一步转向“多快可以形成可用的生产能力”。对于云服务商和其他大规模算力运营商来说，设备更早投入服务，理论上可以让客户更早使用训练和推理资源；但实际收益仍取决于电力接入、网络条件、软件配置、客户工作负载和商业合同等因素。
英伟达没有在此次发布中公布 DSX POD的价格，也没有披露已经签署的客户订单、已交付数量或由第三方验证的部署周期。因此，“最短 14 天”应理解为在准备就绪的场地条件下给出的公司目标，而不能被表述为已经普遍实现的行业结果。
合作伙伴负责制造和交付，首批交付计划在 2027 年初
英伟达表示，DSX POD将通过全球合作伙伴生态制造、定制、部署和维护。公开列出的参与者包括 Bull、Dell Technologies、HPE、联想、Schneider Electric、Vertiv、Foxconn（Ingrasys）、GIGABYTE、Pegatron、Quanta Cloud Technology、Wistron、Anduril、Crusoe、DayOne、Delta 和 Eaton 等。
这一名单既包括服务器和系统制造商，也包括电力、液冷、机柜和数据中心基础设施供应商。英伟达计划于 2027 年初在全球交付相关 AI 工厂，但这仍是计划安排，不代表交付已经完成。
从产品定位看，DSX POD是英伟达 DSX AI Factory 平台的一种具体实现，而不是要求所有 AI 工厂都采用的唯一建设方式。英伟达产品页面明确指出，传统数据中心建设和其他模块化方案仍适用于不同的部署需求；DSX POD主要面向大规模、全新建设、采用液冷的 AI 基础设施项目，以及希望提高部署可重复性和进度可预测性的运营商。
模块化设计无法替代电力和冷却条件
DSX POD把更多工作提前到工厂完成，但并没有消除数据中心建设中的现场约束。客户仍需要先准备场地、供电、冷却、网络和基础结构，之后才能把容器接入并投入运行。对于高功率 Vera Rubin 系统而言，变电站容量、输电线路、液冷设施、用水条件和机房承载能力仍可能成为项目的关键瓶颈。
AI 数据中心的建设也正在从服务器采购扩展为一套综合的基础设施工程。AIFlux此前报道的英伟达在 OCP 推进 Vera Rubin AI 工厂开放架构与标准合作显示，Vera Rubin 相关生态的标准化工作已经延伸至机架、液冷、供电、网络互连和运维软件。DSX POD则尝试把这些系统要求进一步封装成可由合作伙伴重复制造和交付的物理单元。
与此同时，AI 工厂与电网之间的关系也成为建设速度的重要限制因素。英伟达、谷歌和 Emerald AI此前成立的AI Energy Management Alliance试图推动数据中心根据电网状态调整工作负载、储能和配套发电。这个方向说明，预制化可以减少现场集成时间，但不能单独解决电网接入、能源调度和地方审批问题。
从参考设计到实际交付仍有多个验证环节
英伟达发布 DSX POD，反映出 AI 基础设施竞争正在从芯片和单个服务器，转向整套系统的交付速度、标准化程度和运营效率。通过工厂预集成，英伟达希望减少现场施工中的重复劳动、组件等待和调试风险，并让合作伙伴能够在不同地区复制相近的部署单元。
但从参考设计到可规模化交付之间仍有距离。后续需要观察合作伙伴是否能够按计划在 2027 年初交付产品，实际部署周期是否接近公司目标，以及不同场地的电力、冷却、网络和监管条件会如何影响最终结果。只有当这些模块在真实项目中稳定运行，并能够持续产生生产推理能力时，DSX POD的“从数月到数周”主张才会得到更充分的验证。
来源
- 英伟达新闻稿：NVIDIA Introduces DSX POD AI Factories to Accelerate Europe’s Infrastructure Deployment
- 英伟达：DSX POD Reference Design for AI Factory Infrastructure
- 英伟达技术博客：Achieve Productive AI Capacity Faster and More Predictably with NVIDIA DSX POD
- CNBC：Nvidia announces Vera Rubin racks that can be shipped on a truck