該藍圖可連接 Cadence、ETAP、施耐德電氣和 Vertiv 等解決方案，讓工程師能夠利用數(shù)字孿生技術(shù)設(shè)計、測試和優(yōu)化新一代智能制造數(shù)據(jù)中心。

AI 正成為主流，推動了對專門用于 AI 訓(xùn)練和推理的基礎(chǔ)設(shè)施的 AI 工廠，以及智能生產(chǎn)的空前需求。

許多 AI 工廠將達到吉瓦級規(guī)模。建設(shè)一座吉瓦級 AI 工廠是一項非凡的工程和物流壯舉，需要供應(yīng)商、建筑師、承包商和工程師等數(shù)萬名工作人員共同努力，建造、運輸和組裝近 50 億個組件和超過 21 萬英里的光纖電纜。

為幫助設(shè)計和優(yōu)化這些 AI 工廠，NVIDIA 在 GTC 大會上發(fā)布了用于 AI 工廠設(shè)計和運營的 NVIDIA Omniverse Blueprint。

在 GTC 主題演講中，NVIDIA 創(chuàng)始人兼首席執(zhí)行官黃仁勛展示了 NVIDIA 數(shù)據(jù)中心工程團隊如何基于 Omniverse Blueprint 開發(fā)應(yīng)用，以規(guī)劃、優(yōu)化和模擬一座吉瓦級 AI 工廠。通過連接 Cadence Reality 數(shù)字孿生平臺和 ETAP 等領(lǐng)先的仿真工具，工程團隊可以在施工開始前就測試和優(yōu)化電力、冷卻和網(wǎng)絡(luò)。

工程 AI 工廠：仿真優(yōu)先的方法

用于 AI 工廠設(shè)計和運營的 NVIDIA Omniverse Blueprint 使用 OpenUSD 庫，使開發(fā)人員能夠聚合來自不同來源的 3D 數(shù)據(jù)，如建筑本身、NVIDIA 加速計算系統(tǒng)以及施耐德電氣和 Vertiv 等供應(yīng)商提供的電源或冷卻單元。

通過統(tǒng)一數(shù)十億組件的設(shè)計和仿真，該藍圖能夠幫助工程師解決以下復(fù)雜挑戰(zhàn)：

組件集成和空間優(yōu)化—可統(tǒng)一 NVIDIA DGX SuperPOD 等系統(tǒng) 50 億組件的設(shè)計和仿真。

冷卻系統(tǒng)性能和效率—使用由 NVIDIA CUDA 和 Omniverse 庫加速的 Cadence Reality 數(shù)字孿生平臺，模擬和評估 Vertiv 和施耐德電氣的混合空氣和液冷解決方案。

電力分配和可靠性— 使用 ETAP 設(shè)計可擴展、冗余的電氣系統(tǒng)，以模擬電力模塊的效率和可靠性。

網(wǎng)絡(luò)拓撲和邏輯— 利用 NVIDIA Spectrum-X 網(wǎng)絡(luò)和 NVIDIA Air 平臺微調(diào)高帶寬基礎(chǔ)設(shè)施。

借助 Omniverse 打破工程壁壘

AI 工廠建設(shè)中最大的挑戰(zhàn)之一是電力、冷卻和網(wǎng)絡(luò)建設(shè)等不同團隊各自分離，導(dǎo)致效率低下和潛在故障。

使用該藍圖，工程師現(xiàn)在可以：

在完整背景下協(xié)作— 多個專業(yè)領(lǐng)域可以并行迭代，共享實時仿真，展示一個領(lǐng)域的變化如何影響另一個領(lǐng)域。

優(yōu)化能源使用— 實時仿真更新使團隊能夠為 AI 工作負載找到最高效的設(shè)計。

消除故障點— 通過在部署前驗證冗余配置，組織可以降低代價高昂的停機風(fēng)險。

模擬真實條件— 預(yù)測和測試不同 AI 工作負載將如何影響冷卻、電力穩(wěn)定性和網(wǎng)絡(luò)擁塞。

通過跨領(lǐng)域整合實時仿真，該藍圖使工程團隊能夠探索各種配置，以模擬所有權(quán)成本并優(yōu)化電力利用率。

實時仿真加速決策制定

在黃仁勛的演示中，工程師能夠?qū)崟r調(diào)整 AI 工廠配置，并立即看到影響。

例如，冷卻布局的微小調(diào)整顯著提高了效率，這一細節(jié)可能在紙面上被忽略。團隊無需等待數(shù)小時獲得仿真結(jié)果，而是可以在幾秒鐘內(nèi)測試和改進策略。

一旦確定最佳設(shè)計，Omniverse 就能夠簡化與供應(yīng)商和施工團隊的溝通，確保建造的內(nèi)容與模型完全匹配，直至最小的細節(jié)。

未來可期的 AI 工廠

AI 工作負載并非一成不變。下一波 AI 應(yīng)用將進一步推動電力、冷卻和網(wǎng)絡(luò)建設(shè)需求。用于 AI 工廠設(shè)計和運營的 Omniverse Blueprint 通過以下方式確保 AI 工廠做好準(zhǔn)備：

工作負載感知仿真— 預(yù)測 AI 工作負載的變化將如何影響數(shù)據(jù)中心規(guī)模的電力和冷卻。

故障場景測試— 模擬電網(wǎng)故障、冷卻泄漏和電力尖峰，以確保系統(tǒng)彈性。

可擴展升級— 提前數(shù)年規(guī)劃 AI 工廠擴展并估算基礎(chǔ)設(shè)施需求。

在規(guī)劃改造和升級時，用戶可以輕松測試和模擬成本和停機時間，以打造面向未來的 AI 工廠。

對于 AI 工廠運營商來說，保持領(lǐng)先不僅關(guān)乎效率，還關(guān)乎防止可能導(dǎo)致每天損失數(shù)百萬美元的基礎(chǔ)設(shè)施故障。

對于一座吉瓦級 AI 工廠，每天的停機時間可能造成超過 1 億美元的損失。通過提前解決基礎(chǔ)設(shè)施挑戰(zhàn)，該藍圖降低了風(fēng)險并縮短了部署時間。

AI 工廠運營的代理式 AI 之路

NVIDIA 正在與 Vertech 和 Phaidra 等重要公司一起致力于藍圖的下一步發(fā)展，將其擴展到 AI 支持的運營中。

Vertech 正在與 NVIDIA 數(shù)據(jù)中心工程團隊共同開發(fā) NVIDIA 的先進 AI 工廠控制系統(tǒng)，該系統(tǒng)集成了 IT 和運營技術(shù)數(shù)據(jù)，以增強彈性和運營可見性。

Phaidra 正在與 NVIDIA 一同將強化學(xué)習(xí) AI 智能體集成到 Omniverse 中。這些代理通過實時場景仿真優(yōu)化熱穩(wěn)定性和能源效率，創(chuàng)建能夠適應(yīng)不斷變化的硬件和環(huán)境條件的數(shù)字孿生。

AI 數(shù)據(jù)中心熱潮

AI 正在重塑全球數(shù)據(jù)中心格局。隨著 AI 驅(qū)動的數(shù)據(jù)中心升級預(yù)計將投資 1 萬億美元，數(shù)字孿生技術(shù)不再是可選項，而是必需品。

用于 AI 工廠設(shè)計和運營的 NVIDIA Omniverse Blueprint 有望幫助 NVIDIA 及其伙伴生態(tài)系統(tǒng)引領(lǐng)這一轉(zhuǎn)型，幫助 AI 工廠運營商在不斷發(fā)展的 AI 工作負載中保持領(lǐng)先地位，最大限度地減少停機時間并提高效率。