Architektura MGX 1.2 a otevřená konstrukce racků
Stavba velkých výpočetních center narazila na fyzikální limity tradičních datových sálů. Příkon moderních serverových sestav překračuje hranice, na které byly starší rozvaděče dimenzované. NVIDIA proto v rámci iniciativy Open DC předala komunitě specifikaci MGX 1.2. Místo toho, aby si každý výrobce vyvíjel vlastní uzavřené řešení skříní, napájení a chlazení, vznikla sdílená průmyslová dokumentace. Podrobnosti zveřejnilo oficiální oznámení společnosti NVIDIA.
Specifikace MGX 1.2 počítá s napájecím příkonem až 250 kW na jeden rozvaděč. Tuto hodnotu již vzduchové chlazení nedokáže uřídit. Konstrukce proto využívá bezventilátorové výpočetní přihrádky, kapalinou chlazenou sběrnici dimenzovanou na proud 5 000 A a rozvod se stejnosměrným napětím 800V DC. Komponenty propojuje kapalinové chlazení s rychlospojkami na zadní straně skříně. Výrobci mohou servery osazovat do standardních 19palcových rámů. Výroba se zrychlí, protože téměř 100 partnerů v ekosystému MGX staví na stejných fyzických rozměrech a konektorech.
Procesory Vera a rozdělení úloh pro agentní systémy
Součástí otevřené architektury je samostatný návrh pro procesory Vera CPU. Výkon těchto čipů dosahuje dvojnásobku předchozí generace NVIDIA Grace. Důležitější než samotné zvýšení výpočetního výkonu je však promyšlená dělba práce uvnitř celého superpočítače.
Sestava Vera Rubin NVL72 slouží jako základna pro masivní trénování a generování výstupů. Samostatné racky s procesory Vera CPU přebírají řízení autonomních AI agentů. Současné modely se posunuly od jednoduchého textového chatu k přímému ovládání aplikací a spouštění výpočetních úkolů. To vyžaduje neustálé volání externích rozhraní, orchestraci pracovních postupů a bezpečné spouštění kódů. Procesory Vera se starají o tuto logickou vrstvu, zatímco těžké matematické operace předávají na akcelerátory Rubin GPU. Větší sestava NVIDIA Kyber dokáže v jednom propojeném celku obsloužit až 576 akcelerátorů Rubin Ultra GPU.
Společně s hardwarem vydala NVIDIA otevřené softwarové komponenty pro operační vrstvu DSX OS. Nástroje dostupné v repozitářích na platformě GitHub automatizují konfiguraci sítí, testují stabilitu GPU clusterů před spuštěním výpočtů a zrychlují nasazení na fyzické servery z dnů na hodiny.
Optické sítě a energetická stabilita
Přenos dat mezi tisíci akcelerátory představuje kritické místo. Meta pro své AI továrny nasazuje přepínače NVIDIA Spectrum-6 s celkovou propustností 102,4 Tb/s a 128 porty s rychlostí 800 GbE. Společnosti Cisco a NVIDIA předvedly optické moduly USFP s přenosovou rychlostí 400 Gb/s na jeden kanál. Google současně integroval podporu protokolu Falcon Transport na chystané síťové karty ConnectX-10.
Skupina firem AMD, Google, Meta, Microsoft a NVIDIA publikovala společné otevřené standardy OCP Grid Resilience. Masivní výpočetní operace způsobují náhlé výkyvy v odběru elektrické energie. Nově definované postupy zaručují, že AI továrna dokáže po výpadku nebo poklesu napětí v rozvodné síti obnovit provoz na plný výkon za méně než 2 sekundy.
Dostupnost pro český trh a evropské firmy
Pro české vývojáře a integrátory nepřináší zpráva z OCP Summitu povinnost nakupovat celé 250kW rozvaděče. Přínos spočívá v dostupnosti certifikovaného hardwaru u běžných dodavatelů. Výrobci jako ASUS nebo ASRock Rack zahájili komerční dodávky serverových konfigurací MGX s procesory Vera CPU.
Pro lokální datová centra v České republice i zbytku Evropské unie to usnadňuje stavbu menších clusterů. Ty využívají stejné technické standardy jako globální datová centra velkých technologických hráčů. České firmy budující vlastní AI aplikace získají k této infrastruktuře přístup skrze evropské cloudové poskytovatele, kteří mohou kombinovat hardware různých značek bez rizika uzamčení u jednoho dodavatele.
Co je to standard MGX 1.2 a k čemu slouží?
MGX 1.2 je otevřená technická specifikace vyvinutá společností NVIDIA a organizací OCP. Definuje fyzické rozměry, kapalinové chlazení, napájení a síťové rozhraní serverových racků. Výrobci hardwaru díky tomu mohou stavět plně kompatibilní AI servery bez vývoje vlastních skříní.
Jaký je rozdíl mezi procesorem Vera CPU a akcelerátorem Rubin GPU?
Akcelerátory Rubin GPU provádějí maticové výpočty a trénování velkých modelů. Procesor Vera CPU koordinuje činnost autonomních AI agentů, obsluhuje volání API a řídí spouštění úloh. Dosahuje dvojnásobného výkonu oproti předchozí generaci Grace.
Jaké nároky na napájení má rozvaděč architektury Vera Rubin?
Jednotlivý rozvaděč zvládá napájecí příkon až 250 kW. Využívá bezventilátorové výpočetní přihrádky, kapalinou chlazenou sběrnici o proudu 5 000 A a stejnosměrné napájení 800V DC s přímým kapalinovým chlazením.
