An einem Augustabend sendete Silicon Valley Power ein Signal zur Senkung des Stromverbrauchs an eine KI-Fabrik in Santa Clara. Die Conductor-Plattform von Emerald AI hielt kritische KI-Dienste aufrecht, während sie Aufgaben mit niedriger Priorität verlangsamte und neu plante. Der Verbrauch sank automatisch von vier Megawatt auf drei Megawatt; ein Eingreifen des Betreibers war nicht erforderlich. Seitdem hat Silicon Valley Power mehr als 200 Nachfragesignale an die Fabrik gesendet und jedes Mal eine Reaktion erzielt.
Der auf dem AI Infra Summit von NVIDIA vorgestellte Ansatz soll den Strombedarf von KI-Fabriken decken, ohne auf neue Übertragungsleitungen warten zu müssen. Nach der am selben Tag bekannt gegebenen ersten Validierung von Lambda kann die Token-Erzeugung um 24 % steigen, wenn ein festes Leistungsbudget intelligent verwaltet wird.
- NVIDIA DSX MaxLPS: Steigert die Token-Erzeugung bei einem festen Leistungsbudget, indem der Verbrauch von GPU und Racks in Echtzeit überwacht wird.
- NVIDIA DSX Flex: Ändert die Aufgabenprioritäten entsprechend den Netzsignalen und schützt Aufgaben mit hoher Priorität.
- NVIDIA DSX OS: Bietet Open-Source-Software für das Lebenszyklusmanagement, die Betriebskonsistenz, die Gesundheitsautomatisierung und die Widerstandsfähigkeit von KI-Fabriken.
- NVIDIA DSX Sim: Ermöglicht die Modellierung von Designs und die Ermittlung von Engpässen vor der physischen Installation.
- NVIDIA DSX Reference Designs: Bietet validierte Architekturen für Rechenleistung, Netzwerke, Speicher und Anlagen.
Warum das wichtig ist
Dieser Ansatz zielt darauf ab, die Notwendigkeit zu verringern, dass KI-Rechenzentren für das Netz ausschließlich eine kontinuierliche und unflexible Last darstellen. Für Netzbetreiber liegt der Wert darin, dass sie die Workloads entsprechend ihren Prioritäten neu organisieren können, wenn sich die Verbrauchsnachfrage ändert, anstatt den Dienst vollständig abzuschalten. Betreiber von Rechenzentren erhalten hingegen die Möglichkeit, Rechenkapazität und Betriebskontinuität innerhalb derselben Leistungsgrenze gemeinsam zu steuern. Die dargelegten Ergebnisse beruhen jedoch auf Demonstrations- und Validierungsbeispielen von NVIDIA Blog und seinen Partnern; daher bleibt offen, wie die Methode in unterschiedlichen Anlagen, bei unterschiedlichen Workloads und in größerem Maßstab abschneiden wird. Die Software-, Simulations- und Referenzdesign-Komponenten der DSX-Familie zeigen zudem, dass die Lösung nicht nur aus einer momentanen Anpassung des Verbrauchs besteht.
Hintergrund
NVIDIA ist im FikirPilot-Archiv kein neuer Name: In den vergangenen 90 Tagen haben wir 13 Nachrichten veröffentlicht, in denen dieser Name vorkam; die jüngste datiert vom 27. September 2026.