Una sera di agosto, Silicon Valley Power ha inviato a una fabbrica di AI a Santa Clara un segnale per ridurre il consumo di elettricità. La piattaforma Conductor di Emerald AI ha continuato a supportare i servizi critici di AI, rallentando e riprogrammando le attività a bassa priorità. Il consumo è sceso automaticamente da quattro megawatt a tre megawatt; non è stato necessario alcun intervento dell’operatore. Da allora, Silicon Valley Power ha inviato alla fabbrica oltre 200 segnali di richiesta, ottenendo ogni volta un risultato.
L’obiettivo dell’approccio presentato da NVIDIA all’AI Infra Summit è soddisfare il fabbisogno elettrico delle fabbriche di AI senza attendere nuove linee di trasmissione. Secondo la prima validazione di Lambda, annunciata lo stesso giorno, la generazione di token può aumentare del 24% quando un budget di potenza fisso viene gestito in modo intelligente.
- NVIDIA DSX MaxLPS: aumenta la generazione di token monitorando in tempo reale il consumo di GPU e rack all’interno di un budget di potenza fisso.
- NVIDIA DSX Flex: modifica le priorità dei carichi di lavoro in base ai segnali della rete e protegge le attività ad alta priorità.
- NVIDIA DSX OS: offre software open source per la gestione del ciclo di vita delle fabbriche di AI, la coerenza operativa, l’automazione dello stato di salute e la resilienza.
- NVIDIA DSX Sim: consente di modellare i progetti e identificare i colli di bottiglia prima dell’installazione fisica.
- NVIDIA DSX Reference Designs: offre architetture validate che comprendono elaborazione, rete, archiviazione e strutture.
Perché è importante
Questo approccio mira a ridurre l’obbligo per i data center di intelligenza artificiale di essere per la rete soltanto un carico continuo e non flessibile. Per gli operatori della rete, il valore risiede nella possibilità di riorganizzare i carichi di lavoro in base alle loro priorità quando cambia la domanda di consumo, invece di interrompere completamente il servizio. Gli operatori dei data center ottengono invece la possibilità di gestire congiuntamente la capacità di calcolo e la continuità operativa entro lo stesso limite di potenza. Tuttavia, i risultati riportati si basano sugli esempi di dimostrazione e validazione di NVIDIA Blog e dei suoi partner; pertanto, resta da chiarire come il metodo si comporterà in impianti diversi, con carichi di lavoro differenti e su scala più ampia. I componenti software, di simulazione e di progettazione di riferimento della famiglia DSX mostrano inoltre che la soluzione non consiste soltanto nella regolazione dei consumi in tempo reale.
Contesto
NVIDIA non è un nome nuovo nell’archivio di FikirPilot: negli ultimi 90 giorni abbiamo pubblicato 13 notizie in cui compare questo nome; la più recente è del 27 settembre 2026.