英伟达DSX OS
4 étapes1 pièces6 Sources
英伟达(NVIDIA)推出开源软件平台 DSX OS,旨在解决大规模 AI 工厂在 Kubernetes 环境下的集群就绪性难题。该平台将 GPU 集群管理划分为配置、认证和运维三个核心环节:通过 NVIDIA AI Cluster Runtime (AICR) 锁定版本以消除配置漂移,利用 NVIDIA Cluster Readiness Engine (NVCRE) 运行真实负载以验证硬件性能,并借助 NVSentinel 实现故障节点的自动隔离与再验证。这一闭环机制确保了在节点更换或驱动升级后,集群仍能维持生产级可靠性,从而提升算力利用率并降低 Token 生成成本。目前,CoreWeave、Lambda 等云服务商已部署相关组件,戴尔、联想等硬件厂商也在开发 DSX 就绪系统。
Comment on en est arrivé là
英伟达发布博客文章《NVIDIA DSX OS Delivers Open, Modular Software for Operating AI Factories at Scale》,正式介绍 DSX OS 作为 AI 工厂运营的开源模块化软件层,涵盖从裸金属生命周期管理到多租户服务的全栈能力。
developer.nvidia.com ↗英伟达技术博客深入解析 NVIDIA Cluster Readiness Engine (NVCRE),展示其如何通过运行 NCCL 通信测试和训练工作负载来识别故障节点,填补了 Kubernetes 环境下缺乏原生分布式作业验证工具的空白。
developer.nvidia.com ↗英伟达台北 GTC 大会期间,金十数据报道指出 DSX 平台整合了芯片、软件及参考架构,黄仁勋强调其允许用户在安装机架前模拟整个工厂,标志着英伟达向 AI 基础设施平台提供商转型。
xnews.jin10.com ↗英伟达发布最新技术博客,详细阐述 DSX OS 如何通过 AICR、NVCRE 和 NVSentinel 形成“配置-认证-运维”的自动再验证闭环,解决节点修复后原始认证失效的问题。
developer.nvidia.com ↗