NVIDIA DSX MaxLPS: Dynamisches Energiemanagement für effiziente Rechenzentren

Die Technologie zielt darauf, innerhalb fester Energiebudgets in Rechenzentren die verfügbare Rechenleistung zu maximieren, statt konservative Worst-Case-Reserven pro Rack statisch vorzuhalten.

Funktionsprinzip

Statische Provisionierung allokiert pro Rack einen fixen Spitzenleistungswert. Lastasymmetrien innerhalb eines Clusters führen dazu, dass weniger ausgelastete Racks ihre zugewiesenen Reserven nicht abrufen, während stärker belastete Einheiten an ihrer konservativen Sicherheitsreserve limitiert bleiben. DSX MaxLPS ersetzt dieses Vorgehen durch eine kontinuierliche Erfassung des Leistungsbedarfs auf Chip-, Rack- und Rackgruppen-Ebene. Ein Dynamic Power Software Control Loop identifiziert ungenutzte Kapazitäten und leitet sie im aktuellen Zeitschritt dorthin um, wo der Bedarf besteht. Effekt: mehr installierbare Systeme pro Facility-Kilowatt und höherer Durchsatz pro Watt über die Betriebszeit.

Bezugsgrößen aus der NVIDIA-Darstellung

NVIDIA beziffert das Potenzial am Beispiel eines 100-MW-Facility-Budgets. Mit Vera-Rubin-NVL72-Systemen und aktivierter DSX-Suite lassen sich nach Herstellerangaben rund 40.000 GPUs (etwa 40 Rubin DGX SuperPODs) in diesem Budget unterbringen. Die vom Hersteller genannten Spitzenwerte: bis zu 2 ZFLOPS NVFP4-Inferenz und bis zu 1,4 ZFLOPS NVFP4-Training. Diese Zahlen sind aus öffentlich verfügbaren Rubin-Spezifikationen abgeleitete Schätzungen, keine gemessenen Workload-Ergebnisse. Die reale FLOPS-Ausbeute produktiver Anwendungen liegt erfahrungsgemäß deutlich unter den maximalen Herstellerwerten.

Prüfpunkte für den IT-Betrieb

• Energiebudget vs. Spitzenlast: Welche Reserven entstehen durch dynamische Allokation pro Rack-Gruppe, und welche bleiben statisch gebunden?
• Monitoring-Auflösung: Liefert das bestehende DCIM die granularen Werte auf Chip- und Rackebene, die der Control Loop voraussetzt?
• Vertragliche Lastverschiebung: Erlaubt der Stromliefervertrag Lastverschiebungen innerhalb des vereinbarten Maximalbudgets, oder ist eine Anschlussleistungs-Erhöhung erforderlich?
• Failover-Verhalten: Wie reagiert die Regelung bei Ausfall einzelner Racks oder Verlust einer PSU-Redundanz, und wie verhält sich die Latenzzeit bis zur Umverteilung?
• Migrationspfad: Welche Bestandsflächen können durch Umstellung auf die DSX-Suite zusätzliche GPU-Racks aufnehmen, ohne die Anschlussleistung zu erhöhen?

Spezifikationen