快速了解本文
英伟达发布 DSX MaxLPS 技术，动态调度功耗以提升 AI 工厂算力密度。
官方测试显示该技术可在相同功耗预算下将 Vera Rubin GPU 容量提高 40%。
结合新一代硬件，特定基准测试下每兆瓦吞吐量较上一代最高提升 30 倍。
本摘要由 AI 辅助整理，请以正文内容为准。
随着 AI 工厂规模的扩张，电力供应已成为限制算力增长的核心瓶颈，每兆瓦 token 吞吐量成为衡量数据中心效率的关键指标。在 2026 年 9 月的 AI 基础设施峰会上，英伟达展示了面向 AI 工厂的 DSX MaxLPS 功耗调度系统，旨在固定功耗预算内最大化算力吞吐量。
01从静态超配到动态调度
传统数据中心通常采用静态机架配置，将每个机架视为独立的电源岛。为了应对峰值需求，这种配置会预留大量闲置电力，导致设施开销和机架损失占用大量能源。DSX MaxLPS（Maximum Land Power Shell）通过动态功耗分配、高级性能功耗比技术以及 45°C 液冷设计三个层级优化能效。其核心在于动态功耗软件（DPS），能够实时监控并将未使用的功耗空间分配给其他 GPU。这种机制将数据中心从“静态超配”转向“动态调度”，使算力密度的提升不再完全依赖电网扩容。不过，动态调度的实际效果依赖于数据中心物理基础设施（如液冷系统）的配合。更多技术细节可查阅 NVIDIA DSX MaxLPS 技术博客。
02官方与第三方测试验证
在英伟达的官方测试中，使用 DeepSeek-R1 等代表性推理工作负载评估显示，MaxLPS 将 Vera Rubin NVL72 配置的机架功率从 136 kW 降低到 101 kW，在相同功率范围内使每瓦性能提高约 1.3 至 1.4 倍。结合数据中心功耗规划，该技术可在相同功耗预算下将 Vera Rubin GPU 容量提高 40%，例如在 100 兆瓦的 AI 工厂中可安装 4 万颗 Rubin GPU，使 token 吞吐量最多提升 35%。
云服务商 Lambda 的测试也验证了其在真实业务场景中的有效性。在包含 5 个机架的集群中，采用 DSX MaxLPS 技术的 19 节点集群在固定功率预算下，比 16 节点满功率运行的 token 吞吐量提升 24%，每瓦性能提升 23%。目前，DSX MaxLPS 技术已由 Emerald AI 集成至 Conductor 平台，其 DSX Flex 可依据电网状态动态调整数据中心用电需求，且无需用户干预，该平台已接收 200 次电网状态信号并完成相关操作。
03功耗优化与硬件迭代的叠加效应
DSX MaxLPS 的功耗优化与新一代硬件的能效提升形成了显著的叠加效应。在 2026 年 8 月的 Hot Chips 大会上，英伟达公布了 Vera Rubin NVL72 搭配 DeepSeek-V4-Pro 运行 AgentX 编码基准测试的实测数据。由 SemiAnalysis 提供基准的测试显示，其每兆瓦吞吐量较上一代 GB300 NVL72 最高提升 30 倍，展示了新一代硬件与功耗管理技术结合后在 Agent 工作负载下实现的跨代能效飞跃。需要注意的是，该 30 倍的吞吐提升为特定基准测试下的最高值，实际表现取决于模型类型和上下文长度，且该测试数据目前仍待 SemiAnalysis 最终审核确认。