当整个行业还在为 Vera Rubin NVL72 那 60 Exaflops 的数字狂欢时，NVIDIA 在 OCP Global Summit 2026（10月12–15日，圣何塞 McEnery 会议中心，全场售罄）上做了一件比发布新芯片更深远的事——它把 Vera Rubin 的机架与计算托盘设计开源了。

这不是又一次参数迭代，而是一次战略重心的迁移：AI 算力竞争的战场，正从”谁的硅片更强”转向”谁定义行业标准”。

一、从”卖芯片”到”定标准”：一次有预谋的开放

过去两年，NVIDIA 用”极端协同设计”（extreme co-design）把计算、网络、存储、散热封装成一座座 AI 工厂，Vera Rubin NVL72 就是集大成者。但规模从兆瓦迈向吉瓦后，建造 AI 工厂的瓶颈不再是单卡算力，而是能否快速、可复制地铺开基础设施。

正是在这个节点，NVIDIA 向 Open Compute Project（OCP）贡献了 Vera Rubin 的关键机架与计算托盘设计，依托开放的 NVIDIA MGX 架构，为系统厂商提供一个”通用底座”。OCP 是亚马逊、谷歌等巨头在 2015 年发起的开源硬件组织——当年 x86 服务器靠开放标准打败专有架构，如今 NVIDIA 想让它成为 AI 工厂时代的”新 x86”。

NVIDIA 超算与高性能计算副总裁 Ian Buck 在主题演讲中直言：开放基础设施正在成为在全球规模化 AI 工厂的关键变量。这句话的分量在于——连最擅长用护城河锁住客户的英伟达，都主动选择用”开放”来扩大生态。

二、MGX 1.2 与 DSX OS：开源的不只是图纸

此次贡献的核心是更新后的 MGX 1.2 规范，它在开放架构基础上补齐了若干关键能力：

  • 机架级盲插液冷（rack-scale blind-mate liquid cooling）——无需断电即可插拔，大幅缩短部署与维护时间；
  • 可互操作的机架级互联基础设施；
  • 液冷 5,000A 母排（busbar），面向更高功率的 AI 系统；
  • 原生支持 19 英寸机柜与更高密度机架设计，单机架部署功率可达 250kW。

同时配合 MQD/MQDB 等开放液冷技术，NVIDIA 把已验证的 AI 工厂设计推举为可被全球厂商直接制造、放行的行业标准。

更值得开发者关注的是 DSX OS——NVIDIA DSX AI 工厂平台的”开源操作层”。它在 OCP 上扩充了一批开源组件，覆盖网络配置、集群校验、机架管理与裸机供给（bare metal provisioning）。这些组件源自 NVIDIA 运营 DGX Cloud 的实战经验，让云厂商与合作方能将 AI 工厂能力直接集成进自己的多租户平台：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
# DSX OS 开源组件示例：声明式地描述一个可复用的 AI 机架单元
apiVersion: dsx.nvidia.com/v1
kind: RackUnit
metadata:
  name: rubin-ai-factory-tray
spec:
  architecture: mgx-1.2
  cooling: blind-mate-liquid
  powerBus: "5000A"
  maxPowerKw: 250
  workload:
    - type: inference-prefill   # Rubin GPU
    - type: agent-orchestration  # Vera CPU rack
---
# 用同一套声明，校验集群并供给裸机资源
dsx cluster validate --config rubin-ai-factory-tray.yaml
dsx provision baremetal --rack rubin-ai-factory-tray

开发者可以访问 DSX AI Factory 的 GitHub 页面，直接参与这些开源组件的开发。这意味着”建一座 AI 工厂”正从集成商的私有手艺，变成可版本化、可审计、可复用的工程产物。

三、技术解读：为什么是现在？

把架构开源看似”大方”，背后却是三重结构性压力：

其一，电力与散热已成为真正的瓶颈。 当单机架逼近 250kW、整机柜需要 5,000A 母排和 800 VDC（Visionbay 在 OCP 上展示的 K-1 平台正是基于 800 VDC + Vertiv 供电方案，专为 Vera Rubin 部署设计）时，”电从哪来、怎么送进去、如何两秒内恢复”比”芯片跑多快”更决定成败。

其二，Vera CPU rack 切入了 Agent 时代。 与 Rubin NVL72 主打大规模训练/推理不同，新发布的 Vera CPU 机架规格专为智能体场景设计——实时工具调用、任务编排与沙箱执行。这标志着 NVIDIA 把”AI 工厂”的叙事从算力单元扩展到了智能体运行时基础设施。

其三，用开放标准抱团对抗供应链风险。 NVIDIA 此次并非单打独斗：它与 AMD、谷歌、Meta 联合发布了 Open Data Center Specification v0.7（面向 AI 工厂设施的统一蓝图），并与谷歌、Meta、微软、NVIDIA 共同推出 OCP Grid Resilience Specification——规定大规模 AI 基础设施在电网扰动时必须”保持并网、自动响应、小于两秒内恢复至近满载”。四大巨头联手，等于给下一代数据中心定下了电力与物理布局的”通用语”。

四、影响与未来展望：AI 基础设施进入”标准战”时代

NVIDIA 这一步的意义，远超一次营销式的开源：

  1. 生态锁定换了一种写法。 历史上，开放标准从来不是”善意”，而是最强的竞争武器——Linux 靠开放赢下服务器，ARM 靠授权赢下移动。NVIDIA 把 Rubin 架构开源，是要让全球机柜厂商、IDC、设备商都按照它的 MGX/DSX 规范来造硬件，从而在物理层面对齐到英伟达的生态里。谁采用了标准，谁就被锁进了它的供应链。

  2. “AI 工厂”正在变成标准化产品。 当从设施布局、电力架构到监控电网的软件都有一套开源规范可遵循时，建设 AI 工厂将从”定制工程”走向”按图施工”。这对想快速扩张算力的云厂商是重大利好——部署周期和试错成本将显著下降。

  3. 竞争维度升维。 过去比的是 FLOPS 与显存带宽；未来比的是”谁能把电力、散热、网络、软件整合成开箱即用的标准单元”。NVIDIA 用 MGX + DSX OS + 一系列 OCP 规范，把这道护城河从硅片挖到了地基。

当然，开放也意味着失控的风险。当机架拓扑、供电方案乃至电网响应都由社区标准定义，NVIDIA 能否在”开源协作”与”商业变现”之间保持平衡，MGX 生态能否真正吸引足够多的第三方厂商跟进——这些仍是未知数。但可以肯定的是，当英伟达主动放下”专有”这面旗帜时，AI 基础设施的下一轮战争，已经不在跑分榜上，而在标准委员会里打响。

对开发者与架构师而言，现在的信号很清晰：盯紧 DSX OS 与 MGX 规范——它们很可能就是未来两年”如何建造一座 AI 工厂”的事实基准。