NVIDIA 把 Vera Rubin 機架設計捐給 OCP，AI 工廠開始有共通規格

NVIDIA 在 OCP Global Summit 宣布，Vera Rubin 的機架與運算托盤設計，會透過開放的 MGX 架構貢獻給 Open Compute Project。同一場活動，NVIDIA 還跟超大型雲端供應商一起發布了 AI 工廠設計與電網韌性的開放標準，並開源 NVIDIA DSX AI Factory 的軟體元件。 先說這代表什麼：系統建置商拿到的不再只是一顆晶片的規格，而是整座機房的設計底稿。以前每家雲端業者蓋 AI 機房，機架、供電、散熱各自摸索。現在有了共通基礎，蓋第二座、第十座的邊際成本會往下掉。這有點像貨櫃發明之後，港口不用再為每種貨物重新設計碼頭，全世界比的是誰排得快、誰接得上電。 這次標準裡把「電網韌性」跟機房設計寫在一起，我覺得是最值得記的細節。AI 基礎設施的瓶頸，已經從買不買得到 GPU，慢慢移到接不接得上電、電網撐不撐得住負載波動。算力擴張到這個規模，電力變成設計參數，而不是蓋完才去協調的外部條件。 把視角拉到另一端。同一週，DeepSeek 發布 DeepSeek-V4.1-Flash-1017 技術報告，這是 V4.1-Flash 的次要更新。官方說它在推理、編程、Agent 任務和視覺基準都有提升，同時縮短了任務執行時間與輸出長度，目標是用更低成本更快完成任務。注意重點不是分數多了幾分，而是同樣一件事，模型講得更少、做得更快。 這兩則放在一起，其實是同一張帳單的兩端。NVIDIA 在標準化供應端：怎麼更快蓋出工廠、怎麼讓電網撐得住。DeepSeek 在壓縮需求端：每個任務吃掉多少 token、多少時間。Agent 一個任務動輒跑幾十步，輸出長度每砍一截，乘上幾億次呼叫，省下的電是真的電。 週末退一步看，AI 產業前兩年的主旋律是「誰的模型分數高」，現在越來越像「誰把單位任務的成本壓得低、誰的工廠蓋得快」。模型榜單還是會有人看，但決定誰活得久的，愈來愈會是機房規格和每個任務的電費。 之後看發布會，我會先翻有沒有講瓦數和輸出長度，再看跑分。