NVIDIA DSX OS が大規模な AI ファクトリ向けにオープンでモジュラーなソフトウェアを提供

AI は現在、トークンの形で知能を生成する AI ファクトリーによって支えられた不可欠なインフラとなっています。需要が増大するにつれ、これらのファクトリーはより迅速にスケールし、より効率的に運用され、エネルギー、チップ、インフラストラクチャ、モデル、アプリケーションの [5 層スタック](https://blogs.nvidia.com/blog/ai-5-layer-cake/) にわたる知能のコストを低下させる必要があります。 [NVIDIA DSX](https://www.nvidia.com/en-us/data-center/products/dsx-platform/) プラットフォームは、計算、ソフトウェア、施設、パートナー技術にわたるスタックのすべての層を共通の共設計アーキテクチャを通じて整合させながら、AI ファクトリーの設計、シミュレーション、構築、運用のための完全なプレイブックを提供します。 DSX プラットフォームには now [DSX OS ソフトウェア](https://docs.nvidia.com/dsx/home#dsx-os) が追加され、AI ファクトリーの展開を加速し、運用効率を向上させています。DSX OS には、マルチテナント型 AI ファクトリーの運用とスケールに特化して設計されたオープンソースのモジュラーソフトウェアコンポーネントおよび関連する NVIDIA テクノロジーが含まれています。 これら DSX OS コンポーネントにより、NVIDIA DSX の AI ファクトリーエコシステムは、フルスタックにわたる最新のエージェント型 AI インフラストラクチャソフトウェアを採用できるようになり、[ワットあたりのトークン数](https://blogs.nvidia.com/blog/revenue-potential-ai-factories/)の向上やトークンコストの低下、展開の加速、運用信頼性と回復力の強化を実現します。 ![image](https://developer-blogs.nvidia.com/wp-content/uploads/2026/05/dsx-platform-overview-resized.webp)***図 1：DSX プラットフォームにおける NVIDIA DSX OS ソフトウェア。** DSX OS は、AI ファクトリの運用のためのオープンソースソフトウェアを提供します* ## AI ファクトリエコシステムにとって DSX OS が重要な理由 AI ファクトリは、消費するワット数に対して生成されるトークンの数を最大化し、オペレーターに真の価値をもたらすために、最適に機能する必要があります。 これを実現するためには、データセンター全体でスケールした AI ワークロードを運用するために必要な [複雑なコンポーネントのネットワーク](https://developer.nvidia.com/blog/scaling-token-factory-revenue-and-ai-efficiency-by-maximizing-performance-per-watt/) が密接に調和して機能しなければなりません。これには、チップ間での調整、システム間の調整、ビルディングマネジメントコントロールや冷却装置、電力配分ユニットなどの施設インフラ、電力網、それらすべてを動かすソフトウェアおよびパートナーテクノロジー、そしてその上に動作する AI プラットフォームとサービス全体にわたる調整が必要です。 DSX OS ソフトウェアは、このコンポーネント全体のエコシステムのために設計されており、既存のプラットフォームやソフトウェアに統合・採用できる包括的なオープンで拡張可能な技術と機能を提供します。 これらの機能は、共通アーキテクチャを中心に設計および最適化されており、関連するすべてのコンポーネントが連携して、AI ファクトリの経済性を駆動する 3 つの主要な成果を実現することを可能にしています： ## 1) 収益化までの期間短縮 NVIDIA は [NVIDIA DGX Cloud](https://www.nvidia.com/en-us/data-center/dgx-cloud) 上でインフラとプラットフォームソフトウェアを構築・運用しており、現在このソフトウェアはオープンソースとして公開されています。NVIDIA エコシステムのパートナーはこれらのコンポーネントを活用して AI サービスを提供することができ、ゼロから再構築する必要がなくなるため、数ヶ月にわたるカスタム開発の時間を削減できます。 ## 2) より高い効率性 AI ファクトリーにおける最大の制約要因は電力であり、DSX は電力とグリッド挙動を、AI インフラストラクチャーとは切り離された施設管理の問題としてではなく、プラットフォームの一部として接続します。DSX ソフトウェアを使用することで、AI ファクトリーは固定された電力予算内でピーク時のエネルギー効率を最大化し、推論ワークロードのパフォーマンスへの影響を最小限に抑えつつ、最大 40% 多くの GPU を稼働させることが可能です。 ## 3) より高い信頼性と回復力 AI ファクトリーでは、ハードウェア障害やグリッドイベント、運用上の変更を通じて、継続的な大規模ワークロードが実行されます。DSX OS は、クラスター運用を反応型のアラートから自動修復へとシフトし、地域全体でランタイムバージョンの一貫性を維持するとともに、オペレーターに対してファリートーカルな可視性を提供します。 ## DSX OS がギガワット規模の AI ファクトリーを実現する方法 DSX OS のオープンソースかつモジュラーなコンポーネントは、AI ファクトリーの構築と運用のための基盤技術を提供するものであり、ギガワット規模で AI ワークロードを効率的かつ信頼性高く運用することに伴う固有の課題を解決するために設計されています。 彼らは、標準化された通信、電力および効率の最適化、プロビジョニングとライフサイクル運用、ヘルスモニタリングと修復、インテリジェントなプラットフォームサービスなど（これらに限らない）のコア機能セットを共設計することでそれを実現します。 DSX OS がこれらの機能をどのように提供するかについての詳細は以下の通りです： ## エージェント型インターフェースに対応したデータセンター全体での標準化された通信 AI ファクトリは、計算、ネットワーク、電力、冷却システムにまたがり、これらすべてがシームレスに相互運用する必要があります。[DSX Exchange](http://github.com/NVIDIA/dsx-exchange) は、MQTT ベースの IT/OT 通信ハブを介してこれらのコンポーネントをつなぎ、グリッドイベント、サーマルデータ、電力異常などの施設レベルの信号を、AI ファクトリの残りを管理するソフトウェアに可視化します。これにより、DSX Flex、MaxLPS、およびパートナー製ソフトウェアといったコンポーネントが互いの状態をリアルタイムで検知し反応できるようになり、調整と効率性が向上します。 DSX スタック全体にわたる DSX OS ソフトウェアコンポーネントはまた、プロビジョニング、ネットワーク、観測性などに対応する MCP サーバーも提供します。これらの MCP サーバーを使用することで、AI エージェントはファクトリの運用領域全体を統一されたツールカタログとして発見でき、あらゆるシステム間でインターフェースしてドメイン横断的な相関分析を実行できるようになります。エージェント型 AI ファクトリでは、オペレーターは GPU のヘルスイベントとサーマル異常、あるいはネットワーク問題とパフォーマンス問題を容易に関連付けたり、その他の潜在的なシナリオを把握したりできます。 ![image](https://developer-blogs.nvidia.com/wp-content/uploads/2026/05/image2-8-625x652.png)*図 2. DSX Exchange は、AI ファクトリー内の通信を調整します。これには、DSX Flex からのグリッド信号、施設レベルの信号、DSX MaxLPS との間での電力ポリシー、NVIDIA Infra Controller などのプロビジョニングシステムなどが含まれます* ## 電力および効率最適化 静的な電力割り当ては容量を遊ばせ、反応的な冷却は熱的振動を引き起こし、分離された IT/OT システムはグリッドイベントを手動の火災訓練にしてしまいます。DSX MaxLPS には、電力をプログラム可能なリソースとして扱うソフトウェアが含まれており、GPU、ラック、冷却、ワークロードの各レベルでポリシーを動的に適用することで、AI ファクトリーが遊ばされた電力を回復し、最適な利用率で追加の計算処理を実行できるようにします。DSX Flex はこれをファクトリーの壁の外へ拡張し、ワークロードをグリッドサービスに接続するためのライブラリを提供することで、AI ファクトリーが需要応答、負荷遮断、再生可能エネルギーの利用可能性に対して自動的に適応できるようにします。 CoreWeave、Firmus、Lambda、Nscale、Phaidra などのパートナーが MaxLPS の導入を進めており、Emerald AI、ENGIE、Silicon Valley Power、UK National Grid は DSX Flex を活用しています。 ## プロビジョニングおよびマルチテナントライフサイクル運用 大規模展開において、プロビジョニングは継続的なワークフローです：ノードはテナント割り当てを循環し、ハードウェアは交換され、すべての移行は監査可能で安全である必要があります。[NVIDIA Infra Controller (NICo)](https://docs.nvidia.com/infra-controller/documentation/home) は、API ドライブ型のベアメタルライフサイクル管理と、[NVIDIA BlueField DPUs](https://www.nvidia.com/en-us/networking/products/data-processing-unit/) および [NVIDIA DOCA Platform Framework](https://www.nvidia.com/en-us/networking/products/software/doca/) を通じたハードウェア強制型テナント分離により、これをプログラム可能にします。[NVIDIA AI Cluster Runtime (AICR)](https://developer.nvidia.com/blog/validate-kubernetes-for-gpu-infrastructure-with-layered-reproducible-recipes/) は、検証済みのランタイム構成をバージョンロックされたレシピとして記録することでこれに補完し、大規模なファーム全体でサイレント障害を引き起こす設定のドリフト（drift）を排除します。 IREN、OpenNebula Systems、Mirantis、Rafay、Red Hat、Supermicro は、これらのコンポーネントを統合するパートナーの一部です。 ## 健康モニタリングと自動化ツール 大規模な GPU ファームウェアにおいて、ハードウェアの劣化は日常的に発生する事象であり、従来のアラートページから調査を行うサイクルではワークロードへの影響を最小限に抑えるには手作業が多すぎます。[NVIDIA NVSentinel](https://developer.nvidia.com/blog/automate-kubernetes-ai-cluster-health-with-nvsentinel/) は、Kubernetes ネイティブな GPU 障害検出と自動修復機能を提供し、不健康な計算ノードを隔離（コーディング）してワークロードを数秒で移行・解放します。これは従来の数分や数時間を要するプロセスに比べて劇的な改善です。[NVIDIA Fleet Intelligence](https://developer.nvidia.com/blog/introducing-nvidia-fleet-intelligence-for-real-time-gpu-fleet-visibility-and-optimization/) は、グローバルな展開全体におけるファーム全体の可視化、整合性検証、および健康モニタリングを提供します。 Lambda は Fleet Intelligence の早期採用者です。 ![image](https://developer-blogs.nvidia.com/wp-content/uploads/2026/05/image-2026-05-29-17-28-50-792.webp)*図 3. NVIDIA Fleet Intelligence ダッシュボードは、GPU およびメモリの利用率や稼働状態にある GPU の総数など、ファーム全体の集計データを要約します* ## インテリジェントな AI ワークロードスケジューリングとプラットフォームサービス AI ワークロードには、GPU アクセスだけでなく、トポロジー認識型のインテリジェントなスケジューリング、分散推論、そして生産環境向けの API が必要です。[KAI Scheduler](https://developer.nvidia.com/blog/nvidia-open-sources-runai-scheduler-to-foster-community-collaboration/) と [NVIDIA Run:ai](https://www.nvidia.com/en-us/software/run-ai) は、フラクションアロケーション（断片化割り当て）と階層的クォータを備えた GPU 認識型のワークロード配置を提供します。[NVIDIA Dynamo](https://developer.nvidia.com/dynamo) と [NVIDIA Grove](https://developer.nvidia.com/grove) は、分離されたプレフィル/デコード機能とステージごとの自動スケーリングを備えた分散推論サービングを実現します。[NVIDIA Cloud Functions (NVCF)](https://developer.nvidia.com/dgx-cloud/nvcf) は、推論、ファインチューニング、バッチワークロードにわたる統一 API と組み込みのマルチテナンシーにより、これらすべてを統合します。 Aible、Beyond AI、Bhashini、Crusoe、DCAI、Mirantis、Nebius、Rafay、Sarvam、Simplismart、Spectro Cloud、vCluster、Vultr、Yotta などのパートナー企業は、これらのコンポーネントの多くを生産環境で活用しています。 ## Getting started DSX OS の各コンポーネントは GitHub で利用可能であり、段階的な導入と既存のソフトウェアスタックとの統合を想定して設計されています。 最も緊急性の高い要件に対応するコンポーネントから始め、そこから構築を進めてください。提供される機能や技術を活用することで、AI ファクトリーの展開を加速し、運用効率を向上させることができます。 以下にいくつかの例を示します： - IT/OT 通信：DSX Exchange - ベアメタルのライフサイクル管理とテナント分離：NVIDIA Infra Controller および DOCA Platform Framework - フリートの可視性、健全性、完全性の確保：NVIDIA Fleet Intelligence - 統一された AI 推論 API：NVIDIA Cloud Functions DSX OS の全コンポーネントの詳細、実装および参照設計ガイド、クイックスタート、統合ガイダンスについては、[NVIDIA DSX ドキュメント](https://docs.nvidia.com/dsx) をご参照ください。

NVIDIA DSX OS が大規模な AI ファクトリ向けにオープンでモジュラーなソフトウェアを提供

背景や根拠まで確認しますか？

調べる

選ぶ

サイト