NVIDIA MGX Ecosystem：构建 AI 工厂的模块化基础设施

参考阅读：

• Building the Modular Foundation for AI Factories with NVIDIA MGX | NVIDIA Technical Blog
• NVIDIA Vera Rubin Pod解析：面向智能体时代的一体化 AI 超级计算机

引言

在 2026 年 3 月的 GTC 2026 上，NVIDIA 发布了 Vera Rubin Pod。该系统基于第三代 NVIDIA MGX 机架架构构建，通过在芯片、互连、电力与冷却系统之间实现协同设计，形成面向大规模 AI 训练与推理的 POD 级基础设施。

Vera Rubin Pod 的发布不仅体现了单一系统性能的提升，更反映出数据中心架构正在从“服务器级优化”向“系统级协同”演进。在这一过程中，NVIDIA MGX 已从单一硬件设计方案逐步扩展为覆盖设计、制造与部署的完整体系，即 MGX ecosystem。理解 MGX ecosystem，有助于把握当前 AI 数据中心架构的发展方向。

为什么模块化架构重要？

在高性能计算（HPC）与人工智能（AI）场景中，NVIDIA MGX 架构通过提供标准化模块，优化了系统开发成本与上市周期。基于 MGX ecosystem，系统不仅支持多代产品平滑演进，还能够兼容 GPU、DPU、CPU、存储与网络等多种组件组合，从而满足 AI 训练、推理及数字孪生等多样化负载需求。

当前推动 MGX ecosystem 发展的主要因素包括：

• 功率密度与散热挑战：随着AI算力持续提升，数据中心正面临更高功率密度。例如基于NVIDIA Blackwell GPUs的系统，单机架功耗可达120 kW以上。MGX ecosystem通过液冷母排与冷却分配设计，在高负载条件下依然能够维持较小温差，从而支撑高密度机架部署并确保稳定运行。

• 异构工作负载支持能力：在MGX ecosystem中，企业可以根据不同业务需求灵活组合资源，覆盖AI训练、推理及数字孪生等多种场景。例如基于NVIDIA GB200 NVL72的集群，可在同一架构下进行扩展与适配，无需重新设计基础设施。

• 供应链与交付效率提升：MGX ecosystem支持关键组件的预集成，使约80%的系统在工厂阶段完成装配，显著降低现场部署复杂度，将交付周期从传统的一年缩短至数月以内，提高整体交付效率。

总体来看，MGX ecosystem通过标准化接口与多厂商支持，提升系统兼容性并降低供应链风险。同时，模块化设计简化了系统扩展与维护流程，使数据中心能够在保证稳定性的前提下持续扩展算力规模。

MGX 机架系统内部

MGX ecosystem的基础是其机架系统。该系统由多个标准化模块构成，用于构建完整的计算基础设施。在核心计算层，MGX机架系统包括计算托盘与 NVLink 交换托盘。计算托盘可支持 CPU 与 GPU 的多种组合，例如 NVIDIA Grace CPU 与 NVIDIA Blackwell GPU 的配置，为 AI 训练、推理及仿真提供计算能力。NVLink 交换托盘则提供低延迟、高带宽互连，实现 GPU 间通信及机架级扩展。

完整的 MGX 机架系统不仅依赖计算与交换托盘，还需坚实的机械、电力和冷却基础设施支持，包括：

• 机械组件：模块化 MGX 机架提供高密度部署所需的结构强度与可维护性。Power Shelf Bracket 固定电源架，Slide Rail 方便设备安装与维护。

• 电力组件：MGX 54V 母线与 1400A 母线高效分配机架电力，33 kW 电源架提供充足电力，MGX Power Whip 提供电源架与母线之间灵活连接。高速数据传输通过 MGX Highspeed Cable 保证计算与交换托盘通信性能。

• 冷却组件：MGX Coldplate 对 GPU 提供液冷，保持最佳工作温度；MGX 44RU Manifold 管理机架内部冷却液分配；快速断开接口 MGX NVQD 和 MGX UQD 实现液冷管路的快速、安全连接，简化维护并降低停机风险。

这种模块化设计可大幅节省部署时间，标准化组件可在工厂预装，并通过即插即用的电源与冷却单元现场集成。

第三代 MGX 机架架构的关键变化

在 Vera Rubin Pod 所采用的第三代 MGX 架构中，MGX ecosystem 在结构、电力与冷却等方面进行了系统性优化，以适应大规模 AI 基础设施部署需求。

模块化与无电缆设计

第三代 MGX 延续标准化设计，并进一步增强模块解耦能力。机架采用 19 英寸单宽规格，通过 PCB 背板实现计算托盘与交换托盘之间的直接互连，减少传统线缆依赖。

MGX ecosystem 的背板可根据不同配置支持多种互连方式。例如，在 NVL 机架中支持 NVLink，在 ETL 机架中支持 Spectrum-X 以太网或基于 LPU 的直连链路。同时，背板可集成最多 4 个预验证铜缆模块，以满足高密度连接需求。

该设计显著优化部署与运维效率。计算托盘组装时间由约 2 小时缩短至约 5 分钟，降低人工操作复杂度。同时，单宽机架有利于运输与机房部署标准化。

多层级电源管理

针对 AI 训练与推理过程中负载波动较大的特点，第三代 MGX 架构构建了分层电源管理机制，将能效优化从单一设备延伸至机架乃至数据中心层面。

组件层，系统通过动态电源导向机制，对 CPU、GPU 以及 NVLink 交换托盘等关键单元进行实时功率分配。在负载变化时，优先保障高利用率组件的供电，从而提高单位功耗下的计算效率。机架层，引入基于电容的储能与功率平滑方案，用于缓冲瞬时功率波动。高负载阶段由储能单元补充供电，低负载阶段进行回充，从而降低对外部电网的冲击。以 NVL72 机架为例，其储能能力相较前代提升至数倍水平，并通过闭环控制使 GPU 能够实时感知储能状态，进一步稳定功耗曲线。这一机制可在不依赖大规模电池系统的情况下，将峰值电流需求降低约四分之一，从而简化基础设施设计。

整机功率分配策略上，MGX 架构采用动态 Max-Q 模式，替代传统静态功率配置方式。系统根据实时负载对机架总功率进行再分配，使未被占用的功率资源可以被其他计算单元利用。在相同功率预算下，该策略可提升 GPU 的可用规模，并在液冷条件配合下提高整体每瓦性能表现。

高温液冷能力

冷却系统是影响数据中心能效的重要因素之一。第三代 MGX 统一支持最高 45℃ 进水温度的液冷方案，相较传统较低温度设计，在能效与部署灵活性之间取得平衡。

较高的进水温度意味着数据中心在多数气候条件下可以采用自然冷却或干冷器等方式散热，从而减少对压缩机制冷设备的依赖。这不仅降低了电力消耗，也减少了对水资源的使用，有助于优化整体 PUE 指标。

在相同电力预算下，冷却系统能耗的降低意味着更多电力可以分配给计算负载。例如，相比 35℃ 液冷方案，45℃ 设计能够释放部分电力用于增加计算节点，从而提升整体系统容量。此外，该冷却体系支持去离子水或丙二醇基冷却液，在封闭循环条件下可实现较长的使用周期，降低长期运维成本。

标准化与生态扩展

在生态建设上，MGX 架构以开放标准形式推进，并已纳入 Open Compute Project（OCP）体系。围绕该架构，已形成由 80 余家企业参与的供应链生态，覆盖机架、底盘、托盘及液冷组件等多个环节。

从发展节奏来看，2024 年基于 Blackwell 架构实现首个量产机架级系统，2025 年推出 GB300 NVL72，至 2026 年 Vera Rubin NVL72 已进入量产阶段，并计划于 2026 年下半年开始出货。生态的逐步完善，使 MGX 架构能够支撑大规模 AI 基础设施的持续部署与演进。

结论

从 Vera Rubin Pod 的发布可以看出，AI 基础设施正在从单点性能优化走向系统级协同设计。在这一过程中，MGX 不再只是一个机架标准，而是逐渐发展为一个完整的生态体系。MGX ecosystem 通过模块化设计、开放标准与多方协同，为数据中心提供了一种可扩展、可持续演进的建设路径。在 AI 工厂不断扩展的背景下，这种体系化能力，将成为支撑未来算力基础设施的重要基础。