AI基础设施的评价方式正在发生变化：比起单看芯片峰值性能，运营者更关心每兆瓦电力最终能稳定交付多少有效Token。

9月15日，NVIDIA在官方博客介绍了AI工厂与电网协同的新思路。其核心并不是简单地给数据中心限电，而是把算力任务分级，在电网承压时动态调整可延后的训练、批处理和后台任务，同时尽量保护对时延敏感的在线推理服务。

从“持续满载”转向“可调度负载”

NVIDIA称，DSX平台把计算、网络、供电、制冷和运营管理放在同一套设计框架中。配套的Emerald AI Conductor可以接收电网侧信号，并据此调整灵活计算负载。电力紧张时，系统降低部分低优先级任务的功率；压力缓解后，再恢复计算。

这让AI数据中心有机会从传统的固定大负荷，转变为可以参与电网协调的“柔性负荷”。对供电方而言，价值在于缓解峰值压力；对数据中心而言，则是在现有电力约束下提高基础设施利用率。

首个专用部署瞄准96兆瓦AI工厂

根据NVIDIA披露，首个专用DSX Flex商业部署计划落地美国弗吉尼亚州马纳萨斯，服务于NVIDIA AI Factory Research Center的一座96兆瓦Vera Rubin AI工厂。该项目将成为观察“算力—电力”协同能否规模化运行的重要样本。

企业真正要补的是调度能力

对准备建设或租用大规模AI算力的企业来说，柔性调度并不是安装一个控制软件就结束。首先要明确哪些任务允许暂停、降频或迁移；其次要建立检查点恢复、服务等级、能耗计量和异常回滚机制；最后还要让业务、基础设施和能源团队共享同一套指标。

因此，“Token/兆瓦”正在成为一个更贴近经营结果的指标：它把模型效率、硬件性能、机房设计和电力成本放到同一张账单里。不过，NVIDIA公布的性能与效率数据属于厂商口径，仍需等待真实商业部署中的长期运行数据验证。

图片为AIcent原创生成的实景化示意图，不含第三方新闻图片。

参考来源：NVIDIA官方博客（2026年9月15日）