电力，正成为 AI 数据中心扩张的硬约束。在 2026 年 AI Infra Summit（AI 基础设施峰会）上，英伟达展示了面向 AI 工厂的 DSX MaxLPS 全厂级功耗优化系统，核心卖点只有一个：在不新增电力基础设施的前提下，把同样的电用出更多 token。

从峰值性能到每兆瓦产出

英伟达超大规模与高性能计算业务副总裁 Ian Buck 在演讲中表示，衡量 AI 基础设施的指标正在从峰值性能转向每兆瓦可验证的智能体 token 产出，AI 工厂需要从芯片到电网协同设计。

所谓每兆瓦 token 吞吐量，指的是数据中心每消耗 1MW 电力时，AI 系统每秒能够生成或处理多少个 token。它把功耗直接算进分母，更适合衡量电力受限条件下数据中心的真实产出能力。按照英伟达给出的数据，DSX MaxLPS 可让这一指标最高提升 40%（即每兆瓦 token 产出最高提升至 1.4 倍）。

动态调度是关键

DSX MaxLPS 的核心能力是动态重新分配 GPU 与机架之间的功率：把同样的电力预算分散到更多节点运行，而非让少数节点满功率运转，从而在总功耗不变的情况下产出更多 token。

该系统已由 EmeraldAI 集成至 Conductor 平台，用于电网条件下的数据中心负载编排。平台中的 DSX Flex 能依据电网状态动态调整数据中心用电需求，目前已接收 200 次电网状态信号，相关操作均未要求用户干预。

Lambda 实测：多三个节点，不多吃电

GPU 云服务商 Lambda（客户数量超过 10,000 家）的测试更具说服力。其测试集群包含 5 个机架、19 个节点，在 HGX B200 平台上运行 DSX MaxLPS，让所有 19 个节点以 85% 功率运行，替代原本 16 个节点满载的方案。

结果：在与 16 个节点满功率运行相同的功率预算下，19 节点集群的 token 吞吐量从约每秒 400 万提升至约每秒 500 万，增幅 24%，每瓦性能同步提升 23%。换句话说，多出来的三个节点没有多花电，产出却多出了一截。

面向下一代架构的增益

英伟达还披露了机架层面的数据：在 Vera Rubin NVL72 架构中，DSX MaxLPS 可在相同站点功耗范围内最多提升 40% 单机架 GPU 容量，token 吞吐量最多提升 35%，且无需新增电力线路。

在 100K 上下文、Qwen3.827B 工作负载中，Groq3LPX 机架达到每位用户每秒 2,529 个输出 token。多家企业参与的早期测试显示，Vera CPU 性能最高提升 1.9 倍、吞吐量提升 73%、查询任务吞吐量提升 3.3 倍；Perplexity 测得 SPACE 安全沙箱启动速度提升 1.9 倍；DeepInfra 测得编排步骤延迟降低 2.2 倍；Redpanda 测得延迟降低 5.5 倍、吞吐量提升 73%。

从芯片到电网的全栈方案

DSX MaxLPS 是英伟达 DSX 平台的一部分。该平台还涵盖 Dynamo 推理软件、NeMo 库、NVLink、Spectrum-X 以太网、ConnectX SuperNIC 及 BlueField DPU 等组件，构成从芯片到电网的全栈 AI 工厂方案。

在电网协同方面，英伟达与 EmeraldAI 在 Silicon Valley Power 的灵活负荷接入项目中演示了 DSX Flex 能力：系统可自动将一座 AI 工厂的功耗从 4 兆瓦降至 3 兆瓦，关键 AI 负载不中断，其余任务暂时挂起，待电网压力缓解后自动恢复。

对云服务商而言，当电力成为扩张瓶颈，能聪明调度功耗的一方，等于在同样的电网上多拿到了一部分算力——这比单卡跑分更接近真实的成本账。