英伟达把 Vera Rubin 交给 OCP，AI 工厂竞赛换了打法
真正的矛盾不是算力不够，而是算力建得太慢。
当 AI 工厂从兆瓦级长成吉瓦级，堆更多 GPU 已经不够了。机柜怎么液冷、母线怎么供电、网络怎么不丢包、集群上线要几天——这些“基建细节”开始决定一家云厂商能不能跟上大模型的军备竞赛。
2026 年 10 月 12 日，在圣何塞 McEnery 会展中心举行的 Open Compute Project（OCP）全球峰会上，英伟达做了一件看似“反直觉”的事：它把下一代 Vera Rubin 架构的机柜和计算托盘设计，通过开放的 MGX 架构贡献给了 OCP。换句话说，英伟达正在把自己的 AI 工厂蓝图，变成整个行业可以共同制造、共同扩展的公共地基。
这不是慈善。这是英伟达在算力之外，押下的第二张王牌。
英伟达在 OCP 交出的六张牌
这次 OCP 峰会，英伟达和合作伙伴抛出了一组密集动作。把清单摊开看，能清楚看到英伟达的进攻路线——它不再只卖芯片，它在定义 AI 工厂的每一层标准。
第一，英伟达与超大规模云厂商共同发布了下一代 AI 工厂的开放标准，涵盖 AI 工厂设计标准和电网韧性。第二，英伟达为 NVIDIA DSX AI Factory 推出了一批新的开源软件组件，把集群配置、验证、机柜管理和裸金属开通都开放了出来。第三，Meta 与英伟达推进开放式 AI 网络，带来 Spectrum-X Ethernet SuperNIC 和 Spectrum-6 的新创新。第四，Visionbay 拿出了面向 Vera Rubin 时代的 800V 直流 AI 工厂设计方案。第五，英伟达与思科宣布 Ultra-Dense Small Form Factor Pluggable（USFP）标准——这是行业首个面向 400Gb/s 网络的模块标准。第六，英伟达与谷歌宣布，未来的 ConnectX-10 SuperNIC 和 BlueField DPU 将支持 Falcon Transport。
英伟达 hyperscale 与高性能计算副总裁 Ian Buck 在满场观众面前点出了这次变化的本质：开放基础设施正在成为在全球范围扩展 AI 工厂的关键原料。
注意这个措辞的变化。过去几年，行业讨论的焦点是“谁的芯片更快”；现在，焦点悄悄变成了“谁的工厂建得更快、更省电、更可靠”。英伟达的六张牌，全部打在后一个战场上。
MGX 1.2：把 AI 工厂变成可以批量复制的乐高
要理解英伟达这一步的狠劲，得先看它到底开放了什么。
通过 OCP 的 Open DC Initiative，英伟达联合行业伙伴向第三代 MGX AI 数据中心参考设计做出了贡献。配合 MQD、MQDB 这类开放液冷技术，这套动作的目的很直白：把已经被验证过的 AI 工厂设计，变成行业标准，让别人能采用、能制造、能规模化。
更新后的 MGX 1.2 规格，给 AI 工厂的开放架构加上了几样硬东西：机柜级盲插液冷、可互操作的机柜级互联基础设施，以及一条为高功率 AI 系统设计的液冷 5000A 母线。它还增加了原生的 19 英寸设备支持和更高密度的机柜设计。
这些名词背后是一个朴素的商业逻辑：标准化才能规模化。
MGX 1.2 进一步用可配置的 I/O 舱、无风扇液冷计算托盘、标准化的供电和散热接口，以及一套通用基础设施，提升了模块化程度。结果是组装、测试和维护时间的缩短——制造和现场服务被简化，基础设施的建设速度才能提起来。这套架构支持最高 250kW 的机柜部署，同时简化了可维护性、部署流程和基础设施复用。
AI 工厂把单机柜功率密度推高了一个数量级，而 MGX 1.2 要做的，是让这种高密度部署不再是少数巨头的定制工程，而是可以批量采购、批量交付的标准化产品。
更关键的是 Vera CPU 机柜设计规范的加入。如果说 Vera Rubin NVL72 是大规模训练和推理的地基，那么 Vera CPU 机柜就是为智能体（agent）时代量身打造的平台——它支持工具调用、编排和沙箱执行，帮助 AI 智能体实时与应用、数据和服务交互。
这意味着英伟达的开放架构覆盖了两种截然不同的负载：一边是重算力的训练与推理，另一边是重交互、重编排的智能体工作负载。两者共用同一套机柜级设计原则，把计算、网络、电力和散热统一到一个通用模块化平台里。伙伴可以部署专用基础设施，同时共享同一个生态系统、享受更简单的集成，并拥有一致的下一代 AI 工厂地基。这才是“开放”真正的吸引力——它降低的不是芯片价格，而是整个行业的集成成本。
DSX OS 开源：把 DGX Cloud 的踩坑经验变成公共代码
硬件开放解决的是“怎么造”，软件开源解决的是“怎么管”。
NVIDIA DSX AI Factory 平台用极端协同设计（extreme codesign）把计算、网络、电力、散热、设施和软件统一起来，让 AI 工厂作为一个单一优化系统运行，在既有基础设施约束下最大化 AI 产出。这套统一系统的核心是 DSX OS——一个开放的操作层，把 DSX 架构变成可协调、可重复的大规模运营。
在 OCP，英伟达用四个开源组件扩展了 DSX OS，分别对应网络配置、集群验证、机柜管理和裸金属开通：
NVIDIA Config Manager 负责在大规模场景下自动化交换机配置，让客户能够以最少甚至零人工干预的方式部署、验证和维护一致的 AI 工厂网络 fabric。
NVIDIA Cluster Readiness Engine 的作用更实在——它用真实工作负载模拟对 GPU 集群做压力测试，在训练开始之前保证硬件健康，从而消除代价高昂的任务崩溃。任何一个跑过大模型训练的人都懂这句话的分量：训练跑到一半集群宕机，损失的不只是时间。
NVIDIA Rack Management Service 提供机柜硬件抽象和运维方案，把机柜当作一等公民来管理，改进 AI 工厂规模的固件管理。
Cluster API Provider for NVIDIA Infrastructure Controller 则加速裸金属部署和租户上线——把原始 AI 硬件变成生产就绪的集群，从几天缩短到几小时。
这几段话里藏着一个容易被忽略的信息：这些组件“脱胎于英伟达运营 DGX Cloud 的经验”。
这才是开源的真正价值。英伟达不是在开放一套理论设计，而是在开放自己踩过坑、验证过的运维实践。云厂商和软件伙伴可以直接把这些 AI 工厂能力集成到自己的多租户平台里，省去的不仅是研发时间，更是试错成本。
从商业模式看，这是一步很精妙的棋。DSX OS 开源并不意味着英伟达放弃软件收入，相反，它在把 DSX 变成事实标准。当越来越多的云厂商用 DSX OS 来管理机柜、验证集群、开通租户，英伟达的硬件、网络和软件就一起被锁进了客户的基础设施栈里。
开放，成了最深的护城河。
网络与供电：两个最容易被卡脖子的环节
如果说 MGX 和 DSX 是英伟达的主战场，那么网络与供电就是这次最见功力的两个侧翼。
先看网络。Meta 与英伟达在 Spectrum-X Ethernet SuperNIC 和 Spectrum-6 上的推进，指向的是同一个问题：以太网能不能扛住 AI 集群的流量洪峰？
英伟达与谷歌合作的 Falcon Transport 给出了更具体的答案。Falcon 是一种传输协议，设计目标是在以太网这种在拥塞时会丢包的网络上可靠地传输数据。它通过多路径负载均衡、可编程拥塞控制、硬件级丢包恢复和每连接安全，同时支持 AI 和存储工作负载。
这套方案把英伟达的硬件加速与 DOCA 软件结合起来实现 Falcon，把英伟达网络扩展到谷歌的数据中心传输层。结果是，英伟达和谷歌的网卡可以基于共同的传输层通信，而应用层仍然保留标准的 RDMA 编程接口。
这句话的技术含义很重：客户不需要重写应用，就能享受到跨厂商网卡的互通能力。对谷歌这样的超大规模云厂商来说，这意味着供应链的灵活性和议价能力的提升；对英伟达来说，这意味着它的网络标准正在变成跨数据中心的通用语言。
再看供电。Visionbay 推出的 800V 直流 AI 工厂设计，直接对准了吉瓦级工厂的命门。
当一座 AI 工厂的功耗从几十兆瓦冲向吉瓦，交流供电的转换损耗和配电复杂度会指数级上升。800V 直流架构的核心价值，是减少转换环节、提升输电效率，同时降低线缆和配电设备的占用空间。在吉瓦级工厂里，效率的每一点提升，都直接对应着电费和电网配额的硬约束。
再加上英伟达与思科共同宣布的 USFP 标准——行业首个面向 400Gb/s 网络 fabric 的模块——英伟达这次实际上是在把 AI 工厂的“血管”（网络）和“心脏”（供电）一起标准化。
为什么是现在
一个自然的问题是：英伟达为什么选在这个时间点开放？
答案藏在行业阶段的切换里。过去几年，AI 基础设施的主旋律是“抢算力”——谁能拿到更多高端 GPU，谁就赢。但到了 2026 年，竞争重心正在从“有没有算力”转向“能不能快速、可靠、低成本地把算力变成可用产能”。
吉瓦级 AI 工厂不是买回来的，是建出来的。而建设速度取决于三件事：供应链是否标准化、运维是否可复制、生态是否可互操作。
英伟达的开放动作，恰好同时击中这三点。MGX 1.2 让机柜和供电标准化，DSX OS 让运维可复制，Falcon 和 USFP 让网络和互联可互操作。
更深层的动机，是英伟达需要应对来自多方的压力。超大规模云厂商一方面依赖英伟达的 GPU，另一方面又不愿被单一供应商完全锁定。谷歌自研 TPU、亚马逊推 Trainium 和 Inferentia、Meta 开放自己的机架设计——这些动作都在提醒英伟达：客户要的是选择权。
英伟达的回应很聪明：我不锁死你，我锁死标准。当你用我的 MGX 机柜、我的 DSX OS、我的 Spectrum 网络、我的 Vera CPU 架构时，你确实保留了选择供应商的自由，但你的整个技术栈已经长在了英伟达定义的框架里。
这是一种更高明的绑定。它不靠合同，靠兼容性。
开放标准的赢家，可能还是英伟达
把这次 OCP 的六项公告串起来，能看到一条清晰的战略线：英伟达正在从“算力供应商”升级为“AI 工厂操作系统”的提供者。
芯片仍然是核心，但不再是全部。未来的竞争，是机柜密度、供电效率、网络吞吐、运维自动化和生态互操作性的综合竞争。英伟达通过开放标准，把这些维度的规则制定权握在了自己手里。
对行业来说，这无疑是好事。标准化会降低 AI 基础设施的整体成本，加快 AI 工厂的建设速度，让更多玩家能够参与到吉瓦级工厂的建设中来。电网韧性标准的建立，甚至可能缓解 AI 扩张与电力供应之间的紧张关系。
但对英伟达的竞争对手来说，压力会越来越大。当英伟达的架构变成行业默认选项，其他芯片厂商不仅要证明自己的芯片更快、更便宜，还要证明自己的生态能被无缝集成进这套已经运转起来的体系里。
这是一道越来越高的门槛。
AI 工厂的竞赛，表面上比的是算力，本质上比的是谁能把算力变成可复制、可扩展、可运营的工业产能。英伟达把 Vera Rubin 交给 OCP，看似让出了一部分控制权，实则把整个行业的建造标准，写进了自己的语言里。
开放不是退让，而是换一种方式赢。
快报