NVIDIA DSX MaxLPS: como espremer 40% mais GPUs no mesmo megawatt — a nova receita de “fábrica de IA”
DSX MaxLPS é a plataforma da NVIDIA que promete 40% mais GPUs no mesmo orçamento de energia com cooling a 45°C — mudando a economia dos data centers de IA.
.pn-swot{display:grid;grid-template-columns:1fr 1fr;gap:12px;margin:24px 0}.pn-swot>div{border-radius:10px;padding:16px 18px;color:#fff}.pn-swot h4{margin:0 0 8px;font-size:1.05em}.pn-swot ul{margin:0;padding-left:18px}.pn-swot .pn-s{background:#16a34a}.pn-swot .pn-w{background:#ea580c}.pn-swot .pn-o{background:#2563eb}.pn-swot .pn-t{background:#dc2626}@media(max-width:640px){.pn-swot{grid-template-columns:1fr}}
Resumo: A NVIDIA lançou o DSX, seu framework completo para o que a empresa chama de AI factory, e dentro dele o componente que mais chamou atenção é o DSX MaxLPS: um software que gerencia energia por GPU, rack e workload para recuperar “energia parada” e permitir até 40% mais GPUs no mesmo orçamento de megawatts. Combinado a resfriamento líquido a 45 °C, o pacote redefine a equação de tokens por MW — a métrica que virou moeda da nova economia de infraestrutura de IA.
O que o DSX MaxLPS realmente faz
O gargalo dos data centers de IA hoje raramente é o chip: é o megawatt. Contratos de energia com concessionárias podem levar anos, e é comum operadores terem chips prontos mas ficarem esperando ligação elétrica. O MaxLPS ataca esse gargalo por dois lados. Primeiro, faz um power capping inteligente por workload — se um lote de inferência precisa menos energia por um instante, ela é redistribuída para outra GPU que está gargalada. Segundo, o cooling a 45 °C reduz a energia gasta em climatização, liberando MW para computação. O resultado que a NVIDIA anuncia é notável: 40% mais GPUs entregando tokens dentro do mesmo envelope de potência.
O DSX é maior que o MaxLPS. Inclui o DSX OS (open source), planos de referência para infra as a code, integração com telemetria de rack (BMC/DCIM), e a linha DGX Station e servidores Blackwell. É o mesmo movimento que a Amazon fez com Bedrock e a Microsoft com Azure OpenAI, só que na camada física: virar plataforma, não vendedor de chip.
Por que importa — e status no Brasil
Nos últimos meses, o país teve anúncios grandes de data centers dedicados a IA: TIM em Fortaleza, cluster da Scala com Data9 e Elea, planos da AWS e Microsoft para expansão nordestina, e o “AI Brasil” do governo. Todos tropeçam no mesmo problema: energia disponível. A promessa de “40% mais GPUs por MW” muda a matemática das cotas do ONS e das concessões estaduais. Em climas quentes como Ceará e Bahia, cooling a 45 °C é ainda mais valioso: reduz o parque de chillers e o consumo de água.
Forças
- 40% mais GPUs no mesmo megawatt destrava projetos em mercados onde a energia é o gargalo.
- Cooling a 45 °C viabiliza data centers em climas quentes — leia-se Brasil e Sul Global.
- Framework aberto (DSX OS) atrai integradores e reduz risco de vendor lock-in na camada de software.
Fraquezas
- Ecossistema totalmente NVIDIA para extrair o benefício máximo.
- Investimento inicial em líquido e retrofit de rack não trivial.
- Ganho de “40% mais GPUs” depende do perfil de workload — inferência bate treino aqui.
Oportunidades
- Novo mercado de “AI factory” para governos e telcos que querem cloud soberana.
- Cases brasileiros: NVIDIA + operadoras + hyperscalers regionais em Fortaleza, Camaçari e SP.
- Data centers colo que hoje têm sobra de MW podem vender capacidade AI-ready.
Ameaças
- Concorrência: AMD MI355/MI400 e ASICs (Broadcom, Groq, Cerebras) crescendo.
- Pressão regulatória sobre uso de energia e água para refrigeração.
- Ciclo de hype de IA pode reduzir demanda por capacidade de treino.
Riscos e limitações
Alguns cuidados são importantes antes de aceitar o número redondo. Primeiro, “40% mais GPUs” pressupõe workload de inferência com picos e vales; treinos grandes com utilização quase constante têm ganho bem menor. Segundo, o benefício máximo vem no ecossistema NVIDIA completo (Blackwell + rack de referência + software), o que aumenta acoplamento. Terceiro, retrofits em data centers legados de cooling a ar são caros e nem sempre viáveis. Por fim, há a discussão social crescente sobre consumo de energia e água por IA — mesmo que MaxLPS melhore a eficiência por token, o consumo absoluto continua subindo.
Cenário para os próximos anos
O DSX vai empurrar os concorrentes. A AMD já tem roadmap MI355/MI400 e software ROCm melhorando; a Broadcom cresce como fabricante de ASICs customizados para clientes como Google (TPU) e Meta (MTIA); Groq e Cerebras trabalham em inferência ultrarrápida. Do lado dos operadores, é esperado ver o modelo “AI factory” replicado por governos e telcos que querem soberania — Naver já anunciou 1 GW com NVIDIA na Coreia. No Brasil, esperem parcerias entre operadoras e integradores para trazer racks de referência DSX, provavelmente aos preços premium do primeiro ano.
Conclusão prática
Para times de infra e MLOps, o recado é: comece a otimizar métrica de tokens por MW agora, mesmo em data center próprio pequeno. Para gestores, DSX MaxLPS é uma alavanca real de CAPEX/OPEX — vale pedir estudo comparativo com o fornecedor. Para desenvolvedores, o impacto é indireto: preços de inferência devem cair ligeiramente à medida que a eficiência energética se traduz em preço por 1M de tokens. E, para todos, é bom lembrar: a corrida por potência de IA envolve escolhas locais de energia, água e uso do solo — o debate público é parte legítima do processo.
Fonte original: NVIDIA DSX Gives Infrastructure Builders the Playbook for AI Factories — NVIDIA Newsroom.
