Nvidia DSX POD: il data center AI modulare che si accende in 14 giorni

Costruire un data center per l’intelligenza artificiale richiede oggi, in media, circa sei mesi dal momento in cui il sito è pronto a quello in cui i server iniziano a lavorare. Nvidia sostiene di poter ridurre quel tempo a 14 giorni. L’annuncio è arrivato al GTC Berlin con DSX POD, una versione modulare e prefabbricata della sua piattaforma di riferimento per le fabbriche di AI basate su Vera Rubin.

Va detto subito: i numeri sono dichiarati dall’azienda e non sono stati verificati in modo indipendente. Il quadro che emerge, però, è interessante perché sposta il collo di bottiglia dell’AI dai chip all’infrastruttura fisica.

Che cos’è DSX POD e come è fatto

DSX POD è la declinazione modulare della piattaforma DSX, presentata all’inizio del 2026 al GTC in California come architettura di riferimento per i data center di nuova generazione. L’idea è semplice da raccontare e complessa da realizzare: invece di assemblare racks, tubazioni, cavi e impianti elettrici direttamente nel sito, gran parte del lavoro si fa in fabbrica.

I componenti arrivano dentro container preintegrati e già collaudati. Al loro interno ci sono la capacità di calcolo Vera Rubin, la rete, il cablaggio, l’alimentazione a livello di rack e il raffreddamento a liquido. Una volta consegnati, si collegano alle utenze di un sito già predisposto, cioè alla corrente, al sistema di raffreddamento e alla connettività.

Cosa cambia rispetto a un cantiere tradizionale

I partner industriali si occupano del cablaggio da rack a rack, delle tubazioni e dei test funzionali direttamente in stabilimento. Il cantiere, in teoria, diventa un’operazione di collegamento più che di costruzione.

C’è però una precisazione importante. I 14 giorni valgono per un sito già preparato e non comprendono la costruzione dell’edificio, l’allaccio alla rete elettrica o i permessi. Il confronto con i sei mesi, quindi, riguarda la fase di messa in servizio, non l’intero ciclo di vita di un progetto.

Efficienza energetica e consumo di acqua

La seconda parte dell’annuncio riguarda le risorse. Nvidia punta su un raffreddamento interamente a liquido, con temperature del refrigerante fino a 45 gradi, abbinato a un circuito chiuso con dry cooler esterni. Il calore viene ceduto all’aria senza far evaporare acqua.

Secondo l’azienda, questo approccio può ridurre fino al 100% l’acqua consumata per il raffreddamento. Su un impianto da due gigawatt la stima è un risparmio di 54 milioni di litri al giorno rispetto ai sistemi con torri evaporative. Nvidia ammette che in alcuni climi, durante le ondate di caldo estremo, può servire un raffreddamento meccanico aggiuntivo.

Sull’acqua il tema non è solo tecnico. Le comunità locali contestano sempre più spesso la sete dei data center, e i grandi progetti come il supercluster Prometheus di Meta richiedono potenze e raffreddamenti sempre più estremi.

DSX MaxLPS: più token con meno corrente

Sul fronte dell’energia, Nvidia presenta due strumenti software. Il primo si chiama DSX MaxLPS e distribuisce in modo dinamico la potenza disponibile all’interno del budget energetico del data center. L’azienda dichiara la stessa produzione di token con fino al 30% di energia in meno.

Le prove citate arrivano da due clienti. Con Lambda, su sistemi HGX B200, il throughput di token del cluster sale del 24% e la capacità GPU gestita del 19% a parità di budget. Con Nscale, su quattro rack GB300 NVL72 in Islanda e con un budget di 264 kW, l’inferenza cresce del 49% e la capacità gestita del 37%.

DSX Flex: il data center come risorsa per la rete

Il secondo strumento è DSX Flex, pensato per rendere i data center AI una risorsa flessibile per la rete elettrica. Il sistema adatta il consumo dei carichi di lavoro alle esigenze del gestore, ai picchi di domanda e ai prezzi dell’energia.

In un test condotto con Emerald AI, EPRI, Nebius, National Grid e Nvidia, un cluster Blackwell Ultra ha ridotto il consumo fino al 40% durante eventi di rete simulati, mantenendo attive le applicazioni critiche. Come ha dichiarato Ian Buck di Nvidia, se la rete ha bisogno di un gigawatt in più, i data center possono diventare una risorsa per rispondere.

È un cambio di prospettiva notevole: l’AI smette di essere solo un carico che pesa sulla rete e prova a diventarne un alleato.

Partner, software e disponibilità

Attorno a DSX POD si è schierata una filiera ampia. Tra i partner figurano Anduril, Armada, Bull, Crusoe, DayOne, Dell Technologies, Delta, Eaton, Foxconn, Gigabyte, HPE, Lenovo, Pegatron, Quanta Cloud Technology, Schneider Electric, Vertiv e Wistron. Dell ha annunciato in parallelo un Modular Data Center basato su DSX POD, con lancio previsto all’inizio del 2027.

La disponibilità, infatti, è la nota da tenere a mente: i sistemi realizzati dai partner arriveranno in tutto il mondo a partire dall’inizio del 2027. Nvidia non ha indicato la capacità per singolo POD, il numero di rack né i prezzi.

Il resto dell’ecosistema DSX

La piattaforma comprende anche DSX Sim, DSX OS e DSX Exchange. DSX OS, in developer preview, include componenti come Config Manager, Rack Management Service e Cluster Readiness Engine. Trane ha pubblicato sette progetti di riferimento per la gestione termica, tra cui tre sistemi di raffreddamento da 250 MW, e sono stati qualificati come DSX-Ready alcuni componenti di LiquidStack, Vertiv e Hitachi Energy.

Non è un caso che Nscale stia già usando DSX Sim in Portogallo e in Islanda: la simulazione serve a progettare impianti elettrici e di raffreddamento prima di costruirli, e questo è parte del risparmio di tempo promesso.

La catena di fornitura dietro l’annuncio

Al GTC Berlin Nvidia ha parlato anche di ciò che sta a monte dei data center. Il piano è aumentare di 2,5 volte la capacità di substrati in tre anni, con accordi con IBIDEN, Samsung Electro-Mechanics e Unimicron. Amkor dovrebbe superare il 300% di crescita nella capacità di interposer in Corea del Sud entro fine 2028, mentre SPIL punta a moltiplicare per 15 la produzione di moduli ottici a Taiwan entro metà 2027.

Anche qui l’azienda non fornisce i valori di partenza, quindi le percentuali vanno lette come obiettivi. Jensen Huang ha parlato di una fase di espansione infrastrutturale senza precedenti, e la quantità di annunci simili lo conferma, come mostrano gli accordi tra AWS e Nvidia sui due milioni di GPU o i finanziamenti a operatori come Nscale.

Perché conta per chi lavora con l’AI

Per chi usa l’intelligenza artificiale ogni giorno, un container prefabbricato può sembrare lontano. Non lo è. La disponibilità di calcolo, e quindi i prezzi delle API e dei modelli, dipende da quanto velocemente i fornitori riescono a mettere in servizio nuova capacità.

Se la promessa dei 14 giorni reggesse alla prova dei fatti, la scarsità di GPU nei data center potrebbe attenuarsi, almeno dove ci sono corrente e raffreddamento disponibili. Il vincolo si sposterebbe verso l’energia e i permessi, che sono proprio i temi più delicati in Europa.

Restano alcune domande aperte. Quanto costa davvero un POD? Quanta potenza eroga? E quanto tempo servirà per preparare il sito? Finché Nvidia e i partner non risponderanno, il valore dell’annuncio sta soprattutto nella direzione indicata: standardizzare l’infrastruttura come si è standardizzato il software.

Conclusioni

DSX POD è il tentativo di Nvidia di trasformare il data center in un prodotto da catalogo, con tempi, consumi e interfacce prevedibili. I vantaggi dichiarati su tempi, acqua ed energia sono significativi, ma restano da verificare sul campo, a partire dalle prime consegne del 2027.

Tu cosa ne pensi? Se segui il mercato dell’hardware AI, tieni d’occhio le prime installazioni e i dati indipendenti su consumi e costi, e continua a seguire le nostre news per gli aggiornamenti. Fonti: SDxCentral e StorageReview.