J9九游会资讯：2026年3月16日，在美国圣何塞举行的英伟达GTC大会上，施耐德电气携手英伟达与工业软件企业AVEVA，发布了一系列面向下一代AI数据中心基础设施的关键技术进展。这些成果包括基于英伟达Vera Rubin架构的全新参考设计、集成于NVIDIA Omniverse生态的生命周期数字孪生架构，以及基于NVIDIA Nemotron模型的智能报警管理测试。整体方案旨在为千兆瓦级AI工厂提供从设计、仿真到运营维护的全链条验证蓝图。
施耐德电气与英伟达的此次合作，标志着双方在AI基础设施领域的协作进一步深化。通过将电力与冷却的参考设计、数字孪生仿真能力以及AI驱动的运营管理工具整合在一起，双方为大规模AI工厂的快速部署与高效运行建立了系统化的方法论。施耐德电气表示，这些技术将帮助运营商在部署任何机架前就能模拟并优化基础设施，从而降低风险、加速投产并提升能源效率。
Vera Rubin参考设计：为千兆瓦级AI工厂定制电力与冷却方案
施耐德电气发布的AI参考设计是首批针对英伟达Vera Rubin NVL72机架系统打造的方案之一。该设计覆盖了电力分配与冷却两大关键领域，并与施耐德电气的控制参考设计集成，确保整个基础设施从底层架构到上层控制的一致性。
为了支撑最新机架级系统的高密度需求，参考设计引入了多项关键调整：将供电电压提升至480 VAC，以支持更大的功率分配；将TCS回路供水温度提高至45°C，从而提升冷却效率；同时，采用新型IT机房布局，将AI机架集群与网络、存储及CPU支撑机架集中部署，使GPU机架保持物理接近的同时，通过更高电压实现更大规模集群与更优的电力传输。
该设计还特别优化了“每瓦特token数”这一关键指标。通过支持GPU机架在MaxP（最大性能）与MaxQ（最大效率）两种运行点之间切换，运营商可在电力受限时启用MaxQ模式，以更高的能效换取更多计算输出。参考设计已通过ETAP电气系统模型与ITD CFD气流模型完成验证，确保电气与热力性能的可靠性。
AVEVA数字孪生架构：加速AI工厂从设计到运营的仿真闭环
AVEVA作为施耐德电气旗下的工业软件企业，与英伟达共同推出了一套面向千兆瓦级AI工厂的生命周期数字孪生架构。该架构嵌入NVIDIA Omniverse DSX蓝图与生态系统，使工程和运营软件能够直接用于多域仿真。
在系统架构于Omniverse环境中组装完成后，AVEVA执行跨域仿真验证，包括电力分配、热动力学、气流性能与控制逻辑的建模。运营商可以在构建物理环境之前，快速评估不同负载与环境条件下的多种场景，进行迭代优化。施耐德电气表示，这种方法能够显著缩短工程周期，提高部署精度，并确保最终设计在性能与能效之间取得平衡。
施耐德电气数据中心业务执行副总裁Manish Kumar指出：“随着AI工作负载在规模和复杂性上持续增长，数据中心设计的容错空间变得极小。通过结合先进的软件、数字孪生与验证过的参考设计，运营商可以在部署任何机架之前就完成仿真与优化，从而降低风险、加速交付。”英伟达AI基础设施副总裁Vladimir Troy补充道：“千兆瓦级AI工厂需要一种全新的、高能效且高度可预测的基础设施。施耐德电气与英伟达共同提供的电力、冷却与数字孪生架构，将帮助全球客户加速‘时间到token’。”
Nemotron智能报警管理：AI Agent自主诊断数据中心故障
施耐德电气还宣布，已成功测试基于NVIDIA Nemotron开放模型的Agentic AI报警管理能力。该技术旨在解决数据中心行业长期存在的难题：如何从系统层面解读报警信号，识别根本原因并采取正确纠正措施。
通过接入多系统的实时流式IoT数据，Agentic AI能够自主分析、诊断并推荐操作方案。在实际应用中，该技术可与现场技术人员协同工作，提供更快、更一致的故障处理，减少不必要的现场派遣，并提升运营韧性。施耐德电气表示，这一里程碑标志着其在利用AI重新定义资产性能管理方面迈出了重要一步。
此次测试建立在双方此前多项合作基础之上。2025年9月，施耐德电气曾发布支持英伟达Mission Control与GB300 NVL72的参考设计；同年10月，宣布支持英伟达主导的800 VDC电力架构转型；11月，ETAP与AVEVA加入OpenUSD联盟，推动数字孪生互操作性。此外，施耐德电气还与Switch公司合作，将其专业知识融入Switch的LDC EVO操作系统，实现数据中心设施的实时自动化监控。
J9九游会观察：施耐德电气与英伟达的此次联合发布，为千兆瓦级AI工厂的标准化建设提供了可复用的技术框架。从Vera Rubin参考设计到AVEVA数字孪生，再到Nemotron智能报警管理，这些成果覆盖了AI数据中心从规划、设计、仿真到运营维护的全生命周期。随着AI工作负载持续增长，这类经过验证的蓝图将帮助运营商在保障能效与可靠性的前提下，更快地将算力投入实际应用。