KI-Fabriken · NVIDIA-Rechenzentrum · UK
Eine KI-Fabrik verwandelt Ihre Daten, Ihren Strom und Ihre GPUs in einen stetigen Strom aus Antworten, Vorhersagen und Agenten. Wir planen, bauen, installieren und betreiben NVIDIA KI-Fabriken für britische Organisationen, vom einzelnen Rack bis zur skalierbaren Einheit über mehrere Racks.
Ein klassisches Rechenzentrum speichert und liefert Informationen. Eine KI-Fabrik erzeugt sie. Rohstoffe gehen hinein (Ihre Dokumente, Datensätze, Sensordaten und Code), und Fertigprodukte kommen heraus: Antworten auf Fragen der Mitarbeitenden, Entscheidungen von Agenten, Prognosen, generierte Designs und trainierte Modelle. Die Ausgabeeinheit ist das Token, und die Aufgabe der Fabrik ist es, gute Tokens schnell, kostengünstig und sicher herzustellen.
Wie jede Fabrik ist sie mehr als ihre Maschinen. GPUs erledigen die Arbeit, doch der tatsächliche Durchsatz hängt vom Netzwerk ab, das sie verbindet, vom Speicher, der sie versorgt, von der Software, die sie plant, von Strom und Kühlung, die sie am Laufen halten, und von den Menschen, die die gesamte Linie betreiben. Die meisten enttäuschenden KI-Projekte scheitern, weil eines dieser Glieder unterdimensioniert war – nicht, weil die GPUs zu langsam waren.
Deshalb behandeln wir eine KI-Fabrik als ein durchgängig konstruiertes System mit einem einzigen Verantwortlichen. Wir dimensionieren sie nach der Arbeit, die Sie erledigen müssen, prüfen, ob Ihr Gebäude sie aufnehmen kann, bauen und testen sie in Großbritannien und halten sie nach der Inbetriebnahme am Laufen.
Warum Organisationen ernsthafte KI-Arbeit von gemieteten GPUs auf Infrastruktur verlagern, die sie selbst kontrollieren
Cloud-GPUs werden stundenweise abgerechnet, ob die Arbeit wertvoll ist oder nicht. Eigene Kapazität ist ein Fixkostenblock, sodass jede zusätzliche Abfrage, jeder Agentenlauf und jeder Trainingsjob die Kosten pro Einheit senkt. Sobald die Auslastung stabil ist, spricht die Rechnung meist für den Besitz.
Modelle, Prompts, Embeddings und Ausgaben verlassen niemals die Infrastruktur, die Sie kontrollieren. Das vereinfacht UK GDPR, branchenspezifische Aufsichtsbehörden und Kundenverträge erheblich und hält sensible Arbeit von geteilten Multi-Tenant-Plattformen fern.
Keine Kontingentanfragen, kein Warten auf freie Kapazität in einer Region, keine überraschenden Preisänderungen. Ihre Teams planen mit Kapazität, die Ihnen bereits gehört, und dringende Arbeit hat Vorrang, weil Sie die Prioritäten setzen.
Derselbe Cluster kann vortrainieren, feinabstimmen, Modelle bereitstellen, Retrieval über Ihre Dokumente ausführen und Agenten hosten. Workload-Scheduling teilt GPUs zwischen Teams auf, sodass teure Hardware ausgelastet ist, statt in einer Abteilung ungenutzt zu bleiben.
Jede NVIDIA-Generation erzeugt deutlich mehr Tokens pro Leistungseinheit als die vorherige. NVIDIA nennt für Blackwell-Ultra-Systeme bei latenzarmer agentischer Arbeit bis zu 50-mal mehr Ausgabe pro Megawatt als bei Hopper. Bei britischen Strompreisen ist Effizienz ein echter Budgetposten.
Sie wählen den Identitätsanbieter, die Netzwerkgrenze, das Logging und ob die Fabrik überhaupt mit dem Internet verbunden ist. Air-Gapped-Designs und Designs mit eingeschränktem Netzwerk sind möglich, wenn die Daten es erfordern.
Beginnen Sie mit einem Knoten oder einem Rack nach Referenzdesign und fügen Sie identische Racks hinzu, sobald sich der Bedarf bestätigt. Da jeder Schritt demselben Bauplan folgt, bedeutet Wachstum keine Neuplanung.
Feinabgestimmte Modelle, Evaluierungssets, Prompt-Bibliotheken und Agenten-Workflows werden zu Assets, die Ihnen gehören. Jedes Projekt auf der Fabrik macht das nächste schneller, statt einen Anbieter dafür zu bezahlen, Ihr Geschäft neu zu lernen.
Eigentum ist nicht für jeden das Richtige. Wenn Ihr GPU-Bedarf gelegentlich oder unvorhersehbar ist oder Sie Kapazität nur für einige Wochen benötigen, ist die Cloud oder ein kleines persönliches KI-System meist günstiger. Wir sagen es Ihnen, wenn das der Fall ist.
GPU-Server oder Rack-Scale-Systeme, dimensioniert für die Modelle, die Sie betreiben: Speicher pro GPU für die Modellgröße, die Größe der NVLink-Domäne dafür, wie weit sich ein Modell verteilen kann, und Präzisionsunterstützung (FP4 bis FP64) für die benötigte Mathematik.
Das GPU-zu-GPU-Netzwerk zwischen den Servern, aufgebaut auf NVIDIA Quantum InfiniBand oder Spectrum-X Ethernet mit 400 bis 800 Gb/s pro GPU. Es entscheidet, ob sich 32 GPUs wie eine große Maschine verhalten oder wie 32 kleine.
Paralleler oder durchsatzstarker Speicher, der die GPUs während Training und Checkpointing versorgt, plus ein eigenes Netzwerk dafür, damit Speicherverkehr nie mit GPU-Verkehr konkurriert.
NVIDIA AI Enterprise, NIM-Microservices, Kubernetes oder Slurm, Workload-Scheduling wie Run:ai und Clusterverwaltung wie Mission Control – so konfiguriert, dass Teams sich sicher selbst bedienen können.
Moderne GPU-Racks ziehen jeweils 30 bis über 100 kW. Stromzuführung, Wärmeabfuhr, direkte Flüssigkeitskühlung wo nötig und Bodenbelastung werden zuerst geplant – nicht erst am Liefertag entdeckt.
Monitoring, Firmware- und Treiber-Updates, Sicherheits-Patches, Modell-Rollouts und Kapazitätsplanung. Eine Fabrik, die nicht gut betrieben wird, verliert ihre Leistung nach und nach durch Ausfälle und Drift.
So läuft ein typisches KI-Fabrik-Projekt von Workstation ab
Wir beginnen bei der Arbeit, nicht bei der Hardware: welche Modelle, wie viele Nutzer, wie viele Tokens pro Tag, wie viel Training und wie schnell das Ganze wachsen muss. Daraus ergibt sich ein Zieldurchsatz, auf den wir hin planen können.
Wir prüfen Ihren Serverraum oder Ihre Colocation-Fläche auf Leistung pro Rack, Kühlkapazität, Bodenbelastung, Zugangswege und Netzanbindung. Wenn der Standort das Design nicht aufnehmen kann, sagen wir es Ihnen, bevor Sie etwas ausgeben.
Wir wählen Plattform und Netzwerk, erstellen ein Rack-Layout und eine Stückliste und klären Zuteilung sowie etwaige Exportkontrollprüfungen mit unseren Lieferanten, bevor wir uns auf ein verbindliches Angebot festlegen.
Die Systeme werden auf Rack-Ebene montiert, verkabelt und einem Belastungstest unterzogen, mit Validierung von GPU, Arbeitsspeicher, Netzwerk und Speicher – so werden Probleme in einer Testumgebung gefunden statt in Ihrer Datenhalle.
Wir installieren, verbinden die Fabric, spielen Betriebssystem, Treiber, Kubernetes oder Slurm und den NVIDIA-Software-Stack auf und führen vor der Übergabe Abnahmetests mit Ihrem Team durch.
Unser Service SysOps247 kann die Fabrik rund um die Uhr überwachen und warten, neue Modelle mit Ring Promoter sicher ausrollen und Secrets sowie Edge-Zugriff mit WSL Vault und WSL Proxy abgesichert halten.
Ein kurzer Leitfaden zu den NVIDIA-Rechenzentrumsplattformen, auf denen wir KI-Fabriken bauen. Jede hat eine eigene Seite mit Details.
| Plattform | GPUs pro Einheit | GPU-Speicher | Kühlung | Am besten für |
|---|---|---|---|---|
| HGX B300 Rack mit 32 GPUs | 32 (4 × 8) | 8,4 TB HBM3e | Luft oder Flüssigkeit | Reasoning-Inferenz und großes Training in Standard-Racks |
| Compal SGX30-2 (HGX-B300-Knoten) | 8 | 2,1 TB HBM3e | Luft | Ein zertifizierter, fertig spezifizierter B300-Knoten, bestellbar |
| HGX B200 Cluster | 8 pro Knoten | 1,4 TB pro Knoten | Luft oder Flüssigkeit | Gemischte KI- und FP64-Wissenschaftsberechnungen |
| GB300 NVL72 | 72 in einer NVLink-Domäne | 20 TB HBM3e | Flüssigkeit | Die größten Modelle und das schnellste Reasoning |
| GB200 NVL72 | 72 in einer NVLink-Domäne | 13,4 TB HBM3e | Flüssigkeit | Modelle mit Billionen Parametern, dazu starke FP64-Leistung |
| DGX SuperPOD | Hunderte bis Tausende | Skaliert in Einheiten | Flüssigkeit oder Luft | Ein schlüsselfertiger, von NVIDIA validierter KI-Supercomputer |
| RTX PRO 6000 KI-Fabrik | 8 pro Knoten | 768 GB pro Knoten | Luft | Unternehmensagenten, Visual Computing und Simulation |
| H200 NVL Server | Bis zu 8 pro Server | 141 GB pro GPU | Luft | Inferenz in bestehenden luftgekühlten Racks |
| Vera Rubin NVL72 | 72 in einer NVLink-Domäne | 288 GB HBM4 pro GPU | Flüssigkeit | Planung der nächsten Kapazitätsgeneration |
Die Speicherangaben sind die von NVIDIA veröffentlichten Gesamtwerte der jeweiligen Plattform. Das Netzwerk für jede Option behandeln wir auf unserer Seite zum KI-Fabrik-Networking.
Wählen Sie eine Plattform, um zu sehen, was sie leistet, was sie von Ihrem Standort braucht und wie wir sie liefern
NVIDIA-Rechenzentrums-GPUs werden von NVIDIA und den Serverherstellern zugeteilt, und die Lieferzeiten werden eher in Monaten als in Wochen gemessen. Komplette, getestete Systeme erhalten in der Regel früher eine Zuteilung als Einzelteile, daher bieten wir diese Plattformen als fertige Systeme an. Lieferungen außerhalb Großbritanniens und viele fortschrittliche GPUs auch im Inland erfordern eine Endverbleibs- und Verwendungsprüfung nach britischen und US-amerikanischen Exportvorschriften, bevor wir die Lieferung bestätigen können.
Trade-Mitglieder erhalten Zeit unserer Ingenieure für Beschaffungs- und Designfragen, frühen Zugriff auf Lagerbestände und Vorrang auf Wartelisten sowie kostenlosen technischen Support bei jeder Bestellung.
Ein GPU-Cluster ist die Hardware. Eine KI-Fabrik ist das gesamte Produktionssystem darum herum: Rechenleistung, Netzwerk, Speicher, Software, Standort und Betrieb, gemeinsam darauf ausgelegt, zuverlässig KI-Ergebnisse zu liefern. Ein Cluster ohne den Rest läuft meist weit unter seinem Potenzial.
Es gibt keine Mindestgröße. Viele Organisationen beginnen mit einem einzelnen 8-GPU-Server oder einem Rack nach Referenzdesign und fügen dann identische Racks hinzu. Entscheidend ist, dass der erste Schritt so gebaut ist, dass er ohne Neuplanung wachsen kann.
Nein. Die meisten Kunden nutzen eine britische Colocation-Einrichtung, die den Strom und die Kühlung liefern kann, die diese Systeme brauchen. Wir helfen Ihnen bei der Auswahl und übernehmen dort die Installation. Ein geeigneter Serverraum vor Ort funktioniert ebenfalls, wenn er unsere Standortprüfung besteht.
Die Beschaffung dauert am längsten. Die Lieferzeiten für NVIDIA-Rechenzentrumsplattformen werden derzeit in Monaten gemessen und hängen von der Zuteilung ab. Design und Standortprüfung laufen parallel zur Beschaffung, und Installation und Inbetriebnahme eines Racks dauern in der Regel einige Tage bis wenige Wochen, sobald die Hardware vor Ort ist.
Manchmal. Fortschrittliche NVIDIA-GPUs und KI-Systeme unterliegen britischen und US-amerikanischen Exportvorschriften. Wir benötigen Endnutzer, Verwendungszweck und Installationsort, bevor wir die Lieferung bestätigen können, und für manche Ziele ist eine Lizenz nötig, deren Erteilung Zeit braucht oder verweigert werden kann.
Wir. Hardwaregarantie und NVIDIA-Softwaresupport laufen über uns, und unsere britischen Ingenieure übernehmen den First-Level-Support. Trade-Mitglieder erhalten bei jeder Bestellung kostenlosen technischen Support, und SysOps247 ergänzt Überwachung und Betrieb rund um die Uhr.
Sagen Sie uns, was sie produzieren soll, wie viele Menschen sie nutzen werden und wo sie stehen würde. Ein Ingenieur meldet sich mit einer dimensionierten Empfehlung und einer ehrlichen Einschätzung, ob sich Eigentum für Sie lohnt.