Společnost NVIDIA představila nástroj DSX Air, který nabízí digitální dvojče AI továrny na úrovni jednotlivých uzlů. Systém modeluje infrastrukturu i softwarová rozhraní, takže technické týmy mohou konfigurace a softwarové změny ověřit dřív, než dorazí hardware. Uzlové dvojče přitom zachycuje podporovaný software a API, a týmy tak mohou pracovat v reprezentativním prostředí ještě před dostupností hardwaru nebo nasazením do produkce.
Virtuální modelování infrastruktury v rámci DSX Air funguje podle NVIDIA jako bezpečné prostředí přístupné přes API. Na rozdíl od fyzické repliky v něm mohou platformní týmy modelovat topologii hardwaru i softwarový stack, zkoušet změny, sledovat chování systému a ověřovat výsledky ještě předtím, než zasáhnou do produkce.
Role AI agentů a řízená automatizace
Role AI agentů a řízená automatizace v tomto ekosystému spočívají v tom, že agenti dostávají jasně vymezený cíl a sadu schválených nástrojů. Tyto nástroje jim umožňují dotazovat se na digitální dvojče nebo v něm provádět změny, po kterých agent vyhodnotí výsledný stav systému. Na základě této analýzy následně poskytuje doporučení podložená konkrétními důkazy, případně může autonomně spustit předem definovaný a řízený pracovní postup, což zefektivňuje proces validace změn v infrastruktuře. Tento mechanismus umožňuje agentům fungovat jako inteligentní vrstva mezi administratorem a infrastrukturou. Agent neprovádí změny náhodně, ale postupuje v rámci striktně definovaného cyklu: od dotazu na aktuální stav digitálního dvojčete, přes aplikaci změny pomocí schváleného nástroje, až po analýzu výsledného stavu. Výsledkem není pouze oznámení o provedení operace, ale komplexní doporučení podložené konkrétními daty ze simulace, což umožňuje lidem efektivněji rozhodovat o nasazení změn v reálném prostředí.
Celý proces je koncipován jako řízená automatizace, nikoli jako neomezený přístup agentů do produkčního prostředí. Simulace v digitálním dvojčeti slouží jako pískoviště, kde lze experimentovat bez zásahu do reálného provozu. O tom, zda výsledek nebo změna může ovlivnit produkci, rozhodují kontroly politik a schvalování člověkem, tedy tzv. „human-in-the-loop gates“.
Integrace s výpočetním výkonem NVIDIA Brev
Služba NVIDIA Brev nabízí vývojářům a pracovním postupům GPU prostředky na vyžádání. V prostředí DSX Air se uživatel může k Brev připojit, vybrat GPU-backed launchable a zpřístupnit tento zdroj workflow logického dvojčete. Týmy tak mohou spustit AI službu potřebnou pro experiment či workflow, propojit ji s reprezentativním prostředím továrny a nechat agenty provádět ověřené úlohy proti tomuto prostředí.
Díky těmto schopnostem mohou týmy spustit konkrétní AI služby potřebné pro experimenty a připojit je k reprezentativnímu prostředí továrny. To umožňuje agentům provádět ověřené úlohy přímo proti simulovanému prostředí, což výrazně zefektivňuje validaci změn v infrastruktuře c10. Celý proces probíhá v rámci cyklu od počátečního návrhu a dimenzování přes provisioning až po pozorování a optimalizaci, přičemž agenti pod lidským dohledem kontrolují, validují a doporučují konkrétní kroky v simulaci v1.
Praktické využití v analýze videa
Praktické využití v analýze videa demonstruje NVIDIA AI Blueprint pro Video Search and Summarization (VSS), který ukazuje možnosti implementace agentních pracovních postupů. V tomto konkrétním scénáři je prostředí VSS simulováno v rámci platformy NVIDIA DSX Air, což umožňuje testování funkcí v kontrolovaném digitálním prostředí. Samotné velké jazykové modely (LLM) však neběží přímo v simulaci, nýbrž jsou umístěny na externích GPU instancích poskytovaných službou NVIDIA Brev c11.
V ukázce s NVIDIA AI Blueprint pro Video Search and Summarization je prostředí VSS simulováno v DSX Air. Modely AI běží mimo simulaci na GPU instancích poskytovaných přes NVIDIA Brev a VSS se k nim připojuje, aby mohl analyzovat a vyhledávat videa.
Životní cyklus a limity simulace
Životní cyklus a limity simulace Uzlová simulace v roli logického digitálního dvojčete není navržena tak, aby zcela nahradila všechny existující simulační techniky. Místo toho slouží primárně jako integrační a validační vrstva, která doplňuje specializované přístupy. Samostatné modely zaměřené na výkon, paměť či spotřebu energie mohou pomoci při plánování kapacity a zdrojů, ale pouze v rámci své konkrétní ověřené oblasti. Týmy tak musí jasně rozlišovat mezi výstupy těchto specifických modelů a konfiguracemi či chováním softwaru, které jsou následně validovány v prostředí DSX Air c8. Tato specializace znamená, že zatímco modely pro výkon nebo spotřebu energie poskytují kvantitativní data pro plánování kapacity (např. kolik energie bude cluster spotřebovat), DSX Air se zaměřuje na kvalitativní validaci chování softwaru a konfigurace. Týmy tedy nesmí zaměňovat predikce energetické náročnosti s potvrzením funkčnosti softwarového rozhraní. DSX Air tak doplňuje analytické modely tím, že ověřuje, zda vybraná konfigurace skutečně umožní aplikacím správně komunikovat a fungovat v rámci zadaných parametrů.
Proces simulace není vnímán jako jednorázový úkol při návrhu, ale jako součást provozního systému. Zpětná vazba se tak rozšiřuje napříč celým životním cyklem, od plánování v Day 0 přes nasazení v Day 1 až po samotný provoz v Day 2. K tomuto procesu jsou využíváni specializovaní agenti: designový agent hodnotí topologie před dostupností hardwaru, validační agent kontroluje rozhraní a bezpečnost, a provozní agent identifikuje anomálie v infrastruktuře. Celý cyklus uzavírá agent pro průběžné zlepšování, který využívá výsledky z nasazených workflow k aktualizaci scénářů a politik v logickém dvojčeti c13. V rámci Day 0 (plánování) designový agent optimalizuje topologii sítě a umístění uzlů ještě před nákupem hardwaru. V Day 1 (nasazení) validační agent kontroluje, zda změny v konfiguraci neohrožují izolaci tenantů nebo bezpečnostní pravidla. V Day 2 (provoz) provozní agent sleduje anomálie a drift infrastruktury, tedy odchylky od původního návrhu, a připravuje podklady pro nápravu. Celý tento cyklus uzavírá agent pro průběžné zlepšování, který analyzuje reálné výsledky z provozu a zpětně aktualizuje scénáře v digitálním dvojčeti, čímž zvyšuje přesnost budoucích simulací.
Grafy a schéma pocházejí z původního článku uvedeného ve zdrojích.
Zdroje
- Validate AI Factory Changes with Digital Twins and AI Agents | NVIDIA Technical Blog — NVIDIA Developer Blog
Článek vznikl s pomocí AI; podklady a odkazy jsou uvedeny výše.