نویدیا مدیرعامل جنسن هوانگ مجموعه ای از پیشرفت های پیشگامانه در قابلیت های محاسبات هوش مصنوعی را در این شرکت اعلام کرد GTC مارس 2025 اصلی، با توصیف آنچه که او “نقطه تورم محاسبات 1 تریلیون دلاری” نامید. کلید اصلی آمادگی تولید را نشان داد معماری GPU بلکول، یک نقشه راه چند ساله برای معماری های آینده ، پیشرفت های اساسی در شبکه هوش مصنوعی ، راه حل های جدید AI شرکت و پیشرفت های چشمگیر در روباتیک و هوش مصنوعی فیزیکی.
“اقتصاد توکن” و کارخانه های هوش مصنوعی
اصلی برای چشم انداز هوانگ مفهوم “نشانه ها” به عنوان بلوک های اساسی ساختاری هوش مصنوعی و ظهور “کارخانه های هوش مصنوعی” به عنوان مراکز داده تخصصی است که برای محاسبات تولیدی طراحی شده است.
هوانگ به مخاطبان گفت: “اینگونه اطلاعات ساخته می شود ، نوع جدیدی از تولید کننده توکن ها ، بلوک های ساختمانی از هوش مصنوعی. توکن ها مرز جدیدی را باز کرده اند.” وی تأکید کرد که توکن ها می توانند “تصاویر را به داده های علمی تبدیل کنند که جوهای بیگانه را ترسیم می کنند ،” قوانین فیزیک را رمزگشایی می کنند “و” قبل از نگه داشتن بیماری ، بیماری را ببینید. “
این چشم انداز نشان دهنده تغییر از “محاسبات بازیابی” سنتی به “محاسبات مولد” است ، جایی که هوش مصنوعی زمینه را درک می کند و به جای اینکه فقط داده های از پیش ذخیره شده را بدست می آورد ، جواب می دهد. به گفته هوانگ ، این انتقال به نوع جدیدی از معماری مرکز داده نیاز دارد که در آن “رایانه به مولد نشانه ها تبدیل شده است ، نه بازیابی پرونده ها.”
معماری Blackwell سود عملکرد گسترده ای را ارائه می دهد
معماری NVIDIA Blackwell GPU ، اکنون در “تولید کامل” ، آنچه را که شرکت ادعا می کند “40 برابر عملکرد هاپپر” برای مدل های استدلال در شرایط قدرت یکسان است ، ارائه می دهد. این معماری شامل پشتیبانی از دقت FP4 است که منجر به بهبود قابل توجه بهره وری انرژی می شود.
هوانگ اظهار داشت: “ISO Power ، Blackwell 25 برابر است.”
معماری بلکول همچنین از طریق فناوری هایی مانند NVLINK 72 از مقیاس شدید پشتیبانی می کند و امکان ایجاد سیستم های GPU گسترده و یکپارچه را فراهم می کند. هوانگ پیش بینی کرد که عملکرد بلکول باعث می شود GPU های نسل قبلی برای خواستار بار کاری هوش مصنوعی به طور قابل توجهی کمتر مطلوب شوند.
(منبع: nvidia)
نقشه راه قابل پیش بینی برای زیرساخت های هوش مصنوعی
Nvidia برای نوآوری های زیرساخت هوش مصنوعی خود یک سالانه منظم را تشریح کرد و به مشتریان این امکان را می داد تا سرمایه گذاری های خود را با اطمینان بیشتر برنامه ریزی کنند:
- Blackwell Ultra (نیمه دوم سال 2025): ارتقاء به سکوی Blackwell با افزایش فلاپ ها ، حافظه و پهنای باند.
- ورا روبین (نیمه دوم سال 2026): یک معماری جدید که شامل یک پردازنده با عملکرد مضاعف ، یک پردازنده گرافیکی جدید و NVLINK و فناوری های نسل بعدی است.
- Rubin Ultra (نیمه دوم سال 2027): یک معماری مقیاس شدید با هدف 15 اگزلاپ محاسبه در هر قفسه.
دموکراتیک کردن هوش مصنوعی: از شبکه تا مدل ها
برای تحقق چشم انداز پذیرش گسترده AI ، NVIDIA راه حل های جامع را در زمینه شبکه سازی ، سخت افزار و نرم افزار اعلام کرد. در سطح زیرساخت ها ، این شرکت به چالش اتصال صدها هزار یا حتی میلیون ها GPU در کارخانه های هوش مصنوعی از طریق سرمایه گذاری های قابل توجه در فناوری فوتونیک سیلیکون پرداخته است. اولین سیستم فوتونی سیلیکون با هم بسته بندی شده Optics (CPO) ، یک CPO 1.6 ترابایت در ثانیه مبتنی بر فناوری تعدیل کننده تشدید کننده حلقه میکرو (MRM) ، نوید صرفه جویی در انرژی قابل توجهی و افزایش چگالی در مقایسه با فرستنده های سنتی ، امکان اتصالات کارآمدتر بین تعداد انبوه GPU ها در سایت های مختلف را فراهم می کند.
Nvidia در حالی که پایه و اساس کارخانه های AI در مقیاس بزرگ را ایجاد می کند ، همزمان قدرت محاسبات هوش مصنوعی را به افراد و تیم های کوچکتر می آورد. این شرکت خط جدیدی را معرفی کرد ابر رایانه های هوش مصنوعی DGX که از پلت فرم Grace Blackwell استفاده می کنندبا هدف توانمندسازی توسعه دهندگان ، محققان و دانشمندان داده. این ترکیب شامل DGX Spark ، یک سکوی توسعه جمع و جور و ایستگاه DGX ، یک ایستگاه کاری با کارایی بالا با خنک کننده مایع و 20 petaflops چشمگیر محاسبات است.
NVIDIA DGX Spark (منبع: Nvidia)
Nvidia با تکمیل این پیشرفت های سخت افزاری ، Open را اعلام کرد خانواده مدل های Llama Nemotron با قابلیت های استدلال ، طراحی شده است که برای ساختن پیشرفته سازمانی باشد عوامل هوش مصنوعیبشر این مدل ها در NVIDIA NIM (میکروسرویسهای استنتاج NVIDIA) ادغام شده اند و به توسعه دهندگان این امکان را می دهد تا آنها را از طریق سیستم عامل های مختلف از ایستگاه های کاری محلی تا ابر مستقر کنند. این رویکرد بیانگر یک راه حل کامل برای پذیرش AI شرکت است.
هوانگ تأکید کرد که این ابتکارات از طریق همکاری های گسترده با شرکت های بزرگ در صنایع متعدد که در حال ادغام مدل های NVIDIA ، NIM و کتابخانه ها در استراتژی های هوش مصنوعی خود هستند ، افزایش می یابد. این رویکرد اکوسیستم با هدف تسریع در پذیرش ضمن فراهم کردن انعطاف پذیری برای نیازهای مختلف شرکت و موارد استفاده.
هوش مصنوعی و روباتیک: یک فرصت 50 تریلیون دلاری
طبق گفته هوانگ ، نویدیا هوش مصنوعی و روباتیک را “فرصت 50 تریلیون دلاری” می داند. این شرکت اعلام کرد منبع باز Nvidia Isaac GR00T N1 ، که به عنوان “الگوی بنیاد عمومی برای روبات های انسانی” توصیف شده است.
به روزرسانی های قابل توجه در مدل های بنیاد جهانی NVIDIA COSTOS ، کنترل بی سابقه ای بر تولید داده های مصنوعی برای آموزش ربات با استفاده از nvidia oumniverse ارائه می دهد. همانطور که هوانگ توضیح داد ، “استفاده از Omniverse برای شرط کیهان و کیهان برای تولید تعداد نامحدودی از محیط ، به ما امکان می دهد تا داده هایی را ایجاد کنیم که توسط ما کنترل شود ، کنترل شود و در عین حال به طور سیستماتیک بی نهایت همزمان باشد.”
این شرکت همچنین از یک موتور جدید فیزیک منبع باز به نام “نیوتن” رونمایی کرد که با همکاری Google Deepmind و Disney Research ساخته شده است. این موتور برای شبیه سازی روباتیک با وفاداری بالا ، از جمله بدنهای سفت و نرم ، بازخورد لمسی و شتاب GPU طراحی شده است.
اسحاق GR00T N1 (منبع: Nvidia)
هوش مصنوعی عامل و تحول صنعت
هوانگ “عامل AI” را به عنوان هوش مصنوعی با “آژانس” تعریف کرد که می تواند “درک و درک زمینه” ، “دلیل” و “برنامه ریزی و اقدام” را حتی با استفاده از ابزارها و یادگیری از اطلاعات چندمودالی تعریف کند.
هونگ توضیح داد: “هوش مصنوعی عامل اساساً به این معنی است که شما یک هوش مصنوعی دارید که دارای نمایندگی است. می تواند زمینه این شرایط را درک و درک کند. این می تواند استدلال کند ، بسیار مهم می تواند در مورد چگونگی پاسخگویی یا چگونگی حل یک مشکل استدلال کند و می تواند برنامه ریزی و عمل کند. این می تواند برنامه ریزی و اقدام کند.
این توانایی باعث افزایش تقاضاهای محاسباتی می شود: “میزان نیاز محاسبات ، قانون مقیاس گذاری هوش مصنوعی مقاومت بیشتری دارد و در واقع بیش از حد شتاب می یابد. میزان محاسباتی که ما در این مرحله به عنوان یک نتیجه از AI عامل نیاز داریم ، در نتیجه استدلال ، به راحتی صد برابر بیشتر از آنچه تصور می کردیم سال گذشته به آن احتیاج داریم.”
خط پایین
نکته اصلی Jensen Huang’s GTC 2025 دیدگاه کاملی از آینده ای محور AI را ارائه می دهد که توسط عوامل هوشمند ، روبات های خودمختار و کارخانه های هدفمند AI ساخته شده است. اعلامیه های NVIDIA در سراسر معماری سخت افزار ، شبکه سازی ، نرم افزار و مدل های منبع باز نشانگر عزم شرکت برای برق و تسریع در دوره بعدی محاسبات است.
از آنجا که محاسبات تغییر خود را از مدلهای مبتنی بر بازیابی به مدلهای تولیدی ادامه می دهد ، تمرکز NVIDIA بر روی نشانه ها به عنوان ارز اصلی هوش مصنوعی و قابلیت های مقیاس گذاری در سراسر ابر ، شرکت و سیستم عامل های روباتیک ، نقشه راه برای آینده فناوری را فراهم می کند ، با پیامدهای گسترده ای برای صنایع در سراسر جهان.
