NVIDIA CEO Jensen Huang gebruikte de keynote openingstoespraak op Taiwan's Computex 2024 evenement om next-gen tech te onthullen en de roadmap die het bedrijf zal volgen om het leidende AI-hardwareplatform te worden.
Het thema van zijn toespraak was "Alles versnellen" en Huang onthulde nieuwe chips, snellere AI-netwerken en een ambitieuze ontwikkelingsroadmap. Van AI-pc's tot enorme AI-fabrieken, NVIDIA wil de enabler zijn van wat er komen gaat met AI.
"De toekomst van computergebruik wordt versneld," zei Huang. "Met onze innovaties op het gebied van AI en versneld computergebruik verleggen we de grenzen van wat mogelijk is en stimuleren we de volgende golf van technologische vooruitgang."
Hier volgt een korte blik op enkele van de aankondigingen:
Nieuwe chips
De Blackwell GPU's komen net van de productielijn, maar Huang zegt dat we later dit jaar al een verbeterde Blackwell Ultra GPU kunnen verwachten. Hij zei dat NVIDIA elk jaar een nieuwe familie chips zal uitbrengen.
"Ons bedrijf heeft een eenjarig ritme. Onze basisfilosofie is heel eenvoudig: bouw de volledige schaal van het datacenter, splits de onderdelen op en verkoop ze aan u op een ritme van één jaar, en verleg alles naar de technologische grenzen", legt Huang uit.
Huang kondigde aan dat in 2026 zijn Rubin-platform de opvolger wordt van de Blackwell GPU-familie.
AI-fabrieken
Huang noemde verschillende computerbedrijven die "AI-fabrieken" zullen bouwen die cloud, on-premises, embedded en edge AI-systemen zullen leveren met behulp van NVIDIA GPU's en netwerken.
Huang zei: "De volgende industriële revolutie is begonnen. Bedrijven en landen werken samen met NVIDIA om de triljoen dollar kostende traditionele datacenters te verschuiven naar versneld computergebruik en een nieuw type datacenter te bouwen - AI-fabrieken - om een nieuwe grondstof te produceren: kunstmatige intelligentie."
NVIDIA MGX (Modular Server Reference Architecture) is een blauwdruk voor het bouwen van datacenterservers die zich richt op versneld computergebruik. Het maakt gebruik van een gestandaardiseerde aanpak voor het bouwen van servers met NVIDIA-producten, waardoor het een stuk eenvoudiger wordt om deze AI-fabrieken te bouwen.
NVIDIA Spectrum-X
NVIDIA gebruikt NVLink om gegevens tussen GPU's te verplaatsen, maar het verplaatsen van gegevens tussen GPU-pods binnen of tussen datacenters vormt een extra uitdaging.
NVIDIA Spectrum-X is 's werelds eerste Ethernet-netwerkplatform dat speciaal is ontworpen om de prestaties van AI-workloads te verbeteren. Uiteraard is NVIDIA Spectrum-X geoptimaliseerd voor NVIDIA's hardware.
NVIDIA zegt dat Spectrum-X de prestaties van generatieve AI-netwerken met 1,6x versnelt ten opzichte van traditionele Ethernet-weefsels.
Vorige week meldden we dat Big Tech computerbedrijven werken aan de ontwikkeling van een open versnelde AI-netwerkstandaard zonder inbreng van NVIDIA.
Toch zegt Huang dat Spectrum-X al wordt gebruikt door bedrijven als Dell Technologies, Hewlett Packard Enterprise en Lenovo.
NIM
NVIDIA NIM, wat staat voor NVIDIA Inference Microservices, is een set tools die is ontworpen om de inzet van generatieve AI-modellen te vereenvoudigen en te versnellen.
Voordat je een AI-model kunt gebruiken, moeten ontwikkelaars het implementeren. In plaats van te moeten sleutelen aan de moeren en bouten van dat proces, vereenvoudigen NVIDIA NIM's de implementatie door AI-modellen automatisch te containeren en te optimaliseren voor NVIDIA-hardware.
Het is net als het verschil tussen alle ingrediënten voor een maaltijd kopen, hakken en samenstellen versus een kant-en-klare maaltijd in de oven stoppen.
Huang kondigde aan dat de Llama 3 NIM nu beschikbaar is als gratis download voor ontwikkelaars om uit te proberen. Huang onthulde ook Nvidia Ace NIMs, waaronder een Digital Human-model dat AI-mensenmodellen met levensechte huid kan genereren.
Je kunt de volledige keynote bekijken voor meer details over AI RTX-aangedreven pc's en laptops, Nividia's Isaac ROS 3.0 robotica-platform en hoe fabrieken NVIDIA's technologie gebruiken om digitale tweelingen van hun fabrieken te maken om robots te trainen.
