با شروع انتشار CUDA در سال 2006، NVIDIA پیشرفت هایی را در هوش مصنوعی و محاسبات شتاب داده انجام داده است. لیست TOP500 این یکی از قدرتمندترین ابر رایانه های جهان است که اوج دستاوردهای این شرکت در این زمینه را برجسته می کند.

امسال، 384 سیستم در لیست TOP500 از فناوری‌های NVIDIA پشتیبانی می‌کنند. از 53 سیستم جدید موجود در لیست، 87٪ – 46 سیستم – تسریع شده اند. از این سیستم‌های شتاب‌دار، 85 درصد در حال استفاده هستند پردازنده‌های گرافیکی NVIDIA Hopper، باعث پیشرفت در زمینه هایی مانند پیش بینی آب و هوا، کشف مواد مخدر و شبیه سازی کوانتومی.

محاسبات تسریع شده بسیار بیشتر از عملیات ممیز شناور در ثانیه (FLOPS) است. نیاز به بهینه سازی کامل و اختصاصی اپلیکیشن دارد. در SC24 این هفته، NVIDIA راه اندازی … cuPyNumeric، آن Nvidia CUDA-X کتابخانه ای که بیش از 5 میلیون توسعه دهنده را قادر می سازد تا بدون تغییر کد پایتون خود، به خوشه های محاسباتی قدرتمند مقیاس شوند.

انویدیا همچنین به روز رسانی های مهمی را برای NVIDIA CUDA-Q پلتفرم توسعه، که محققان کوانتومی را قادر می سازد دستگاه های کوانتومی را در مقیاسی شبیه سازی کنند که قبلا تصور می شد از نظر محاسباتی غیرممکن است.

انویدیا نزدیک به دوازده جایزه HPCwire Readers و Editors’ Choice را در دسته‌های مختلف دریافت کرد و بیستمین سال متوالی آن را به رسمیت شناخت.

عصر جدیدی از اکتشافات علمی با دقت ترکیبی و هوش مصنوعی

عملیات ممیز شناور با دقت ترکیبی و هوش مصنوعی به ابزارهای انتخابی برای محققانی تبدیل شده اند که با پیچیدگی های علم مدرن دست و پنجه نرم می کنند. سرعت، کارایی و سازگاری بیشتری نسبت به روش‌های سنتی، بدون به خطر انداختن دقت، فراهم می‌کند.

این تغییر فقط تئوری نیست، در حال حاضر در حال وقوع است. در SC24، دو پروژه نهایی گوردون بل نشان دادند که چگونه استفاده از هوش مصنوعی و دقت ترکیبی به پیشرفت ژنومیک و طراحی پروتئین کمک کرده است.

دیوید کیز، استاد دانشگاه علم و فناوری ملک عبدالله، در مقاله خود، «استفاده از دقت ترکیبی برای ژنومیک»، از 0.8 اگزافلاپس دقت ترکیبی استفاده کرد. بررسی روابط بین ژنوم ها و الگوهای ژنتیکی تعمیم یافته آنها و در نتیجه میزان بیماری هایی که آنها در معرض آنها قرار دارند.

به همین ترتیب، آرویند راماناتان، زیست شناس محاسباتی از آزمایشگاه ملی آرگون، گفت: برای تسریع در طراحی پروتئین، 3 اگزافلاپس عملکرد هوش مصنوعی را در سیستم آلپ که NVIDIA Grace Hopper را اجرا می کند، مهار کرد.

محققان می توانند از این فناوری برای پیشبرد کشف داروهای مبتنی بر هوش مصنوعی و توسعه درمان های نجات دهنده استفاده کنند Nvidia Pionemoابزارهای قدرتمندی که به طور خاص برای کاربردهای دارویی طراحی شده اند. اکنون در متن باز، چارچوب Bionimo این می تواند ایجاد، سفارشی سازی و استقرار مدل های هوش مصنوعی برای کشف دارو و طراحی مولکولی را تسریع بخشد.

در سراسر TOP500، استفاده گسترده از هوش مصنوعی و عملیات ممیز شناور با دقت ترکیبی نشان دهنده تغییر جهانی در اولویت های محاسباتی است. در مجموع 249 اگزافلاپس عملکرد هوش مصنوعی در حال حاضر برای سیستم های TOP500 در دسترس است که به نوآوری ها و اکتشافات در صنایع دامن می زند.

سیستم‌های شتاب‌دار TOP500 NVIDIA در معیارهای کلیدی مانند عملکرد سیستم هوش مصنوعی و HD برتری دارند. با بیش از 190 اگزافلاپس عملکرد هوش مصنوعی و 17 اگزافلاپس تک دقیق (FP32)، پلتفرم محاسباتی تسریع شده NVIDIA موتور جدیدی برای محاسبات علمی است. NVIDIA همچنین 4 اگزافلاپس عملکرد با دقت دوگانه (FP64) را برای برخی از محاسبات علمی که هنوز به آن نیاز دارند ارائه می دهد.

محاسبات تسریع شده محاسبات پایدار است

با افزایش تقاضا برای قابلیت های محاسباتی، نیاز به پایداری نیز افزایش می یابد.

در فهرست Green500 از کارآمدترین ابررایانه‌های جهان، سیستم‌های مجهز به رایانش شتاب‌دهی NVIDIA در بین 8 تا از 10 تای برتر قرار دارند. برای مثال، سیستم JEDI شرکت EuroHPC/FZJ، به سرعت چشمگیر 72.7 گیگافلاپ در هر وات دست می‌یابد که معیاری برای چه چیزی است. زمانی امکان پذیر است که عملکرد و پایداری همسو باشند.

برای پیش بینی آب و هوا، NVIDIA در SC24 اعلام کرد دو میکروسرویس جدید NVIDIA NIM برای NVIDIA Earth-2یک پلت فرم دیجیتال دوگانه برای شبیه سازی و تجسم شرایط آب و هوا و آب و هوا. ریزسرویس‌های CorrDiff NIM و FourCastNet NIM می‌توانند مدل‌سازی و نتایج شبیه‌سازی تغییرات آب و هوا را تا ۵۰۰ برابر سرعت بخشند.

در دنیایی که به طور فزاینده ای نسبت به ردپای محیطی خود آگاه است، نوآوری های NVIDIA در محاسبات تسریع عملکرد بالا را با بهره وری انرژی متعادل می کند تا به آینده ای روشن تر و پایدارتر کمک کند.

جامعه ابر رایانه‌ها از NVIDIA استقبال می‌کنند

11 جایزه انتخاب خوانندگان و انتخاب ویرایشگران NVIDIA از HPCwire نشان دهنده کار کل جامعه علمی مهندسان، توسعه دهندگان، محققان، شرکا، مشتریان و غیره است.

جوایز شامل:

• انتخاب خوانندگان: بهترین محصول یا فناوری هوش مصنوعی – تراشه برتر NVIDIA GH200 Grace Hopper
• انتخاب خوانندگان: بهترین محصول یا فناوری HPC Interconnect – Nvidia Quantum-X800
• انتخاب خوانندگان: بهترین محصول یا فناوری سرور HPC – چیپ CPU Grace برتر NVIDIA
• انتخاب خوانندگان: 5 محصول یا فناوری جدید برتر برای تماشا – Nvidia Quantum-X800
• انتخاب خوانندگان: 5 محصول یا فناوری جدید برتر برای تماشا – Nvidia Spectrum-X
• انتخاب خوانندگان و ویراستاران: 5 محصول یا فناوری برتر جدید که ارزش بررسی دارند – پردازنده گرافیکی بلک ول انویدیا
• انتخاب ویراستاران: 5 محصول یا فناوری برتر جدید که ارزش بررسی دارند – NVIDIA CUDA-Q
• انتخاب خوانندگان: 5 فروشنده برتر برای تماشا – انویدیا
• انتخاب خوانندگان: بهترین پاسخ HPC به ناملایمات اجتماعی – Nvidia Earth-2
• انتخاب ویراستاران: بهترین استفاده از HPC در انرژی (یکی از مشارکت کنندگان ذکر شده) – شبیه سازی زمان واقعی مهاجرت ستون دی اکسید کربن در جذب و ذخیره کربن
• جایزه انتخاب خوانندگان: بهترین همکاری HPC (یکی از 11 مشارکت کننده نامگذاری شده) – پایلوت ملی منابع تحقیقاتی هوش مصنوعی

راه اندازی مجدد NVIDIA را تماشا کنید آدرس خصوصی در SC24 و اطلاعات بیشتر در مورد اخبار شرکت در گروه مطبوعات آنلاین SC24.

ببینید متوجه می شود در مورد اطلاعات محصولات نرم افزاری.

در حالی که شرکت کنندگان در کنفرانس تغییرات آب و هوایی سازمان ملل متحد (COP29) در باکو، آذربایجان، گرد هم می آیند تا به تغییرات آب و هوایی بپردازند، نقشی که هوش مصنوعی در پایداری محیطی ایفا می کند، در اولویت قرار دارد.

پانلی که توسط Deloitte میزبانی شد، رهبران صنعت را گرد هم آورد تا راه‌هایی را برای کاهش ردپای زیست‌محیطی هوش مصنوعی و همسو کردن رشد آن با اهداف آب و هوایی بررسی کنند.

کارشناسان Crusoe Energy Systems، EON، آژانس بین المللی انرژی (IEA) و NVIDIA در مورد بهره وری انرژی در هوش مصنوعی به گفتگو نشستند.

تاثیر هوش مصنوعی بر محیط زیست

آخرین گزارش Deloitte، تقویت هوش مصنوعی: مطالعه ردپای زیست‌محیطی هوش مصنوعی، پتانسیل هوش مصنوعی را برای به حرکت درآوردن اقتصاد خنثی از آب و هوا نشان می‌دهد. این مطالعه چگونگی دستیابی سازمان‌ها به هوش مصنوعی سبز را در دهه‌های آینده بررسی می‌کند و به استفاده از هوش مصنوعی انرژی می‌پردازد.

تجزیه و تحلیل Deloitte پیش بینی می کند که استفاده از هوش مصنوعی باعث افزایش تقاضای انرژی در مراکز داده خواهد شد که احتمالاً تا سال 2030 به 1000 تراوات ساعت خواهد رسید و تا سال 2050 احتمالاً به 2000 تراوات ساعت خواهد رسید نسبت به سال گذشته و کاربردهای دیگر مانند خودروهای برقی و تولید هیدروژن سبز.

در حالی که مراکز داده در حال حاضر حدود 2 درصد از کل برق را مصرف می کنند و هوش مصنوعی بخش کوچکی از آن را نشان می دهد، بحث در COP29 بر نیاز به برآورده کردن تقاضای رو به رشد انرژی با منابع انرژی پاک برای حمایت از اهداف آب و هوایی جهانی تأکید کرد.

بهره وری انرژی از A تا Z

NVIDIA با نوآوری هایی مانند GPU های خنک شونده مایع، عملیات مرکز داده با مصرف انرژی کارآمد را در اولویت قرار داده است. خنک کننده مایع مستقیم به تراشه به مراکز داده اجازه می دهد تا سیستم ها را به طور موثرتری نسبت به تهویه مطبوع سنتی خنک کنند و انرژی و آب کمتری مصرف کنند.

جاش پارکر، مدیر ارشد حقوقی – پایداری شرکتی در NVIDIA می گوید: «ما شاهد یک روند بسیار سریع به سمت خنک کننده مایع مستقیم با تراشه هستیم، که به این معنی است که تقاضای آب در مراکز داده در حال حاضر به طور قابل توجهی کاهش می یابد.

همانطور که هوش مصنوعی در حال گسترش است، آینده مراکز داده از ابتدا به طراحی برای بهره وری انرژی بستگی دارد. با اولویت دادن به بهره وری انرژی از پایه، مراکز داده می توانند نیازهای رو به رشد هوش مصنوعی را برآورده کنند و در عین حال به آینده ای پایدارتر کمک کنند.

پارکر تاکید کرد که زیرساخت مرکز داده فعلی قدیمی و کارآمدتر است. او گفت: «داده‌ها نشان می‌دهند که اجرای بارهای کاری روی پلت‌فرم‌های محاسباتی شتاب ده برابر کارآمدتر از پلت‌فرم‌های مرکز داده سنتی است. “فرصت بزرگی برای ما وجود دارد تا انرژی مصرف شده در زیرساخت های موجود را کاهش دهیم.”

مسیر محاسبات سبز

بر اساس مطالعه Deloitte، هوش مصنوعی این پتانسیل را دارد که نقش مهمی در حرکت به سمت اقتصادهای خنثی از آب و هوا ایفا کند. این رویکرد که اغلب هوش مصنوعی سبز نامیده می شود، شامل کاهش اثرات زیست محیطی هوش مصنوعی در سراسر زنجیره ارزش از طریق اقداماتی مانند خرید انرژی های تجدیدپذیر و بهبود طراحی سخت افزار است.

تا پیش از این، رهبران صنعت عمدتاً هوش مصنوعی سبز را هدایت می کردند. برای مثال، محاسبات نمایی را در نظر بگیرید، که در مورد انجام بیشتر با کمتر است. از سخت‌افزار ویژه‌ای مانند واحدهای پردازش گرافیکی برای انجام سریع‌تر و با قدرت کمتر نسبت به سرورهای همه‌منظوره که از CPU استفاده می‌کنند، استفاده می‌کند که یک کار را در یک زمان انجام می‌دهند.

به همین دلیل است که محاسبات تسریع شده را محاسبات پایدار در نظر می گیرند.

پارکر گفت: «محاسبات تسریع شده در واقع کم مصرف ترین پلتفرمی است که برای هوش مصنوعی، و همچنین برای بسیاری از برنامه های محاسباتی دیگر دیده ایم.

روند بهره وری انرژی در محاسبات تسریع شده طی چند سال گذشته نشان دهنده کاهش 100000 برابری مصرف انرژی است که ما در استنباط هوش مصنوعی 25 برابر کارآمدتر شده ایم برای حجم کار محاسباتی یکسان

کاهش مصرف انرژی در بخش های مختلف

نوآوری هایی مانند معماری بلک ول و هاپر NVIDIA به طور چشمگیری بازده انرژی را با هر نسل جدید بهبود می بخشد. NVIDIA Blackwell برای مدل‌های زبان بزرگ 25 برابر کارآمدتر است و پردازنده گرافیکی NVIDIA H100 Tensor Core 20 برابر کارآمدتر از پردازنده‌ها برای بارهای کاری پیچیده است.

پارکر گفت: «هوش مصنوعی این پتانسیل را دارد که بخش‌های دیگر انرژی را کارآمدتر کند. شرکت خدمات مالی Murex با استفاده از NVIDIA Grace Hopper Superchip به ۴ برابر مصرف انرژی کمتر و ۷ برابر عملکرد سریع‌تر دست یافت.

او گفت: «در تولید، در صورت استفاده از هوش مصنوعی برای کمک به بهبود فرآیند تولید از طریق دوقلوهای دیجیتال، حدود 30 درصد کاهش در انرژی مورد نیاز را شاهد هستیم.

به عنوان مثال، شرکت تولیدی Wistron با استفاده از دوقلوهای دیجیتال و NVIDIA Omniverse، پلتفرمی برای توسعه برنامه‌های OpenUSD برای دیجیتالی‌سازی صنعتی و شبیه‌سازی فیزیکی هوش مصنوعی، کارایی انرژی را بهبود بخشیده است. این شرکت سالانه مصرف برق خود را 120000 کیلووات ساعت و انتشار کربن را 60000 کیلوگرم کاهش داد.

ابزار مدیریت انرژی

دیلویت گزارش داد که هوش مصنوعی می تواند به بهینه سازی استفاده از منابع، کاهش انتشار گازهای گلخانه ای کمک کند و نقش مهمی در مدیریت انرژی ایفا کند. این بدان معنی است که پتانسیل کاهش تأثیر صنایع فراتر از ردپای کربن خود را دارد.

هوش مصنوعی همراه با دوقلوهای دیجیتال، سیستم های مدیریت انرژی را با بهبود قابلیت اطمینان منابع تجدیدپذیر مانند نیروگاه های خورشیدی و بادی متحول می کند. همچنین برای بهبود طرح‌بندی تأسیسات، نظارت بر تجهیزات، تثبیت شبکه‌های برق و پیش‌بینی الگوهای آب و هوا، کمک به تلاش‌های جهانی برای کاهش انتشار کربن استفاده می‌شود.

بحث‌های COP29 بر اهمیت حمایت از زیرساخت‌های هوش مصنوعی با منابع انرژی تجدیدپذیر و ایجاد دستورالعمل‌های اخلاقی تأکید کرد. با نوآوری با در نظر گرفتن محیط زیست، صنایع می توانند از هوش مصنوعی برای ساختن دنیایی پایدارتر استفاده کنند.

تکرار مسابقه را تماشا کنید بحث میزگرد درخواستی COP29.

وزارت انرژی ایالات متحده بر سیاست ملی انرژی و تولید نظارت دارد. علیرغم عظیم بودن این وظیفه، وزارت نیرو نیز بسیار بیشتر از آن انجام می دهد، به اندازه ای که عنوان “وزارت همه چیز” را به دست آورد.

در این قسمت از پادکست هوش مصنوعی NVIDIA، هلنا فو، مدیر دفتر فناوری‌های حیاتی و نوظهور DOE (CET) و مدیر ارشد هوش مصنوعی DOE، در مورد آخرین تلاش‌های هوش مصنوعی این وزارت صحبت می‌کند. DOE و CET از طریق ابتکاراتی که بر امنیت ملی، زیرساخت‌ها و امکانات و نظارت بر 17 آزمایشگاه ملی و 34 تسهیلات کاربری علمی اختصاص داده شده به اکتشافات علمی و نوآوری‌های صنعتی مربوط می‌شوند، مرکز تحقیقات و توسعه مرتبط با هوش مصنوعی در سراسر کشور هستند.

با تماشای جلسه درخواستی، هوش مصنوعی برای علم، انرژی و امنیت، از AI Summit DC بیشتر از هلنا فو بشنوید. درباره زیرساخت های نرم افزاری تعریف شده برای انرژی و خدمات بیشتر بیاموزید.

مهر زمانی

2:20: چهار حوزه تمرکز در CET وجود دارد که شامل هوش مصنوعی، میکروالکترونیک، علوم اطلاعات کوانتومی و بیوتکنولوژی است.

10:55: معرفی ابتکارات مرتبط با هوش مصنوعی در DOE، از جمله FASST، یا مرزها در هوش مصنوعی برای علم، امنیت و فناوری.

16:30: بحث در مورد کاربردهای آینده هوش مصنوعی، مدل های زبان بزرگ و موارد دیگر.

19:35: استفاده از فرصت هوش مصنوعی در کشف مواد و کاربردهای آن در حوزه‌های علم، انرژی و امنیت ملی.

همچنین ممکن است دوست داشته باشید…

جاش پارکر از NVIDIA در مورد اینکه چگونه هوش مصنوعی و محاسبات تسریع شده پایداری را ارتقا می دهند صحبت می کند – Ep. 234

هوش مصنوعی فقط ساخت ماشین های هوشمندتر نیست. این در مورد ساختن یک دنیای سبزتر است. هوش مصنوعی و محاسبات تسریع شده به صنایع کمک می کند تا برخی از سخت ترین چالش های زیست محیطی جهان را برطرف کنند. جاشوا پارکر، مدیر ارشد پایداری شرکت در NVIDIA، توضیح می‌دهد که چگونه این فناوری‌ها به عصر جدیدی از بهره‌وری انرژی نیرو می‌دهند.

جریان های تغییر: دانیل کاسترو از ITIF در مورد هوش مصنوعی کارآمد انرژی و تغییرات آب و هوایی صحبت می کند

هوش مصنوعی همه جا هست. و همچنین نگرانی در مورد اثرات زیست محیطی فناوری پیشرفته. دانیل کاسترو، معاون بنیاد فناوری اطلاعات و نوآوری و مدیر مرکز نوآوری داده آن، گزارش استفاده از انرژی هوش مصنوعی خود را مورد بحث قرار می‌دهد که به باورهای غلط در مورد مصرف انرژی هوش مصنوعی می‌پردازد. همچنین در مورد نیاز به توسعه مداوم فناوری انرژی کارآمد صحبت می کند.

چگونه مرکز ابررایانه اوهایو آینده محاسبات را هدایت می کند – قسمت. 213

برنامه Open OnDemand مرکز ابررایانه اوهایو به مؤسسات آموزشی و صنایع ایالتی با خدمات محاسباتی، آموزش و برنامه های آموزشی قدرت می دهد. آنها حتی به NASCAR کمک کردند تا طرح های ماشین مسابقه را تکرار کند. آلن چالکر، مدیر برنامه های استراتژیک در OSC، در مورد همه چیزهای ابررایانه صحبت می کند.

Anima Anandkumar در مورد استفاده از هوش مصنوعی مولد برای مقابله با چالش های جهانی صحبت می کند – قسمت. 204

Anima Anandkumar، پروفسور Brin در Caltech و مدیر ارشد سابق تحقیقات هوش مصنوعی در NVIDIA، در مورد پتانسیل هوش مصنوعی مولد برای ایجاد سروصدا در جامعه علمی، از تسریع تحقیقات دارو و واکسن گرفته تا پیش‌بینی رویدادهای شدید آب و هوایی مانند طوفان یا امواج گرما صحبت می‌کند. .

در پادکست هوش مصنوعی مشترک شوید

پادکست هوش مصنوعی را از طریق iTunes، Google Play، Amazon Music، Castbox، DoggCatcher، Overcast، PlayerFM، Pocket Casts، Podbay، PodBean، PodCruncher، PodKicker، Soundcloud، Spotify، Stitcher و TuneIn دریافت کنید.

پادکست هوش مصنوعی خود را بهتر کنید: چند دقیقه اضافی دارید؟ این پرسشنامه شنونده را پر کنید.

انویدیا و مایکروسافت امروز از محصولات ادغام شده‌ای رونمایی کردند که برای ارتقای توسعه انویدیا AI در پلتفرم‌ها و برنامه‌های مایکروسافت طراحی شده‌اند.

در مایکروسافت Ignite، مایکروسافت از راه‌اندازی اولین پیش‌نمایش ابر خصوصی سری ماشین‌های مجازی Azure ND GB200 V6 خود که بر روی پلتفرم NVIDIA Blackwell ساخته شده است، خبر داد. Azure ND GB200 v6 سری جدیدی از ماشین های مجازی (VM) بهینه سازی شده با هوش مصنوعی خواهد بود که طراحی رک NVIDIA GB200 NVL72 را با شبکه کوانتوم InfiniBand NVIDIA ترکیب می کند.

علاوه بر این، مایکروسافت فاش کرد که اپلیکیشن‌های کانتینر Azure اکنون از پردازنده‌های گرافیکی NVIDIA پشتیبانی می‌کنند و امکان استقرار هوش مصنوعی ساده و مقیاس‌پذیر را فراهم می‌کنند. علاوه بر این، پلتفرم هوش مصنوعی NVIDIA در Azure شامل گردش‌های کاری مرجع جدید هوش مصنوعی صنعتی و طرح کلی NVIDIA Omniverse برای ایجاد تجسم‌های همهجانبه مبتنی بر هوش مصنوعی است.

در Ignite، انویدیا همچنین مدل‌های چند رسانه‌ای زبان کوچک (SLM) را برای رایانه‌های شخصی و ایستگاه‌های کاری با هوش مصنوعی RTX معرفی کرد که تعاملات انسانی دیجیتال و دستیارهای مجازی را با واقع‌گرایی بیشتر افزایش می‌دهد.

NVIDIA Blackwell نسل بعدی هوش مصنوعی را در Microsoft Azure تقویت می کند

سری جدید مایکروسافت Azure ND GB200 V6 VM از عملکرد قدرتمند سوپرتراشه های NVIDIA GB200 Grace Blackwell همراه با شبکه پیشرفته کوانتومی اینفینی باند NVIDIA بهره می برد. این پیشنهاد برای بارهای کاری یادگیری عمیق در مقیاس بزرگ بهینه شده است تا پیشرفت ها در پردازش زبان طبیعی، بینایی رایانه و موارد دیگر را تسریع کند.

سری ماشین‌های مجازی مبتنی بر بلک‌ول، خوشه‌های هوش مصنوعی Azure را که قبلاً اعلام شده بود، با ماشین‌های مجازی ND H200 V5 تکمیل می‌کنند که حافظه با پهنای باند بالا را برای بهبود استنتاج‌های هوش مصنوعی ارائه می‌کنند. ماشین‌های مجازی ND H200 V5 در حال حاضر توسط OpenAI برای بهبود ChatGPT استفاده می‌شوند.

برنامه‌های کانتینر Azure استنتاج هوش مصنوعی بدون سرور را با استفاده از محاسبات شتاب‌دهی شده NVIDIA فعال می‌کنند.

محاسبات بدون سرور به توسعه‌دهندگان برنامه‌های هوش مصنوعی انعطاف‌پذیری بیشتری برای استقرار سریع، مقیاس‌بندی و تکرار برنامه‌ها بدون نگرانی در مورد زیرساخت‌های اساسی ارائه می‌دهد. این به آنها اجازه می دهد تا روی بهبود مدل ها و بهبود عملکرد و در عین حال کاهش هزینه های عملیاتی تمرکز کنند.

پلتفرم کانتینر بدون سرور برای برنامه‌های کانتینر Azure، استقرار و مدیریت برنامه‌های مبتنی بر میکروسرویس‌ها را با انتزاع کردن زیرساخت‌های زیربنایی ساده‌تر می‌کند.

Azure Container Apps اکنون از بارهای کاری شتاب‌دهنده NVIDIA با پردازنده‌های گرافیکی بدون سرور پشتیبانی می‌کند و به توسعه‌دهندگان این امکان را می‌دهد تا از قدرت محاسباتی تسریع شده برای برنامه‌های استنتاج هوش مصنوعی در یک محیط انعطاف‌پذیر، مبتنی بر مصرف و بدون سرور استفاده کنند. این قابلیت استقرار هوش مصنوعی در مقیاس بزرگ را ساده می کند و در عین حال کارایی منابع و عملکرد برنامه را بدون بار مدیریت زیرساخت بهبود می بخشد.

پردازنده‌های گرافیکی بدون سرور به تیم‌های توسعه اجازه می‌دهند بیشتر بر نوآوری و کمتر بر مدیریت زیرساخت تمرکز کنند. با قابلیت‌های صورت‌حساب در ثانیه و مقیاس صفر، مشتریان فقط برای محاسباتی که استفاده می‌کنند پرداخت می‌کنند و به اطمینان از اقتصادی و کارآمد بودن استفاده از منابع کمک می‌کند. انویدیا همچنین با مایکروسافت همکاری می کند تا میکروسرویس های NVIDIA NIM را به پردازنده های گرافیکی بدون سرور NVIDIA در Azure بیاورد تا عملکرد مدل هوش مصنوعی را بهبود بخشد.

NVIDIA از گردش کار مرجع Omniverse برای برنامه های پیشرفته سه بعدی رونمایی می کند

NVIDIA گردش کار مرجعی را اعلام کرد که به توسعه‌دهندگان کمک می‌کند شبیه‌سازی‌های سه‌بعدی و برنامه‌های دیجیتالی دوگانه را روی NVIDIA Omniverse و Universal Scene Description (OpenUSD) بسازند – هوش مصنوعی صنعتی را تسریع می‌کند و خلاقیت مبتنی بر هوش مصنوعی را ارتقا می‌دهد.

یک گردش کار مرجع برای نظارت سه بعدی از راه دور عملیات صنعتی به زودی در دسترس خواهد بود تا توسعه دهندگان را قادر می سازد تا مدل های سه بعدی دقیق فیزیکی سیستم های صنعتی را به داده های بلادرنگ از Azure IoT Operations و Power BI متصل کنند.

این دو سرویس مایکروسافت با برنامه های کاربردی ساخته شده بر روی NVIDIA Omniverse و OpenUSD ادغام می شوند تا راه حل هایی را برای موارد استفاده IIoT ارائه دهند. این به تیم‌های عملیات از راه دور کمک می‌کند تا تصمیم‌گیری را سرعت بخشند و عملیات را در تأسیسات تولید بهبود بخشند.

نرم افزار هوش مصنوعی مولد بصری دقیق Omniverse Blueprint به توسعه دهندگان این امکان را می دهد تا برنامه هایی ایجاد کنند که به تیم های غیر فنی اجازه می دهد تصاویری با هوش مصنوعی ایجاد کنند و در عین حال دارایی های برند را حفظ کنند. Schema از مدل هایی مانند SDXL و Shutterstock Geneative 3D پشتیبانی می کند تا ایجاد تصاویر تولید شده توسط هوش مصنوعی را در برند ساده کند.

گروه‌های خلاق پیشرو، از جمله Accenture Song، Collective، GRIP، Monks و WPP، از NVIDIA Omniverse Blueprint برای سفارشی‌سازی و شخصی‌سازی تصاویر در بازارها استفاده کرده‌اند.

شتاب AI نسل برای ویندوز با رایانه های شخصی RTX AI

همکاری انویدیا با مایکروسافت به ارائه قابلیت‌های هوش مصنوعی به دستگاه‌های محاسباتی شخصی گسترش می‌یابد.

در Ignite، انویدیا یک سیستم SLM چندرسانه ای جدید به نام NVIDIA Nemovision-4B Instruct را برای درک تصاویر بصری در دنیای واقعی و روی صفحه معرفی کرد. RTX AI به زودی به رایانه‌های شخصی و ایستگاه‌های کاری می‌آید و راه را برای تعاملات انسانی دیجیتالی پیشرفته‌تر و واقعی‌تر هموار می‌کند.

علاوه بر این، به‌روزرسانی‌های NVIDIA TensorRT Model Optimizer (ModelOpt) مسیری را برای توسعه‌دهندگان ویندوز فراهم می‌کنند تا مدلی را برای استقرار ONNX Runtime بهینه کنند. TensorRT ModelOpt به توسعه دهندگان این امکان را می دهد تا مدل های هوش مصنوعی را برای رایانه ها ایجاد کنند که در صورت شتاب گرفتن توسط پردازنده های گرافیکی RTX سریع تر و دقیق تر هستند. این به مدل‌های بزرگ اجازه می‌دهد تا با محدودیت‌های محیط‌های رایانه شخصی سازگار شوند، در حالی که توسعه‌دهندگان را برای استقرار در اکوسیستم رایانه شخصی با زمان‌های اجرا ONNX آسان‌تر می‌کند.

رایانه‌های شخصی و ایستگاه‌های کاری مجهز به هوش مصنوعی RTX ابزارهای بهره‌وری پیشرفته، برنامه‌های کاربردی خلاقانه و تجربیات همهجانبه‌ای را ارائه می‌کنند که توسط پردازش هوش مصنوعی بومی ارائه می‌شوند.

همکاری کامل برای توسعه هوش مصنوعی

اکوسیستم گسترده شرکا و توسعه‌دهندگان NVIDIA، انبوهی از گزینه‌های AI و محاسباتی با عملکرد بالا را به پلتفرم Azure می‌آورد.

SoftServe، یک شرکت جهانی مشاوره فناوری اطلاعات و خدمات دیجیتال، امروز در دسترس بودن دستیار صنعتی SoftServe Gen AI، بر اساس NVIDIA AI Blueprint برای استخراج داده های PDF چند رسانه ای، در بازار Azure اعلام کرد. این دستیار به چالش‌های حیاتی در تولید با استفاده از هوش مصنوعی برای بهبود تعمیر و نگهداری تجهیزات و بهبود بهره‌وری کارگران رسیدگی می‌کند.

در Ignite، AT&T نحوه استفاده از NVIDIA AI و Azure را برای افزایش کارایی عملیاتی، افزایش بهره‌وری کارکنان و هدایت رشد کسب‌وکار از طریق تولید بهبودیافته، دستیارها و عوامل مستقل نشان خواهد داد.

در مورد همکاری و جلسات بین NVIDIA و Microsoft در Ignite بیشتر بدانید.

ببینید متوجه می شود در مورد اطلاعات محصولات نرم افزاری.

NVIDIA SC24 با موجی از هوش مصنوعی و ابزارهای ابر محاسباتی در آتلانتا راه اندازی شد تا صنایعی مانند داروسازی زیستی و علوم آب و هوا را متحول کند.

این اطلاعیه‌ها توسط جنسن هوانگ، بنیان‌گذار و مدیر عامل NVIDIA و ایان باک، نایب رئیس رایانش شتاب‌دهی ارائه شده‌اند، ریشه در تاریخچه عمیق این شرکت در تغییر محاسبات دارند.

هوانگ گفت: «ابر رایانه‌ها یکی از حیاتی‌ترین ابزار بشریت هستند که باعث پیشرفت‌های علمی و گسترش مرزهای دانش می‌شوند. بیست و پنج سال پس از ایجاد اولین واحد پردازش گرافیکی، ما محاسبات را دوباره اختراع کرده‌ایم و انقلاب صنعتی جدیدی را به راه انداختیم.

هوانگ گفت که سفر NVIDIA به محاسبات شتابی با CUDA در سال 2006 و اولین GPU برای محاسبات علمی آغاز شد.

نقاط عطفی مانند ابررایانه Tsubame توکیو تک در سال 2008، ابررایانه Titan آزمایشگاه ملی Oak Ridge در سال 2012 و NVIDIA DGX-1 متمرکز بر هوش مصنوعی که در سال 2016 به OpenAI تحویل داده شد، نقش تحول آفرین NVIDIA در این زمینه را برجسته کردند.

هوانگ گفت: «از زمان ایجاد CUDA، ما هزینه محاسبات را یک میلیون بار کاهش داده‌ایم. برای برخی، NVIDIA یک میکروسکوپ محاسباتی است که به آنها امکان می دهد چیزهای غیرممکن را ببینند، برای برخی دیگر، این تلسکوپ غیرقابل تصور است که به آنها امکان می دهد کارهای زندگی خود را انجام دهند .

در SC24، اعلامیه های NVIDIA شامل ابزارهایی برای کشف داروی نسل بعدی، پیش بینی آب و هوا در زمان واقعی و شبیه سازی کوانتومی بود.

مرکز پیشرفت این شرکت، کتابخانه‌های CUDA-X هستند که هوانگ آنها را به عنوان «موتورهای محاسباتی شتاب‌دار» توصیف می‌کند، که همه چیز را از پیشرفت‌های مراقبت‌های بهداشتی مبتنی بر هوش مصنوعی گرفته تا شبیه‌سازی مدارهای کوانتومی نیرو می‌دهند.

هوانگ و پاک نمونه‌هایی از تاثیرات دنیای واقعی را برجسته کردند، از جمله پیشرفت‌های برنده جایزه نوبل در شبکه‌های عصبی و پیش‌بینی پروتئین، که توسط فناوری NVIDIA طراحی شده است.

هوانگ گفت: «هوش مصنوعی اکتشافات علمی را سرعت می بخشد، صنایع را متحول می کند و هر یک از بازارهای 100 تریلیون دلاری جهان را متحول می کند.

کتابخانه های CUDA-X از مرزهای جدید پشتیبانی می کنند

در SC24، NVIDIA کتابخانه جدید cuPyNumeric را معرفی کرد، یک پیاده‌سازی NumPy با شتاب GPU که برای تقویت برنامه‌های کاربردی در علم داده، یادگیری ماشین و محاسبات دیجیتال طراحی شده است.

NVIDIA با بیش از 400 کتابخانه CUDA-X، از جمله cuDNN برای یادگیری عمیق و cuQuantum برای شبیه‌سازی مدار کوانتومی، همچنان به پیشروی در پیشرفت قابلیت‌های محاسباتی در صنایع ادامه می‌دهد.

دوقلوهای دیجیتالی بی‌درنگ با نمودار Omniverse

NVIDIA از طرح NVIDIA Omniverse برای دوقلوهای دیجیتال مهندسی با کمک کامپیوتر واقعی رونمایی کرده است، یک گردش کار مرجع طراحی شده برای کمک به توسعه دهندگان برای ایجاد دوقلوهای دیجیتال تعاملی برای صنایعی مانند هوافضا، خودرو، انرژی و تولید.

این طرح بر اساس کتابخانه‌های شتاب‌دهنده و فیزیک NVIDIA، هوش مصنوعی و چارچوب‌های رندر تعاملی فیزیکی، شبیه‌سازی‌ها را تا ۱۲۰۰ برابر سرعت می‌بخشد و استاندارد جدیدی برای تعامل بلادرنگ ایجاد می‌کند.

پذیرندگان اولیه، از جمله زیمنس، Altair، Ansys و Cadence، در حال حاضر از این طرح برای بهبود گردش کار، کاهش هزینه ها و ارائه سریعتر محصولات به بازار استفاده می کنند.

یک تغییر پارادایم با CUDA-Q

تمرکز NVIDIA بر روی فناوری‌های تعاملی بلادرنگ در سراسر حوزه‌ها، از مهندسی تا شبیه‌سازی کوانتومی، را در بر می‌گیرد.

در همکاری با گوگل، CUDA-Q NVIDIA اکنون شبیه‌سازی‌های دینامیکی دقیق از پردازنده‌های کوانتومی را اجرا می‌کند و محاسبات چند هفته‌ای را به دقیقه کاهش می‌دهد.

باک توضیح داد که با CUDA-Q، توسعه دهندگان همه پردازنده‌های کوانتومی می‌توانند شبیه‌سازی‌های بزرگ‌تری را اجرا کنند و طرح‌های کیوبیت مقیاس‌پذیرتر را بررسی کنند.

پیشرفت های هوش مصنوعی در کشف دارو و شیمی

با انتشار متن باز چارچوب BioNeMo، NVIDIA در حال پیشبرد کشف داروهای مبتنی بر هوش مصنوعی است زیرا محققان ابزارهای قدرتمندی را که به طور خاص برای کاربردهای دارویی طراحی شده اند به دست می آورند.

BioNeMo در مقایسه با سایر نرم افزارهای هوش مصنوعی 2 برابر سرعت آموزش را افزایش می دهد و امکان توسعه سریع تر درمان های نجات دهنده را فراهم می کند.

انویدیا همچنین DiffDock 2.0 را معرفی کرد، ابزاری پیشرفته برای پیش‌بینی نحوه اتصال داروها به پروتئین‌های هدف – که برای کشف دارو بسیار مهم است.

با استفاده از کتابخانه جدید cuEquivariance، DiffDock 2.0 6 برابر سریعتر از قبل است و محققان را قادر می سازد میلیون ها مولکول را با سرعت و دقت بی سابقه ای غربال کنند.

میکروسرویس NVIDIA ALCHEMI NIM هوش مصنوعی مولد را به علم شیمی می آورد و به محققان این امکان را می دهد که مواد جدید را با سرعتی سرسام آور طراحی و ارزیابی کنند.

باک توضیح داد که دانشمندان با مشخص کردن خواصی که می خواهند، مانند استحکام، رسانایی، سمیت کم یا حتی رنگ شروع می کنند.

مدل تولیدی هزاران نامزد بالقوه را با ویژگی های مورد نظر پیشنهاد می کند. سپس ALCHEMI NIM با حل کم‌ترین حالت‌های انرژی با استفاده از NVIDIA Warp، ترکیبات کاندید را برای تثبیت مرتب می‌کند.

این میکروسرویس یک تغییر دهنده بازی در کشف مواد است و به توسعه‌دهندگان کمک می‌کند تا با چالش‌های انرژی تجدیدپذیر و فراتر از آن مقابله کنند.

این نوآوری‌ها نشان می‌دهند که NVIDIA چگونه از هوش مصنوعی برای دستیابی به پیشرفت‌هایی در علم، متحول کردن صنایع و ایجاد راه‌حل‌های سریع‌تر برای چالش‌های جهانی استفاده می‌کند.

Earth-2 NIM Microservices: تعریف مجدد پیش بینی آب و هوا در زمان واقعی

باک همچنین دو میکروسرویس جدید – CorrDiff NIM و FourCastNet NIM – را برای تسریع مدل‌سازی و نتایج شبیه‌سازی تغییرات آب و هوا تا 500 برابر در پلتفرم NVIDIA Earth-2 معرفی کرد.

Earth-2، یک دوقلو دیجیتال برای شبیه‌سازی و تجسم شرایط آب و هوا و آب و هوا، برای توانمندسازی شرکت‌های فناوری آب‌وهوا با قابلیت‌های تولیدی پیشرفته مبتنی بر هوش مصنوعی طراحی شده است.

این ابزارها پیش‌بینی‌هایی با وضوح بالاتر و دقیق‌تر ارائه می‌کنند و امکان پیش‌بینی رویدادهای شدید آب و هوایی را با سرعت بی‌سابقه و بهره‌وری انرژی فراهم می‌کنند.

با توجه به بلایای طبیعی که باعث خسارت 62 میلیارد دلاری بیمه شده در نیمه اول سال جاری شده است – 70 درصد بیشتر از میانگین 10 ساله – نوآوری های NVIDIA نیاز روزافزون به پیش بینی های دقیق و در زمان واقعی آب و هوا را برآورده می کند. این ابزارها تعهد NVIDIA به استفاده از هوش مصنوعی برای انعطاف پذیری جامعه و آمادگی آب و هوا را برجسته می کند.

گسترش تولید با همکاری فاکسکان

با افزایش تقاضا برای سیستم های هوش مصنوعی مانند ابررایانه بلک ول، انویدیا در حال گسترش تولید با امکانات جدید فاکسکان در ایالات متحده، مکزیک و تایوان است.

فاکسکان در حال ساختن امکانات تولید و آزمایش با استفاده از NVIDIA Omniverse است تا کارخانه ها را در سریع ترین زمان ممکن راه اندازی و راه اندازی کند.

با هاپر از ارتفاعات جدید صعود کنید

NVIDIA همچنین در دسترس بودن عمومی NVIDIA H200 NVL، یک پردازنده گرافیکی PCIe بر اساس معماری NVIDIA Hopper که برای مراکز داده کم مصرف و هوا خنک بهینه شده است، اعلام کرد.

H200 NVL تا 1.7 برابر سریع‌تر در استنتاج مدل زبان بزرگ و 1.3 برابر عملکرد سریع‌تر در برنامه‌های HPC ارائه می‌کند، که آن را برای پیکربندی‌های مرکز داده انعطاف‌پذیر ایده‌آل می‌کند.

از انواع بارهای کاری هوش مصنوعی و HPC پشتیبانی می کند و عملکرد را در عین بهینه سازی زیرساخت های موجود افزایش می دهد.

باک گفت: سوپرتراشه GB200 Grace Blackwell NVL4 چهار پردازنده گرافیکی بلک ول متصل به NVIDIA NVLink و یکپارچه شدن با دو پردازنده Grace از طریق NVLink-C2C را یکپارچه می کند. در مقایسه با نسل قبلی، تا 2 برابر عملکرد را برای برنامه های کاربردی محاسبات علمی، آموزش و استنتاج ارائه می دهد. |

تراشه GB200 NVL4 در نیمه دوم سال 2025 در دسترس خواهد بود.

این گفتگو با دعوت از شرکت کنندگان برای بازدید از غرفه NVIDIA در SC24 برای تعامل با نمایش های مختلف، از جمله جیمز، انسان دیجیتال NVIDIA، اولین تونل باد تعاملی بلادرنگ جهان و میکروسرویس های NIM Earth-2 برای مدل سازی آب و هوا، به پایان رسید.

در مورد اینکه چگونه نوآوری های NVIDIA آینده علم را شکل می دهند بیشتر بیاموزید SC24.

فناوری های بومی ابر برای توسعه دهندگان برای ساخت و پیاده سازی برنامه های کاربردی مقیاس پذیر در محیط های ابری پویا ضروری شده اند.

این هفته در KubeCon + CloudNativeCon آمریکای شمالی 2024، یکی از پربازدیدترین کنفرانس‌ها با تمرکز بر فناوری‌های منبع باز، کریس لمب، معاون پلتفرم‌های نرم‌افزار محاسباتی در NVIDIA، یک سخنرانی کلیدی ارائه کرد که مزایای متن باز را برای توسعه‌دهندگان و شرکت‌ها به طور یکسان بیان کرد. . – NVIDIA نزدیک به 20 جلسه تعاملی با مهندسان و کارشناسان ارائه کرد.

بنیاد محاسبات بومی ابری (CNCF)، بخشی از بنیاد لینوکس و میزبان KubeCon، در خط مقدم حمایت از یک اکوسیستم قوی برای تقویت همکاری بین رهبران صنعت، توسعه‌دهندگان و کاربران نهایی است.

NVIDIA که از سال 2018 عضو CNCF است، در سراسر جامعه توسعه‌دهندگان برای مشارکت در پروژه‌های منبع باز بومی ابری کار می‌کند. نرم افزار منبع باز ما و بیش از 750 پروژه منبع باز تحت رهبری NVIDIA به دموکراتیک شدن دسترسی به ابزارهایی که توسعه و نوآوری هوش مصنوعی را سرعت می بخشد، کمک می کند.

فعال کردن اکوسیستم‌های بومی ابری

NVIDIA از بسیاری از پروژه‌های منبع باز در CNCF استفاده کرده و در ده‌ها سال گذشته به ده‌ها مورد از آنها کمک کرده است. این اقدامات به توسعه‌دهندگان کمک می‌کند تا برنامه‌ها و معماری‌های میکروسرویس بسازند که با مدیریت بارهای کاری هوش مصنوعی و یادگیری ماشین سازگار است.

Kubernetes، سنگ بنای محاسبات بومی ابری، در حال تغییر برای مقابله با چالش‌های هوش مصنوعی و حجم کاری یادگیری ماشین است. همانطور که سازمان ها به طور فزاینده ای از مدل های زبان بزرگ و سایر فناوری های هوش مصنوعی استفاده می کنند، زیرساخت های قوی اهمیت زیادی پیدا کرده است.

NVIDIA در حال همکاری نزدیک با جامعه Kubernetes برای مقابله با این چالش ها است. این شامل:

• کار بر روی تخصیص دینامیک منابع (DRA) که امکان مدیریت منابع انعطاف‌پذیرتر و دقیق‌تر را فراهم می‌کند. این برای بارهای کاری هوش مصنوعی، که اغلب به سخت افزار تخصصی نیاز دارند، بسیار مهم است. مهندسان NVIDIA نقش عمده ای در طراحی و پیاده سازی این ویژگی داشتند.
• تلاش‌های پیشرو در KubeVirt، یک پروژه منبع باز که Kubernetes را برای مدیریت ماشین‌های مجازی در کنار کانتینرها مقیاس می‌دهد. این یک رویکرد یکپارچه و مبتنی بر ابر برای مدیریت زیرساخت های ترکیبی ارائه می دهد.
• درایور گرافیکی NVIDIA را توسعه داده است که مدیریت چرخه عمر پردازنده‌های گرافیکی NVIDIA را در خوشه‌های Kubernetes خودکار می‌کند. این نرم‌افزار استقرار و پیکربندی درایورهای GPU، زمان اجرا و ابزارهای نظارت را ساده می‌کند و به سازمان‌ها اجازه می‌دهد تا به جای مدیریت زیرساخت، بر ساخت برنامه‌های هوش مصنوعی تمرکز کنند.

تلاش های منبع باز این شرکت فراتر از Kubernetes به سایر پروژه های CNCF گسترش می یابد:

• NVIDIA یکی از مشارکت‌کنندگان اصلی Kubeflow است، مجموعه ابزار جامعی که ساخت و مدیریت سیستم‌های یادگیری ماشین در Kubernetes را برای دانشمندان و مهندسان داده آسان‌تر می‌کند. Kubeflow پیچیدگی مدیریت زیرساخت را کاهش می دهد و به کاربران اجازه می دهد بر روی توسعه و بهبود مدل های یادگیری ماشین تمرکز کنند.
• NVIDIA به توسعه CNAO کمک کرد، که چرخه حیات شبکه میزبان را در خوشه‌های Kubernetes مدیریت می‌کند.
• NVIDIA همچنین Node Health Check را اضافه کرده است که دسترسی بالایی را برای ماشین های مجازی فراهم می کند.

NVIDIA به پروژه‌هایی کمک کرده است که به قابلیت مشاهده، عملکرد و سایر حوزه‌های مهم محاسبات بومی ابری می‌پردازند، مانند:

• Prometheus: افزایش قابلیت نظارت و هشدار
• فرستاده: بهبود عملکرد عامل توزیع شده
• تله متری باز: افزایش قابلیت مشاهده در سیستم های پیچیده و توزیع شده
• Argo: ساده سازی گردش کار و مدیریت برنامه بومی Kubernetes

مشارکت جامعه

NVIDIA با شرکت در رویدادها و فعالیت های CNCF، اکوسیستم بومی ابر را درگیر می کند، از جمله:

• با ارائه دهندگان ابر همکاری کنید تا به آنها در مدیریت بارهای کاری جدید کمک کنید.
• در گروه‌های مورد علاقه ویژه CNCF و گروه‌های کاری در مورد بحث‌های هوش مصنوعی شرکت کنید.
• در رویدادهای صنعتی مانند KubeCon + CloudNativeCon شرکت کنید و بینش‌هایی در مورد شتاب GPU برای بارهای کاری هوش مصنوعی به اشتراک بگذارید.
• کار با پروژه های مجاور CNCF در بنیاد لینوکس و همچنین شرکای بسیاری.

این به مزایای گسترده‌تری برای توسعه‌دهندگان تبدیل می‌شود، مانند بهبود کارایی در مدیریت بارهای کاری هوش مصنوعی و یادگیری ماشین. بهبود مقیاس پذیری و عملکرد برنامه های کاربردی بومی ابری؛ استفاده بهتر از منابع، که ممکن است منجر به صرفه جویی در هزینه شود. و استقرار و مدیریت زیرساخت های پیچیده هوش مصنوعی را ساده کنید.

همانطور که هوش مصنوعی و یادگیری ماشین به تغییر صنایع ادامه می دهند، NVIDIA به توسعه فناوری های بومی ابری برای پشتیبانی از حجم کاری فشرده کمک می کند. این شامل تسهیل مهاجرت برنامه های کاربردی قدیمی و پشتیبانی از توسعه برنامه های کاربردی جدید است.

این کمک‌ها به جامعه منبع باز به توسعه‌دهندگان کمک می‌کند تا از پتانسیل کامل فناوری‌های هوش مصنوعی بهره ببرند و Kubernetes و سایر پروژه‌های CNCF را به عنوان ابزار انتخابی برای محاسبات AI ارتقا دهند.

پرداخت سخنرانی اصلی NVIDIA در KubeCon + CloudNativeCon آمریکای شمالی 2024 او که توسط کریس لمب ارائه شد، در مورد اهمیت پروژه‌های CNCF در ساخت و ارائه هوش مصنوعی در فضای ابری و کمک‌های NVIDIA به جامعه برای پیشبرد انقلاب هوش مصنوعی صحبت می‌کند.

NVIDIA در فهرست جدید مجله فوربس – بهترین شرکت‌های آمریکا – بر اساس بیش از 60 معیار در نزدیک به 12 دسته که عملکرد مالی، رضایت مشتریان و کارکنان، پایداری، سیاست‌های کار از راه دور و موارد دیگر را پوشش می‌دهند، رتبه اول را کسب کرد.

فوربس گزارش داد که این شرکت در بسیاری از زمینه ها، “به ویژه رضایت کارکنان، دریافت رتبه های بالا برای فرصت های شغلی، مزایا و فرهنگ شرکت” و همچنین قدرت مالی، پیشرفت کرده است.

حدود 2000 نفر از بزرگترین شرکت های دولتی در ایالات متحده واجد شرایط بودند و 300 نفر از آنها در لیست قرار گرفتند.

بو دیویدسون، معاون تجربه کارمندان در NVIDIA، به فوربس گفت که این شرکت فرصت‌های منظمی برای گوش دادن به کارمندان خود ایجاد کرده است (مانند نظرسنجی‌های فصلی، پرسش و پاسخ مدیر عامل و جعبه پیشنهادات مجازی) و سپس در مورد نگرانی‌های مختلف از مزایا گرفته تا کافه‌ها اقدام می‌کند. تنقلات

NVIDIA همچنین از روزهای رایگان پشتیبانی می کند – دو روز هر سه ماه که کل شرکت تعطیل می شود. دیویدسون به فوربس گفت: «این به ما اجازه می دهد به عنوان یک شرکت استراحت کنیم. NVIDIA مشاوران در محل و یک هفته شغلی ارائه می دهد که برنامه نویسی و آموزش را برای کارگران فراهم می کند تا فرصت های شغلی داخلی را دنبال کنند.

به گفته People Data Labs، ارائه‌دهنده داده‌های فوربس در مورد ثبات نیروی کار، انویدیا نرخ جابه‌جایی کارکنان پایینی دارد – به‌طور گسترده‌ای به عنوان نشانه‌ای از کارکنان خوشحال دیده می‌شود.

برای فهرست کامل رتبه‌بندی‌ها، فهرست فوربس از بهترین شرکت‌های آمریکا در سال ۲۰۲۵ را ببینید.

تایید کنید صفحه مشاغل انویدیا و در مورد آن بیشتر بدانید زندگی nvidia.