NVIDIA sta ampliando il proprio portafoglio di modelli aperti con i modelli Kumo per i dati aziendali strutturati e con nuovi modelli e strumenti Nemotron per robotica, progettazione di proteine e calcolo quantistico. L’espansione dei modelli aperti di NVIDIA, presentata nel dettaglio il 21 ottobre 2026, offre alle organizzazioni basi che possono personalizzare con dati locali e distribuire su infrastrutture sotto il loro controllo. La maggior parte delle soluzioni annunciate è già disponibile, mentre Nemotron 3.5 Bolt è atteso il 23 ottobre e Alpamayo 2 Edge è previsto più avanti nel mese.
Punti chiave
- Kumo aggiunge funzionalità di previsione, forecasting e valutazione del rischio di frode per i dati aziendali strutturati. Coinbase, Revolut e Databricks sono tra le prime organizzazioni a utilizzarlo.
- L’espansione va oltre i modelli linguistici e comprende l’addestramento per la robotica, il ragionamento a bordo dei veicoli, la progettazione di proteine e la calibrazione dell’hardware quantistico.
- La disponibilità varia a seconda della soluzione: diverse famiglie di modelli sono già accessibili, mentre Nemotron 3.5 Bolt e Alpamayo 2 Edge devono ancora essere rilasciati.
Indice
- Cosa consentono alle organizzazioni di personalizzare i modelli aperti di NVIDIA
- Kumo punta a ricavare previsioni dai dati aziendali
- Gli strumenti per la robotica si concentrano sull’addestramento prima della distribuzione
- I modelli scientifici affrontano la progettazione di proteine e i sistemi quantistici
- Cosa è disponibile ora e cosa è ancora in programma
- Conclusione
Cosa consentono alle organizzazioni di personalizzare i modelli aperti di NVIDIA
L’espansione punta a fornire agli sviluppatori modelli adattabili alle lingue, alle conoscenze e alle esigenze dei rispettivi settori, anziché costringerli a utilizzare soltanto un sistema generico. NVIDIA descrive il portafoglio come una base per applicazioni che le organizzazioni possono eseguire su infrastrutture sotto il proprio controllo.
Nemotron offre modelli linguistici, set di dati e ricette di addestramento per agenti che lavorano con testo e immagini. Le novità annunciate comprendono Nemotron 3.5 Super VL e Nemotron 3.5 Bolt, oltre ai modelli Retriever per l’embedding, il riordinamento dei risultati e l’analisi sintattica dei documenti. Nel complesso, queste soluzioni riguardano sia le capacità degli agenti sia il lavoro necessario per rendere i documenti aziendali utilizzabili da tali sistemi.
Tra le organizzazioni che, secondo NVIDIA, collaborano all’uso di modelli e set di dati Nemotron per sviluppare modelli personalizzati e agenti specifici per settore figurano Dassault Systèmes, SAP, Salesforce, Shopify, Synopsys e WPP. Sono coinvolte anche Accenture ed EY. Si tratta di progetti di sviluppo, non di prove che ogni partecipante abbia completato una distribuzione in produzione.
Tra i contributori europei alla NVIDIA Nemotron Coalition figurano Black Forest Labs, H-Company e Mistral. Secondo NVIDIA, i loro dati, le loro ricerche e competenze confluiscono nelle basi di Nemotron.
| Elemento | Dettagli |
|---|---|
| Nemotron 3.5 Super VL | Disponibile tramite Hugging Face, ModelScope, OpenRouter, NVIDIA NIM e partner. |
| Nemotron 3.5 Bolt | Disponibilità prevista per il 23 ottobre. |
| Nemotron Retriever | Disponibile tramite Hugging Face, piattaforme partner e NVIDIA NIM per embedding, riordinamento dei risultati e analisi sintattica dei documenti. |
| Kumo | Disponibile su Hugging Face e come microservizio NVIDIA NIM per l’inferenza in produzione. |
| Cosmos | Disponibile apertamente su Hugging Face e GitHub e tramite partner di inferenza selezionati. |
| Alpamayo 2 Edge | Il download è previsto su GitHub e Hugging Face più avanti a ottobre. |
| BioNeMo RFD4-Proteina | Disponibile tramite la piattaforma per sviluppatori di NVIDIA, NVIDIA NIM, GitHub, Hugging Face e partner di inferenza selezionati. |
| Ising | Disponibile su GitHub, Hugging Face e sulla piattaforma per sviluppatori di NVIDIA. |
Kumo punta a ricavare previsioni dai dati aziendali
Kumo è la novità più direttamente orientata ai dati aziendali. I suoi modelli di base open-weight, le librerie e gli strumenti sono progettati per aiutare le applicazioni a prevedere risultati, valutare il rischio di frode e consigliare azioni sulla base di informazioni strutturate.
Il cambiamento pratico descritto da NVIDIA consiste nel ridurre la necessità di creare una pipeline di machine learning separata per ogni attività di previsione. Gli sviluppatori possono partire da modelli preaddestrati e perfezionarli con dati proprietari quando un carico di lavoro richiede prestazioni superiori.
Kumo Structured copre previsioni relazionali e tabellari, forecasting e rilevamento di anomalie. Kumo Engine fornisce lo stack di librerie open source per sviluppare e distribuire modelli di base per dati strutturati. La famiglia fa parte di NVIDIA Agent Knowledge Foundation.
Cognite, Coinbase, Databricks, DoorDash, Revolut e Tubi sono tra le prime organizzazioni a utilizzare Kumo. NVIDIA afferma inoltre che i clienti Snowflake stanno già usando i modelli per accelerare lo sviluppo dell’IA nei settori della pubblicità, dell’energia, dei servizi finanziari e del commercio al dettaglio. Il rapporto non quantifica i risparmi per i clienti né i miglioramenti nelle previsioni.
Gli strumenti per la robotica si concentrano sull’addestramento prima della distribuzione
Per l’IA fisica, NVIDIA aggiunge strumenti di post-addestramento e ottimizzazione di Cosmos, pensati per migliorare i modelli del mondo con un minore impiego di risorse di calcolo. I checkpoint di simulazione consentono agli sviluppatori di valutare il comportamento in scenari interattivi di guida e manipolazione robotica prima dei test nel mondo reale.
Il nuovo Cosmos Data Factory combina blueprint e competenze di base degli agenti per selezionare, etichettare, generare e valutare dati di addestramento. Tra gli impieghi figurano scenari di guida, difetti di prodotto e aumento dei dati delle immagini. Gli sviluppatori possono usare flussi di lavoro completi o singole funzionalità, con agenti che coordinano il processo.
NVIDIA afferma che Porsche con Voxel51, ANYbotics con Encord, Zalando e CEVA Logistics con Sereact, oltre a Siemens, utilizzano Cosmos Data Factory per creare set di dati di addestramento diversificati e migliorare la precisione dei modelli.
Alpamayo 2 Edge riguarda una fase diversa: il ragionamento all’interno dei veicoli autonomi. Il modello compatto combina la comprensione delle scene in tempo reale e la pianificazione dei movimenti, si basa sulle fondamenta Nemotron di Cosmos 3 Edge ed è ottimizzato per NVIDIA DRIVE AGX Thor. NVIDIA afferma che è progettato per portare capacità di guida avanzate sui veicoli con requisiti di calcolo inferiori; il download resta previsto più avanti nel mese.
I modelli scientifici affrontano la progettazione di proteine e i sistemi quantistici
Le novità scientifiche rispondono a flussi di lavoro distinti, anziché costituire un unico assistente di ricerca generalista. BioNeMo RFD4-Proteina genera sequenze e strutture tridimensionali di proteine, mentre Ising è rivolto alla calibrazione e alla correzione degli errori nell’hardware quantistico.
I candidati proteici devono comunque essere sottoposti a test di laboratorio
Sviluppato da NVIDIA e dal Baker Lab dell’Institute for Protein Design dell’Università di Washington, RFD4-Proteina è pensato per aiutare a progettare proteine in grado di legarsi a bersagli difficili o a piccole molecole, oppure di assemblarsi in strutture complesse.
NVIDIA riferisce prestazioni di punta in oltre 10 attività di progettazione proteica e una generazione circa 13 volte più veloce di RFdiffusion3 in un benchmark basato su proteine di 200 amminoacidi. Questi dati descrivono le prestazioni del modello nel benchmark riportato, non una convalida di laboratorio completata. I ricercatori possono usare agenti per generare e valutare candidati prima di selezionare i progetti da testare in laboratorio.
I partner quantistici puntano alla calibrazione e alla correzione degli errori
IQM Quantum Computers utilizza Ising per calibrare i propri processori quantistici. SEEQC combina Ising, NVIDIA NVQLink e il proprio Digital Link per affrontare i requisiti di bassa latenza della correzione degli errori quantistici in tempo reale.
AWS sta integrando Ising in AWS Parallel Computing Service, così che i ricercatori possano lavorare con i modelli prima della distribuzione. NVIDIA osserva che, a causa dei requisiti di latenza, la decodifica viene in genere eseguita su hardware classico collocato insieme al processore quantistico; l’integrazione AWS supporta la ricerca in vista di quella fase di distribuzione.
Cosa è disponibile ora e cosa è ancora in programma
Il rapporto di NVIDIA distingue i modelli già accessibili dalle prossime uscite. Super VL è disponibile tramite piattaforme di modelli, NVIDIA NIM e partner. Anche Kumo, Cosmos, Retriever, BioNeMo RFD4-Proteina e Ising dispongono di canali di distribuzione indicati, sebbene questi varino a seconda della soluzione.
Le prossime uscite previste a breve sono Nemotron 3.5 Bolt, atteso il 23 ottobre, e Alpamayo 2 Edge, previsto più avanti a ottobre. Si tratta di piani di disponibilità dichiarati, non di rilasci già completati.
Conclusione
L’espansione amplia l’offerta di modelli personalizzabili di NVIDIA, dagli agenti aziendali alle previsioni sui dati d’impresa, all’IA fisica e alla ricerca scientifica. Per gli sviluppatori, la distinzione immediata è tra gli strumenti già disponibili per la valutazione e le uscite di Bolt e Alpamayo, ancora previste più avanti a ottobre.
Leggi altre notizie
Avvertenza
Questo articolo di FinanceVelix fornisce informazioni di carattere generale e non costituisce consulenza finanziaria, d’investimento, legale o fiscale personalizzata. I prezzi di mercato, i tassi d’interesse e le condizioni economiche possono cambiare; gli investimenti comportano un rischio di perdita. I fatti riflettono le informazioni disponibili al momento della pubblicazione e possono cambiare. Verificate autonomamente le informazioni importanti e, se necessario, rivolgetevi a un professionista qualificato. La menzione di un’attività, di un’azienda o di un servizio non costituisce un’approvazione.
