NVIDIA ha annunciato NVIDIA DSX POD al GTC Berlin il 21 ottobre, presentando un approccio modulare alle fabbriche di IA che, secondo l’azienda, può ridurre i tempi di implementazione in loco da sei mesi a 14 giorni, una volta disponibili i servizi di pubblica utilità del sito. Il progetto di riferimento riunisce sistemi Vera Rubin completi in container realizzati, integrati e convalidati dai partner prima della consegna, trasferendo una parte maggiore del lavoro di installazione al di fuori del sito del cliente.
Punti chiave
- DSX POD è un progetto di riferimento realizzato dai partner per fabbriche di IA modulari basate su Vera Rubin; i tempi di implementazione ridotti presuppongono che i servizi di pubblica utilità del sito siano pronti.
- Alle novità infrastrutturali, NVIDIA ha affiancato nuovi progetti per la sicurezza degli agenti e strumenti che li collegano alle conoscenze aziendali.
- Huang ha inserito i lanci nel quadro dell’espansione europea di NVIDIA, citando impegni per quasi 10 miliardi di dollari a favore dell’ecosistema tecnologico della regione.
Indice
- NVIDIA DSX POD anticipa l’integrazione alla consegna
- La spinta europea all’IA collega capitali ed efficienza operativa
- La sicurezza degli agenti entra a far parte dell’infrastruttura
- Le conoscenze aziendali sono il prossimo livello di implementazione
- Gli esempi industriali mostrano diverse fasi di adozione
- Conclusione
NVIDIA DSX POD anticipa l’integrazione alla consegna
Il cambiamento centrale riguarda il luogo in cui prende forma una fabbrica di IA. Invece di rinviare l’integrazione e la convalida a quando le apparecchiature raggiungono la destinazione, DSX POD prevede che i partner completino queste fasi all’interno di container modulari prima della spedizione. NVIDIA ha presentato questa soluzione come un cambiamento nella catena di fornitura per la costruzione dei data center, non semplicemente come un’altra offerta hardware su scala rack.
Questa distinzione è importante per interpretare la dichiarazione sui tempi di implementazione. La finestra di 14 giorni riguarda l’implementazione in loco dopo che i servizi di pubblica utilità sono pronti; non rappresenta una tempistica dichiarata per l’intero progetto. Il resoconto non stabilisce una durata complessiva dei lavori né comunica i prezzi di DSX POD o le date di consegna ai clienti.
Huang ha dichiarato che Vera Rubin è in piena produzione e amplia la piattaforma di calcolo di NVIDIA, andando oltre i singoli modelli e i modelli linguistici di grandi dimensioni per arrivare all’elaborazione dell’intero agente di IA. Ha descritto la più ampia piattaforma per le fabbriche di IA come una combinazione di hardware, software di sistema, librerie CUDA-X e modelli.
| Voce | Dettagli |
|---|---|
| DSX POD | Nuovo progetto di riferimento per fabbriche di IA complete basate su Vera Rubin, assemblate, integrate e convalidate dai partner in container modulari. |
| Tempi di implementazione | NVIDIA afferma che i tempi di implementazione in loco possono scendere da sei mesi a 14 giorni una volta pronti i servizi di pubblica utilità del sito. |
| Dichiarazioni sull’efficienza di DSX | Secondo NVIDIA, la piattaforma più ampia può ridurre fino al 100% il consumo di acqua per il raffreddamento e utilizzare fino al 30% di energia in meno a parità di produzione di IA. |
| Architettura di riferimento OpenShell | Il nuovo progetto di sicurezza combina controlli basati su policy, sandboxing a livello kernel e monitoraggio tra gli agenti e i sistemi interessati. |
| Agent Knowledge Foundation | Nuovi modelli e librerie collegano gli agenti ai documenti aziendali e alle informazioni strutturate contenute nei database. |
| Radioterapia adattiva | NVIDIA e Siemens Healthineers stanno sviluppando un sistema basato sull’IA; il resoconto non lo descrive come un’implementazione completata. |
La spinta europea all’IA collega capitali ed efficienza operativa
Il keynote di Berlino ha fatto seguito alle visite di NVIDIA a Parigi, Londra, Stoccolma e Dublino. Secondo quanto riferito dall’azienda, NVIDIA si impegna a investire quasi 10 miliardi di dollari nell’ecosistema tecnologico europeo e collabora con oltre 12.000 partner. Si tratta di una cifra relativa agli impegni, non dell’affermazione che l’intero importo sia già stato speso.
La tesi di Huang era che le aziende europee dovrebbero produrre IA, non solo consumarla. Ha citato società tra cui L’Oréal, Revolut, Spotify, Merck, Vodafone, Porsche e HSBC come aziende europee che collaborano con NVIDIA nell’ambito dell’IA, affiancando così gli annunci infrastrutturali a una base di imprese già esistente.
NVIDIA ha inoltre affermato che la sua DSX AI Factory Platform può ridurre fino al 100% il consumo di acqua per il raffreddamento e fornire la stessa produzione di IA utilizzando fino al 30% di energia in meno. Si tratta di capacità dichiarate per la piattaforma più ampia, distinte dall’affermazione sui tempi di implementazione di DSX POD. Il resoconto del keynote non fornisce risultati operativi specifici dei singoli progetti che dimostrino tali risparmi.
La sicurezza degli agenti entra a far parte dell’infrastruttura
L’accelerazione dell’implementazione delle infrastrutture era solo una parte della proposta di NVIDIA. Huang ha descritto gli agenti come sistemi che combinano un modello con un’infrastruttura di orchestrazione, memoria, una sandbox, conoscenze e strumenti. Poiché possono accedere a file, reti e altre risorse, la loro utilità comporta anche la necessità di controllare ciò che sono autorizzati a fare.
NVIDIA ha introdotto l’OpenShell Reference Architecture for Safe AI Agents per affrontare questo problema. È un progetto full-stack basato su OpenShell, un runtime open source con controlli basati su policy e sandboxing a livello kernel, interposto tra un agente e i sistemi sui quali può intervenire.
Huang ha affermato che i privilegi degli agenti dovrebbero essere ridotti al minimo e la loro attività monitorata, con autorizzazioni e applicazione delle policy adattate dinamicamente. La distinzione pratica consiste nel dare a un agente accesso a uno strumento oppure concedergli accesso illimitato al sistema circostante. NVIDIA ha presentato la sicurezza come un requisito ingegneristico per l’implementazione degli agenti, anziché come una proprietà del solo modello sottostante.
Le conoscenze aziendali sono il prossimo livello di implementazione
La Agent Knowledge Foundation di NVIDIA affronta un ostacolo distinto: collegare un agente alle informazioni già in possesso di un’azienda. La nuova raccolta di modelli e librerie comprende sia documenti non strutturati sia informazioni strutturate contenute nei database.
Tra gli strumenti presentati figurano le funzionalità Nemotron per l’analisi dei documenti, la creazione di embedding delle query e il riordinamento delle informazioni pertinenti, oltre ai nuovi modelli Kumo per effettuare previsioni a partire da dati strutturati. Queste funzioni collegano il processo di ragionamento dell’agente ai contenuti specifici dell’azienda, anziché affidarsi soltanto alle conoscenze contenute in un modello generale.
Huang ha inoltre presentato i modelli open di NVIDIA come punti di partenza che le aziende possono sottoporre a post-addestramento con dati proprietari per usi specifici. Le librerie CUDA-X costituiscono un altro elemento: simulatori, risolutori e motori di elaborazione dei dati accelerati che gli agenti possono utilizzare come strumenti. Nel complesso, gli annunci delineano uno stack operativo che comprende autorizzazioni, conoscenze ed esecuzione.
Gli esempi industriali mostrano diverse fasi di adozione
Un video del keynote ha illustrato come questi componenti potrebbero funzionare insieme. Presso Lila Sciences, gli agenti hanno contribuito a progettare una potenziale terapia per il linfoma a cellule B attraverso esperimenti virtuali che guidavano un laboratorio automatizzato. Nello stabilimento Siemens di Erlangen, gli agenti hanno aiutato a preparare i prodotti per la produzione verificando i piani in un gemello digitale. Un esempio di Dassault Systèmes ha mostrato agenti di progettazione che utilizzavano simulazioni per individuare un problema nella progettazione di un veicolo e perfezionarla.
Queste dimostrazioni vanno distinte dai progetti ancora in fase di sviluppo. NVIDIA e Siemens Healthineers stanno sviluppando una radioterapia basata sull’IA che combina agenti per la pianificazione del trattamento, gemelli digitali, immagini in tempo reale e dati provenienti da sensori. Il sistema descritto adeguerebbe il puntamento man mano che il corpo del paziente e il tumore cambiano durante il trattamento.
Gli esempi conferiscono uno scopo concreto alla strategia infrastrutturale: agenti in grado di lavorare con dati e strumenti specializzati in laboratori, stabilimenti e ambienti di progettazione ingegneristica. Non dimostrano, da soli, che ogni tecnologia annunciata sia già impiegata commercialmente o che i risparmi infrastrutturali dichiarati siano stati conseguiti in quei siti.
Conclusione
DSX POD offre alla spinta europea di NVIDIA nell’IA una proposta infrastrutturale concreta: trasferire l’integrazione fuori sede e ridurre i tempi di implementazione una volta pronti i servizi di pubblica utilità. Gli strumenti per la sicurezza e la gestione delle conoscenze che accompagnano l’annuncio affrontano il modo in cui le aziende potrebbero utilizzare gli agenti su tale infrastruttura, mentre prezzi, programmi di consegna e risultati di efficienza a livello di progetto restano non comunicati nel resoconto del keynote.
Leggi altre notizie
Avvertenza
Questo articolo di FinanceVelix fornisce informazioni generali e non costituisce una consulenza finanziaria, d’investimento, legale o fiscale personalizzata. I prezzi di mercato, i tassi d’interesse e le condizioni economiche possono variare; gli investimenti comportano un rischio di perdita. I fatti rispecchiano il materiale disponibile al momento della pubblicazione e possono cambiare. Verificate autonomamente le informazioni importanti e, quando necessario, consultate un professionista qualificato. La menzione di un’attività, di una società o di un servizio non costituisce un’approvazione.
