NVIDIA DSX POD ตั้งเป้าเร่งการติดตั้งโรงงาน AI

NVIDIA ประกาศเปิดตัว NVIDIA DSX POD ที่งาน GTC Berlin เมื่อวันที่ 21 ตุลาคม โดยนำเสนอแนวทางแบบโมดูลาร์สำหรับโรงงาน AI ซึ่งบริษัทระบุว่าสามารถลดเวลาติดตั้ง ณ สถานที่จริงจากหกเดือนเหลือ 14 วัน เมื่อระบบสาธารณูปโภคของพื้นที่พร้อม แบบอ้างอิงนี้บรรจุระบบ Vera Rubin ที่สมบูรณ์ไว้ในตู้คอนเทนเนอร์ ซึ่งพาร์ตเนอร์จะประกอบ ติดตั้งรวม และตรวจสอบความถูกต้องก่อนส่งมอบ ทำให้ย้ายงานติดตั้งส่วนใหญ่ไปดำเนินการนอกสถานที่ของลูกค้า

ประเด็นสำคัญ

• DSX POD เป็นแบบอ้างอิงสำหรับโรงงาน AI Vera Rubin แบบโมดูลาร์ที่พาร์ตเนอร์เป็นผู้สร้าง โดยกำหนดเวลาติดตั้งที่สั้นลงไว้ภายใต้เงื่อนไขว่าระบบสาธารณูปโภคของพื้นที่ต้องพร้อม
• NVIDIA นำเสนอแบบใหม่ด้านความปลอดภัยของเอเจนต์และเครื่องมือสำหรับเชื่อมต่อเอเจนต์กับองค์ความรู้ขององค์กร ควบคู่กับประกาศด้านโครงสร้างพื้นฐาน
• Huang กล่าวถึงการเปิดตัวเหล่านี้ในบริบทของการขยายธุรกิจของ NVIDIA ในยุโรป โดยระบุว่ามีคำมั่นลงทุนเกือบ 10,000 ล้านดอลลาร์ในระบบนิเวศเทคโนโลยีของภูมิภาค

สารบัญ

• NVIDIA DSX POD ย้ายขั้นตอนการประกอบรวมไปก่อนส่งมอบ
• แรงผลักดันด้าน AI ของยุโรปเชื่อมโยงเงินทุนกับประสิทธิภาพการดำเนินงาน
• ความปลอดภัยของเอเจนต์กลายเป็นส่วนหนึ่งของโครงสร้างพื้นฐาน
• องค์ความรู้ขององค์กรคือขั้นต่อไปของการติดตั้งใช้งาน
• ตัวอย่างภาคอุตสาหกรรมสะท้อนขั้นตอนการนำไปใช้ที่แตกต่างกัน
• บทสรุป

NVIDIA DSX POD ย้ายขั้นตอนการประกอบรวมไปก่อนส่งมอบ

การเปลี่ยนแปลงสำคัญอยู่ที่จุดซึ่งโรงงาน AI ถูกประกอบขึ้น แทนที่จะรอประกอบรวมและตรวจสอบความถูกต้องเมื่ออุปกรณ์ไปถึงปลายทาง DSX POD กำหนดให้พาร์ตเนอร์ดำเนินการขั้นตอนเหล่านั้นภายในตู้คอนเทนเนอร์แบบโมดูลาร์ก่อนจัดส่ง NVIDIA นำเสนอแนวทางนี้ว่าเป็นการเปลี่ยนแปลงห่วงโซ่อุปทานสำหรับการสร้างศูนย์ข้อมูล ไม่ใช่เพียงผลิตภัณฑ์ฮาร์ดแวร์ขนาดแร็กอีกชิ้นหนึ่ง

ความแตกต่างนี้สำคัญต่อการตีความคำกล่าวอ้างเรื่องเวลาติดตั้ง กรอบเวลา 14 วันหมายถึงการติดตั้ง ณ สถานที่จริงหลังระบบสาธารณูปโภคพร้อมแล้ว ไม่ใช่กำหนดเวลาที่ระบุไว้สำหรับโครงการทั้งหมด รายงานไม่ได้ระบุตารางเวลาก่อสร้างทั้งหมด หรือเปิดเผยราคา DSX POD และวันที่ส่งมอบให้ลูกค้า

Huang กล่าวว่า Vera Rubin เข้าสู่การผลิตเต็มรูปแบบแล้ว และขยายแพลตฟอร์มประมวลผลของ NVIDIA จากการประมวลผลโมเดลรายตัวและโมเดลภาษาขนาดใหญ่ ไปสู่การประมวลผลเอเจนต์ AI ทั้งระบบ เขาอธิบายว่าแพลตฟอร์มโรงงาน AI ในวงกว้างประกอบด้วยฮาร์ดแวร์ ซอฟต์แวร์ระบบ ไลบรารี CUDA-X และโมเดล

แรงผลักดันด้าน AI ของยุโรปเชื่อมโยงเงินทุนกับประสิทธิภาพการดำเนินงาน

ปาฐกถาสำคัญที่กรุงเบอร์ลินจัดขึ้นหลังจาก NVIDIA เดินทางเยือนปารีส ลอนดอน สตอกโฮล์ม และดับลิน ตามข้อมูลของบริษัท NVIDIA มีคำมั่นลงทุนเกือบ 10,000 ล้านดอลลาร์ในระบบนิเวศเทคโนโลยีของยุโรป และทำงานร่วมกับพาร์ตเนอร์มากกว่า 12,000 ราย ตัวเลขนี้เป็นยอดเงินที่ให้คำมั่นไว้ ไม่ใช่การระบุว่าได้ใช้จ่ายเงินทั้งหมดไปแล้ว

Huang เสนอว่า บริษัทในยุโรปควรเป็นผู้ผลิต AI ไม่ใช่เพียงผู้ใช้ AI เขาเอ่ยถึงธุรกิจต่าง ๆ รวมถึง L’Oréal, Revolut, Spotify, Merck, Vodafone, Porsche และ HSBC ในฐานะบริษัทของยุโรปที่ทำงานร่วมกับ NVIDIA ด้าน AI โดยนำเสนอประกาศด้านโครงสร้างพื้นฐานควบคู่ไปกับฐานธุรกิจที่มีอยู่แล้ว

NVIDIA ยังระบุว่าแพลตฟอร์ม DSX AI Factory สามารถลดการใช้น้ำเพื่อระบายความร้อนได้สูงสุด 100% และให้ผลลัพธ์ AI เท่าเดิมโดยใช้พลังงานน้อยลงสูงสุด 30% ตัวเลขเหล่านี้เป็นขีดความสามารถที่ระบุไว้ของแพลตฟอร์มโดยรวม และแยกต่างหากจากคำกล่าวอ้างเรื่องเวลาติดตั้งของ DSX POD รายงานปาฐกถาไม่ได้ให้ผลลัพธ์ด้านการดำเนินงานจากโครงการใดโครงการหนึ่งสำหรับการประหยัดเหล่านี้

ความปลอดภัยของเอเจนต์กลายเป็นส่วนหนึ่งของโครงสร้างพื้นฐาน

การติดตั้งโครงสร้างพื้นฐานได้เร็วขึ้นเป็นเพียงส่วนหนึ่งของข้อเสนอของ NVIDIA Huang อธิบายว่าเอเจนต์เป็นระบบที่รวมโมเดลเข้ากับชุดควบคุมการประสานงาน หน่วยความจำ แซนด์บ็อกซ์ องค์ความรู้ และเครื่องมือ เนื่องจากเอเจนต์เข้าถึงไฟล์ เครือข่าย และทรัพยากรอื่น ๆ ได้ ความสามารถดังกล่าวจึงทำให้จำเป็นต้องควบคุมสิ่งที่เอเจนต์ได้รับอนุญาตให้ทำด้วย

NVIDIA เปิดตัว OpenShell Reference Architecture for Safe AI Agents เพื่อจัดการกับปัญหานี้ โดยเป็นการออกแบบแบบฟูลสแตกที่สร้างบน OpenShell ซึ่งเป็นรันไทม์โอเพนซอร์สที่ควบคุมด้วยนโยบาย พร้อมการแซนด์บ็อกซ์ระดับเคอร์เนลที่ทำหน้าที่คั่นระหว่างเอเจนต์กับระบบที่เอเจนต์สามารถส่งผลกระทบได้

Huang กล่าวว่าเอเจนต์ควรได้รับสิทธิ์เท่าที่จำเป็นขั้นต่ำ และควรมีการตรวจสอบกิจกรรม โดยปรับสิทธิ์และการบังคับใช้นโยบายแบบไดนามิก ความแตกต่างในทางปฏิบัติคือ ระหว่างการให้เอเจนต์เข้าถึงเครื่องมือหนึ่ง กับการให้สิทธิ์เข้าถึงระบบโดยรอบอย่างไม่มีข้อจำกัด NVIDIA นำเสนอความปลอดภัยในฐานะข้อกำหนดทางวิศวกรรมสำหรับการติดตั้งใช้งานเอเจนต์ ไม่ใช่คุณสมบัติของโมเดลพื้นฐานเพียงอย่างเดียว

องค์ความรู้ขององค์กรคือขั้นต่อไปของการติดตั้งใช้งาน

Agent Knowledge Foundation ของ NVIDIA มุ่งจัดการกับอุปสรรคอีกประการหนึ่ง นั่นคือการเชื่อมต่อเอเจนต์กับข้อมูลที่ธุรกิจมีอยู่แล้ว ชุดโมเดลและไลบรารีที่เปิดตัวใหม่ครอบคลุมทั้งเอกสารที่ไม่มีโครงสร้างและข้อมูลฐานข้อมูลแบบมีโครงสร้าง

เครื่องมือที่นำเสนอประกอบด้วยความสามารถของ Nemotron สำหรับแยกวิเคราะห์เอกสาร สร้างเวกเตอร์ฝังตัวจากคำค้น และจัดอันดับข้อมูลที่เกี่ยวข้องใหม่ ตลอดจนโมเดล Kumo ใหม่สำหรับการคาดการณ์จากข้อมูลแบบมีโครงสร้าง ฟังก์ชันเหล่านี้เชื่อมกระบวนการใช้เหตุผลของเอเจนต์เข้ากับข้อมูลเฉพาะของบริษัท แทนที่จะอาศัยเพียงความรู้ที่อยู่ในโมเดลทั่วไป

Huang ยังนำเสนอโมเดลเปิดของ NVIDIA ในฐานะจุดเริ่มต้นที่บริษัทต่าง ๆ สามารถนำไปฝึกต่อหลังการฝึกขั้นต้นด้วยข้อมูลกรรมสิทธิ์ เพื่อใช้กับงานเฉพาะด้าน ไลบรารี CUDA-X เป็นองค์ประกอบอีกส่วนหนึ่ง ได้แก่ เครื่องจำลอง ตัวแก้ปัญหา และกลไกประมวลผลข้อมูลแบบเร่งความเร็วที่เอเจนต์สามารถใช้เป็นเครื่องมือได้ เมื่อพิจารณารวมกัน ประกาศเหล่านี้อธิบายถึงระบบปฏิบัติการที่ครอบคลุมตั้งแต่สิทธิ์การเข้าถึง องค์ความรู้ ไปจนถึงการปฏิบัติงาน

ตัวอย่างภาคอุตสาหกรรมสะท้อนขั้นตอนการนำไปใช้ที่แตกต่างกัน

วิดีโอในปาฐกถาแสดงให้เห็นว่าองค์ประกอบเหล่านี้อาจทำงานร่วมกันได้อย่างไร ที่ Lila Sciences เอเจนต์ช่วยออกแบบแนวทางการรักษามะเร็งต่อมน้ำเหลืองชนิดบีเซลล์ที่อาจเป็นไปได้ ผ่านการทดลองเสมือนจริงที่ใช้ชี้นำห้องปฏิบัติการอัตโนมัติ ที่โรงงาน Erlangen ของ Siemens เอเจนต์ช่วยเตรียมผลิตภัณฑ์สำหรับการผลิต โดยทดสอบแผนต่าง ๆ ในดิจิทัลทวิน ส่วนตัวอย่างของ Dassault Systèmes แสดงให้เห็นเอเจนต์ด้านวิศวกรรมที่ใช้การจำลองเพื่อระบุปัญหาในการออกแบบยานยนต์และปรับปรุงแบบ

ควรแยกการสาธิตเหล่านี้ออกจากโครงการที่ยังอยู่ระหว่างการพัฒนา NVIDIA และ Siemens Healthineers กำลังพัฒนาการฉายรังสีรักษาที่ใช้ AI ซึ่งผสานเอเจนต์วางแผนการรักษา ดิจิทัลทวิน ภาพถ่ายทางการแพทย์แบบเรียลไทม์ และข้อมูลจากเซนเซอร์ ระบบที่อธิบายไว้นี้จะปรับการกำหนดเป้าหมายเมื่อร่างกายและเนื้องอกของผู้ป่วยเปลี่ยนแปลงระหว่างการรักษา

ตัวอย่างเหล่านี้ทำให้กลยุทธ์ด้านโครงสร้างพื้นฐานมีเป้าหมายที่เป็นรูปธรรม นั่นคือเอเจนต์ที่ทำงานกับข้อมูลและเครื่องมือเฉพาะทางในห้องปฏิบัติการ โรงงาน และสภาพแวดล้อมด้านวิศวกรรมได้ อย่างไรก็ตาม ตัวอย่างเหล่านี้เพียงอย่างเดียวไม่ได้ยืนยันว่าเทคโนโลยีทุกอย่างที่ประกาศได้ถูกนำไปใช้งานเชิงพาณิชย์แล้ว หรือว่าประหยัดต้นทุนโครงสร้างพื้นฐานตามที่กล่าวอ้างได้จริงในสถานที่เหล่านั้น

บทสรุป

DSX POD นำเสนอแนวทางด้านโครงสร้างพื้นฐานที่ชัดเจนให้กับแรงผลักดันด้าน AI ของ NVIDIA ในยุโรป นั่นคือย้ายขั้นตอนการประกอบรวมไปดำเนินการนอกสถานที่และลดเวลาติดตั้งเมื่อระบบสาธารณูปโภคพร้อม เครื่องมือด้านความปลอดภัยและองค์ความรู้ที่เปิดตัวควบคู่กันตอบโจทย์วิธีที่ธุรกิจจะใช้งานเอเจนต์บนโครงสร้างพื้นฐานดังกล่าว ขณะที่รายงานปาฐกถายังไม่ได้เปิดเผยราคา กำหนดการส่งมอบ และผลลัพธ์ด้านประสิทธิภาพในระดับโครงการ

อ่านข่าวเพิ่มเติม

ข่าวเพิ่มเติมจาก FinanceVelix

ข้อจำกัดความรับผิดชอบ

บทความนี้จาก FinanceVelix ให้ข้อมูลทั่วไป ไม่ใช่คำแนะนำทางการเงิน การลงทุน กฎหมาย หรือภาษีที่จัดทำขึ้นเฉพาะบุคคล ราคาตลาด อัตราดอกเบี้ย และภาวะเศรษฐกิจอาจเปลี่ยนแปลงได้ การลงทุนมีความเสี่ยงที่จะขาดทุน ข้อเท็จจริงสะท้อนข้อมูลที่มีอยู่ในขณะเผยแพร่และอาจเปลี่ยนแปลงได้ โปรดตรวจสอบข้อมูลสำคัญด้วยตนเองและปรึกษาผู้เชี่ยวชาญที่มีคุณสมบัติเหมาะสมเมื่อจำเป็น การกล่าวถึงสินทรัพย์ บริษัท หรือบริการใด ๆ ไม่ถือเป็นการรับรอง