Ud over tilgang: NVIDIA tegner kurs for den generative beregningsæra

NVIDIA (NVDA ) CEO Jensen Huang annoncerede en række banebrydende fremskridt i AI-beregningsevner på virksomhedens GTC-march 2025-keynote, hvor han beskrev, hvad han kaldte et “$1 billion computing inflection point.” Keynoten afslørede produktionsklarheden af Blackwell GPU-arkitekturen, en flerårig vejviser for fremtidige arkitekturer, store gennembrud i AI-netværk, nye enterprise AI-løsninger og betydelige udviklinger i robotteknologi og fysisk AI.

“Token-økonomien” og AI-fabrikker

Centralt for Huangs vision er begrebet “tokens” som de grundlæggende byggesten for AI og opkomsten af “AI-fabrikker” som specialiserede datacentre designet til generativ beregning.

“Dette er, hvordan intelligens skabes, en ny type fabriksgenerator af tokens, byggestenene for AI. Tokens har åbnet en ny front,” sagde Huang til publikum. Han understregede, at tokens kan “transformere billeder til videnskabelige data, der kartograferer fremmede atmosfærer,” “afkode fysikkens love” og “se sygdommen, før den tager fat.”

Denne vision repræsenterer en skift fra traditionel “retrieval-beregning” til “generativ beregning”, hvor AI forstår kontekst og genererer svar i stedet for blot at hente forhånds gemte data. Ifølge Huang nødvendiggør denne overgang en ny type datacenterarkitektur, hvor “computeren er blevet en generator af tokens, ikke en hentning af filer.”

Blackwell-arkitekturen leverer massive ydelsesforbedringer

NVIDIA Blackwell GPU-arkitekturen, nu i “fuld produktion”, leverer, ifølge virksomheden, “40 gange bedre ydelse end Hopper” for resonansmodeller under identiske effektbetingelser. Arkitekturen inkluderer support for FP4-præcision, hvilket fører til betydelige energibesparelser.

“ISO-kraft, Blackwell er 25 gange,” sagde Huang, hvilket understregede de dramatiske effektivitetsforbedringer af den nye platform.

Blackwell-arkitekturen understøtter også ekstrem opskalering gennem teknologier som NVLink 72, hvilket muliggør oprettelse af massive, samlede GPU-systemer. Huang forudsagde, at Blackwells ydelse vil gøre tidligere generationers GPU’er betydeligt mindre ønskelige for krævende AI-arbejdsbelastninger.

(Kilde: NVIDIA)

Forudsigelig vejviser for AI-infrastruktur

NVIDIA tegnede en fast årlig rytme for deres AI-infrastruktur-innovationer, hvilket giver kunder mulighed for at planlægge deres investeringer med større sikkerhed:

• Blackwell Ultra (Anden halvdel af 2025): En opgradering af Blackwell-platformen med øget FLOPs, hukommelse og båndbredde.
• Vera Rubin (Anden halvdel af 2026): En ny arkitektur med en CPU med dobbelt ydelse, en ny GPU og næste generations NVLink- og hukommelses teknologier.
• Rubin Ultra (Anden halvdel af 2027): En ekstrem opskalering af arkitekturen med mål om 15 exaflops beregning per rack.

Demokratisering af AI: Fra netværk til modeller

For at realisere visionen om udbredt AI-adopterende annoncerede NVIDIA omfattende løsninger, der spænder over netværk, hardware og software. På infrastruktur-niveau adresse virksomheden udfordringen ved at forbinde hundredtusinder eller endda millioner af GPU’er i AI-fabrikker gennem betydelige investeringer i silicium-fotonik-teknologi. Deres første co-pakket optik (CPO) silicium-fotonisk system, et 1,6 terabit per sekund CPO baseret på mikroring resonansmodulator (MRM) teknologi, lover betydelige energibesparelser og øget tæthed i forhold til traditionelle transceivere, hvilket muliggør mere effektive forbindelser mellem massive antal GPU’er på tværs af forskellige lokaliteter.

Samtidig med at bygge grundlaget for store AI-fabrikker, bringer NVIDIA samtidig AI-beregningsevner til enkeltpersoner og mindre hold. Virksomheden introducerede en ny linje af DGX personlige AI-supercomputere drevet af Grace Blackwell-platformen, med det formål at udvikle AI-udviklere, forskere og datavidenskabsmænd. Linjen inkluderer DGX Spark, en kompakt udviklingsplatform, og DGX Station, en højpræstations skrivebords-arbejdsstation med væskeafkøling og en imponerende 20 petaflops beregning.

NVIDIA DGX Spark (Kilde: NVIDIA)

Komplementerende disse hardware-fremgang, annoncerede NVIDIA den åbne Llama Nemotron-familie af modeller med resonansmuligheder, designet til at være enterprise-klar til opbygning af avancerede AI-agenter. Disse modeller er integreret i NVIDIA NIM (NVIDIA Inference Microservices), hvilket giver udviklere mulighed for at implementere dem på tværs af forskellige platforme fra lokale arbejdsstationer til skyen. Tilgangen repræsenterer en fuld-stack-løsning til enterprise AI-adopterende.

Huang understregede, at disse initiativer forstærkes gennem omfattende samarbejder med store virksomheder på tværs af flere brancher, der integrerer NVIDIA-modeller, NIM og biblioteker i deres AI-strategier. Dette økosystem-tilgang sigter mod at accelerere adopterende, samtidig med at det giver fleksibilitet for forskellige enterprise-behov og brugsområder.

Fysisk AI og robotteknologi: En $50 billion mulighed

NVIDIA ser fysisk AI og robotteknologi som en “$50 billion mulighed”, ifølge Huang. Virksomheden annoncerede den åbne kilde NVIDIA Isaac GR00T N1, beskrevet som en “generalist grundmodel for humanoid robotter.”

Betydelige opdateringer til NVIDIA Cosmos verdens grundmodeller giver uden precedent kontrol over syntetisk data-generering til robottræning ved hjælp af NVIDIA Omniverse. Som Huang forklarede, “Ved at bruge Omniverse til at konditionere Cosmos, og Cosmos til at generere et uendeligt antal miljøer, giver os mulighed for at skabe data, der er grundlagt, kontrolleret af os og alligevel systematisk uendeligt på samme tid.”

Virksomheden afslørede også en ny åben kilde fysik-motor kaldet “Newton”, udviklet i samarbejde med Google DeepMind og Disney Research. Motoren er designet til højtilfældighed robot-simulation, herunder stive og bløde legemer, taktil feedback og GPU-acceleration.

Isaac GR00T N1 (Kilde: NVIDIA)

Agentisk AI og branchetransformation

Huang definerede “agentisk AI” som AI med “agenti”, der kan “opfange og forstå konteksten”, “resonere” og “planlægge og handle”, selv ved at bruge værktøjer og lære fra multimodale oplysninger.

“Agentisk AI betyder grundlæggende, at du har en AI, der har agenti. Den kan opfange og forstå konteksten af omstændighederne. Den kan resonere, meget vigtigt kan resonere om, hvordan den skal svare eller løse et problem, og den kan planlægge og handle. Den kan planlægge og handle. Den kan bruge værktøjer,” forklarede Huang.

Denne evne driver en øget efterspørgsel efter beregningskræfter: “Mængden af beregningskræfter, der kræves, skalingsloven for AI, er mere robust og faktisk hyper-accelereret. Mængden af beregningskræfter, vi har brug for på dette tidspunkt som følge af agentisk AI, som følge af resonans, er let 100 gange mere end vi troede, vi havde brug for sidste år,” tilføjede han.

Bottom Line

Jensen Huangs GTC 2025-keynote præsenterede en omfattende vision for en AI-dreven fremtid karakteriseret ved intelligente agenter, autonome robotter og specialbyggede AI-fabrikker. NVIDIA’s annonceringer på tværs af hardware-arkitektur, netværk, software og åbne modeller signalerer virksomhedens beslutning om at drive og accelerere den næste æra af beregning.

Som beregning fortsætter sin skift fra tilgangs-baseret til generativ modellering, giver NVIDIA’s fokus på tokens som den centrale valuta for AI og på opskalering af muligheder på tværs af cloud, enterprise og robot-platforme en vejviser for fremtidens teknologi, med langtrækkende implikationer for brancher verden over.