Partnerskaber

NVIDIA udvider AI-samarbejdet med Microsoft med Vera Rubin og Nemotron

Theo Nash
Føj Unite.AI til dine foretrukne kilder på Google
NøglepunkterNVIDIA og Microsoft udvider fortrolig databehandling til AI-infrastruktur i rack-skala…
Vis mere
  • NVIDIA og Microsoft udvider fortrolig databehandling til AI-infrastruktur i rack-skala, så regulerede kunder kan verificere miljøer, før de frigiver følsomme data.
  • EY tilpassede Nemotron-modeller med Programmed Training og rapporterede en forbedring af nøjagtigheden på 55 % sammen med en 15x omkostningsreduktion sammenlignet med proprietære frontier-modeller.
  • Partnerskabet rækker nu ud over Azure til on-premises-systemer, industrielle edge-enheder og Windows Cloud PCs gennem Foundry Local og RTX PRO GPU'er.

NVIDIA annoncerede et udvidet AI-samarbejde med Microsoft den 19. november 2026 på Microsoft Ignite. Samarbejdet omfatter Vera Rubin NVL72-systemer, der kører i Azure-datacentre, bredere understøttelse af åbne Nemotron-modeller i Microsoft Foundry samt implementeringsmuligheder til lokale systemer, industrielle edge-enheder og Windows Cloud PCs.

Virksomhederne udvider adgangen til Azure-virtuelle maskiner drevet af Vera Rubin NVL72 via Azures Vera Rubin-forhåndsvisning. Systemerne er udviklet til ræsonnering og agentbaserede applikationer samt træning og inferens af modeller i stor skala, så forhåndsvisningen dækker både modeludvikling og -implementering.

Ud over computerkapacitet arbejder Microsoft og NVIDIA på at udvide fortrolig databehandling til bare-metal- og rackskaleret AI-infrastruktur til proprietære og regulerede oplysninger. NVIDIA Confidential Computing og attestering hjælper kunder med at verificere computermiljøet, før de frigiver følsomme modeller, data eller nøgler. Arbejdet med at udvide denne beskyttelse til sammenkoblet AI-fabriksinfrastruktur er i gang. Virksomhederne samarbejder også om energieffektivitet gennem NVIDIA MaxLPS, så datacentre kan få mere ydelse ud af den tilgængelige strøm.

Microsoft bruger også NVIDIA-teknologi i sin egen drift. Microsoft AI bruger Dynamo til inferens i forbindelse med rollout i forstærkningslæring under eftertræning – den beregningstunge proces, der genererer erfaringer, som bruges til at forbedre modeller. Dynamo koordinerer inferens på tværs af en stor GPU-flåde, optimerer ydelsen og hjælper med at håndtere anmodninger, modelopdateringer og gendannelse efter fejl i en implementering, der bygger på fælles udviklingsarbejde fra Microsoft AI og NVIDIA. Microsoft bruger også RTX PRO 6000 Blackwell-GPU’er til Bing-søgemodeller.

Tilpasning af åbne modeller i Foundry

Til virksomhedsudviklere giver Microsofts serverløse tilbud Programmed Training kontrol over arbejdsgange efter træningen, mens Foundry håndterer den underliggende infrastruktur. Foundry Managed Compute tilføjer understøttelse af implementering af tilpassede modelvægte og forbinder dermed modeltilpasning med implementering gennem Microsofts administrerede tjenester.

NVIDIA oplyste, at EY brugte Programmed Training til at tilpasse åbne Nemotron-modeller til klassificering af virksomhedens indkøbsregistreringer. De rapporterede resultater var en forbedring af nøjagtigheden på 55 % på EYs evalueringsdatasæt og en omkostningsreduktion på 15 gange sammenlignet med proprietære frontmodeller. Det er et målt eksempel på tilpasning til en specialiseret forretningsopgave.

Den udvidede produktserie Nemotron 3.5 på Foundry Managed Compute omfatter Super til langvarige agenter, der arbejder med kodning, forskning og forretningsprocesser, samt Lightning til applikationer, der kræver hurtige svar og brug af værktøjer. Embed og Rerank understøtter informationssøgning, Parse udtrækker strukturerede oplysninger fra dokumenter, og Content Safety registrerer skadeligt indhold. NVIDIA oplyste, at Bolt til ræsonnering med høj gennemstrømning og lav latenstid samt Transcribe til talegenkendelse snart bliver tilgængelige.

Implementering uden for Azure

Den udvidede Nemotron-understøttelse i Foundry Local giver Azure Local-miljøer adgang til ræsonnering, kodning og agenter, der bruger værktøjer, mens søgemodeller hjælper applikationer med at finde belæg i tekst, dokumentbilleder, diagrammer og tabeller. NVIDIA oplyste, at Azure Local vil understøtte RTX PRO 6000 Blackwell-GPU’er fra hardwarepartnere til lokale AI-implementeringer.

Azure Local udvides også til Jetson Thor og Jetson Orin til industrielle anvendelser, herunder maskinsyn, robotteknologi og autonome operationer, og Cosmos-modeller til fysisk AI bringes til Foundry Local. Disse tilføjelser udvider samarbejdet fra centraliseret cloudinfrastruktur til systemer, der er placeret tættere på de data, som genereres af industrielle operationer.

NVIDIA oplyste, at virksomhederne på Ignite vil demonstrere lokale oplevelser med store sprogmodeller på Windows-pc’er drevet af RTX Spark. Til GPU-accelererede Windows 365 Cloud PCs understøtter Direct Stream op til to 4K-streams med 60 billeder i sekundet og lav latenstid over udfordrende netværksforbindelser. En begrænset forhåndsvisning er åben for tilmeldinger, og en offentlig forhåndsvisning er planlagt til begyndelsen af 2027.

Videnskabelige værktøjer og konsekvenser for virksomheder

NVIDIAs BioNeMo Agent Toolkit og ALCHEMI Toolkit føjes også til Microsoft Discovery-kataloget med modeller inden for biovidenskab, lægemiddeludvikling, materialevidenskab og kemisk videnskab til Microsofts agentbaserede forskningsplatform. BioNeMo Agent Toolkit gør det muligt for forskere at bruge naturligt sprog til at køre arbejdsgange inden for beregningsbiologi, hvor agenter koordinerer de nødvendige værktøjer og modelkald.

Samarbejdet omfatter dermed både udbuddet og anvendelsen af AI-computerkraft: Microsoft kører NVIDIA-teknologi i sin egen modeludvikling og søgedrift, samtidig med at virksomheden tilbyder beslægtet infrastruktur og modeltjenester til andre virksomheder. Den annoncerede udrulning sker trinvist og omfatter systemer, der allerede kører i Azure, en begrænset Direct Stream-forhåndsvisning, der er åben for tilmeldinger, og yderligere modeller, som endnu ikke er tilgængelige.

Theo Nash er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI‑infrastruktur, beregning og de hardware‑systemer, der driver moderne kunstig intelligens. Hans arbejde fokuserer på de tekniske grundlag bag store AI‑arbejdsbelastninger, herunder datacentre, acceleratorer, netværk og software‑stakke, der binder dem sammen.

Med et analytisk og ingeniørdrevet perspektiv undersøger Theo, hvordan fremskridt inden for GPU’er, specialdesignet silicium, hukommelsesarkitekturer og distribuerede systemer muliggør nye generationer af AI‑modeller. Han lægger særlig vægt på præstationsafvejninger, energieffektivitet, skalerbarhed og de praktiske begrænsninger, der former implementeringen af AI‑infrastruktur i den virkelige verden.

Artikler skrevet af Theo Nash er AI‑genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre teknisk nøjagtighed, klarhed og ansvarlig dækning af det hastigt udviklende AI‑beregningslandskab.