Beyond Retrieval: NVIDIA Kartlegger Kurs for den Generative Datamaskinæraen

NVIDIA (NVDA ) CEO Jensen Huang annonserte en rekke banebrytende fremgang i AI-regnekraftsevner på selskapets GTC-mars 2025-nøkkelord, og beskrev hva han kalte et “$1 billion datamaskin-innfallspunkt”. Nøkkelorden avdekket produksjonsklarheten til Blackwell GPU-arkitekturen, en flerårig veikart for fremtidige arkitekturer, store gjennombrudd i AI-nettverk, nye bedrifts AI-løsninger og betydelige utviklinger i robotikk og fysisk AI.

“Token-økonomien” og AI-fabrikker

Sentral i Huangs visjon er konseptet “tokens” som de grunnleggende byggesteinene for AI og fremveksten av “AI-fabrikker” som spesialiserte datasteder designet for generativ databehandling.

“Dette er hvordan intelligens skapes, en ny type fabrikkgenerator for tokens, byggesteinene for AI. Tokens har åpnet en ny grense,” sa Huang til publikum. Han understreket at tokens kan “transformere bilder til vitenskapelige data som kartlegger fremmede atmosfærer”, “dekodere fysikkens lover” og “se sykdom før den tar hold”.

Denne visjonen representerer en skifte fra tradisjonell “henting-databehandling” til “generativ databehandling”, der AI forstår kontekst og genererer svar i stedet for bare å hente forhånds lagrede data. Ifølge Huang nødvendiggjør denne overgangen en ny type datacenter-arkitektur hvor “datamaskinen er blitt en generator for tokens, ikke en henting av filer”.

Blackwell-arkitekturen gir massive ytelsesforbedringer

NVIDIA Blackwell GPU-arkitekturen, nå i “full produksjon”, gir ifølge selskapet “40 ganger bedre ytelse enn Hopper” for resonneringsmodeller under identiske kraftforhold. Arkitekturen inkluderer støtte for FP4-presisjon, noe som fører til betydelige energi-effektivitetsforbedringer.

“ISO-kraft, Blackwell er 25 ganger,” sa Huang, og understreket de dramatiske effektivitetsforbedringene til den nye plattformen.

Blackwell-arkitekturen støtter også ekstrem skala-oppgang gjennom teknologier som NVLink 72, noe som muliggjør skapingen av massive, forente GPU-systemer. Huang forutså at Blackwells ytelse vil gjøre tidligere generasjons GPUer betydelig mindre ønskelige for krevende AI-arbeidsbelastninger.

(Kilde: NVIDIA)

Forutsigbar veikart for AI-infrastruktur

NVIDIA presenterte en jevn årlig rytme for sine AI-infrastruktur-innovasjoner, noe som tillater kunder å planlegge sine investeringer med større sikkerhet:

• Blackwell Ultra (andre halvdel av 2025): En oppgradering av Blackwell-plattformen med økt FLOPs, minne og båndbredde.
• Vera Rubin (andre halvdel av 2026): En ny arkitektur med en CPU med doblet ytelse, en ny GPU og neste-generasjons NVLink- og minneteknologier.
• Rubin Ultra (andre halvdel av 2027): En ekstrem skala-oppgangs-arkitektur som måler seg mot 15 exaflops av beregning per hyll.

Demokratisering av AI: Fra nettverk til modeller

For å realisere visjonen om vidt utbredt AI-tilpasning, annonserte NVIDIA omfattende løsninger som spenner over nettverk, maskinvare og programvare. På infrastrukturnivået adresserer selskapet utfordringen med å koble sammen hundredtusener eller til og med millioner av GPUer i AI-fabrikker gjennom betydelige investeringer i silikon-fotonikk-teknologi. Deres første co-pakkede optiske (CPO) silikon-fotoniske system, et 1,6 terabit per sekund CPO basert på mikroring-resonans-modulator (MRM)-teknologi, lover betydelige kraftbesparelser og økt tetthet sammenlignet med tradisjonelle transceivere, noe som muliggjør mer effektive sammenkoblinger mellom massive antall GPUer på ulike steder.

Mens de bygger grunnlaget for store AI-fabrikker, bringer NVIDIA samtidig AI-regnekraft til enkeltpersoner og mindre lag. Selskapet introduserte en ny rekke DGX personlige AI-superdatamaskiner drevet av Grace Blackwell-plattformen, rettet mot å gi AI-utviklere, forskere og data-vitenskapsmenn mulighet til å utvikle AI. Utvalget inkluderer DGX Spark, en kompakt utviklingsplattform, og DGX Station, en høy-ytelses-arbeidsstasjon med væskeavkjøling og en imponerende 20 petaflops av beregning.

NVIDIA DGX Spark (Kilde: NVIDIA)

Komplementerende disse maskinvare-fremgangene, annonserte NVIDIA den åpne Llama Nemotron-familien av modeller med resonanse-egenskaper, designet for å være bedrifts-klare for å bygge avanserte AI-agenter. Disse modellene er integrert i NVIDIA NIM (NVIDIA Inference Microservices), som tillater utviklere å distribuere dem på ulike plattformer fra lokale arbeidsstasjoner til skyen. Tilnærmingen representerer en fullstendig løsning for bedrifts AI-tilpasning.

Huang understreket at disse initiativene forbedres gjennom omfattende samarbeid med store selskaper på tvers av flere bransjer som integrerer NVIDIA-modeller, NIM og biblioteker i sine AI-strategier. Dette økosystem-tilnærmingen måler seg mot å akselerere tilpasning samtidig som den gir fleksibilitet for ulike bedriftsbehov og brukstilfeller.

Fysisk AI og robotikk: En $50 billion mulighet

NVIDIA ser fysisk AI og robotikk som en “$50 billion mulighet”, ifølge Huang. Selskapet annonserte den åpne kilde-koden NVIDIA Isaac GR00T N1, beskrevet som en “generalistisk grunnmodell for humanoid-roboter”.

Betydelige oppdateringer til NVIDIA Cosmos-verdens grunnmodeller gir utenkelig kontroll over syntetisk datagenerering for robot-trening ved hjelp av NVIDIA Omniverse. Som Huang forklarte, “Bruke Omniverse til å kondisjonere Cosmos, og Cosmos til å generere et ubegrenset antall miljøer, lar oss skape data som er grunnlagt, kontrollert av oss og likevel systematisk ubegrenset på samme tid”.

Selskapet avdekket også en ny åpen kilde-kode fysikk-motor kalt “Newton”, utviklet i samarbeid med Google DeepMind og Disney Research. Motoren er designet for høy-fidelitets robot-simulering, inkludert stive og myke legemer, taktil tilbakemelding og GPU-akselerasjon.

Isaac GR00T N1 (Kilde: NVIDIA)

Agens AI og bransje-omforming

Huang definerte “agens AI” som AI med “agens” som kan “oppfatte og forstå konteksten”, “resonere” og “planlegge og handle”, selv ved å bruke verktøy og lære fra multimodale informasjoner.

“Agens AI betyr i praksis at du har en AI som har agens. Den kan oppfatte og forstå konteksten av omstendighetene. Den kan resonere, veldig viktig kan resonere om hvordan å svare eller løse et problem, og den kan planlegge og handle. Den kan planlegge og handle. Den kan bruke verktøy,” forklarte Huang.

Dette mulighetsrommet driver en økning i beregningskrav: “Mengden beregning som kreves, skala-loven for AI, er mer resilient og faktisk hyper-akselerert. Mengden beregning vi trenger nå som resultat av agens AI, som resultat av resonanse, er lett en hundred ganger mer enn vi trodde vi trengte for ett år siden,” la han til.

Bunnen av saken

Jensen Huangs GTC 2025-nøkkelord presenterte en omfattende visjon for en AI-drevet fremtid karakterisert av intelligente agenter, autonome roboter og spesialbygde AI-fabrikker. NVIDIA-annonsene på tvers av maskinvare-arkitektur, nettverk, programvare og åpne modeller signaliserer selskapets bestemmelse på å drive og akselerere den neste æraen for databehandling.

Som databehandlingen fortsetter sin skifte fra henting-basert til generativ modell, gir NVIDIA-fokuset på tokens som den grunnleggende valutaen for AI og på å skalerer kapasiteter på tvers av sky, bedrift og robotikk-plattformer en veikart for fremtiden for teknologi, med langtrekkende implikasjoner for bransjer verden over.