Partnerskap

NVIDIA utökar AI-samarbetet med Microsoft kring Vera Rubin och Nemotron

Theo Nash
Lägg till Unite.AI bland dina föredragna källor på Google
Viktiga punkterNVIDIA och Microsoft utökar konfidentiell databehandling till AI-infrastruktur i…
Visa mer
  • NVIDIA och Microsoft utökar konfidentiell databehandling till AI-infrastruktur i rack-skala så att reglerade kunder kan verifiera miljöer innan de släpper känsliga data.
  • EY anpassade Nemotron-modeller med Programmed Training och rapporterade en noggrannhetsförbättring på 55 % tillsammans med en kostnadsminskning på 15x jämfört med proprietära frontiermodeller.
  • Partnerskapet når nu bortom Azure till lokala system, industriella edge-enheter och Windows Cloud PCs genom Foundry Local och RTX PRO GPU:er.

NVIDIA meddelade ett utökat AI-samarbete med Microsoft den 19 november 2026 på Microsoft Ignite. Samarbetet omfattar Vera Rubin NVL72-system som körs i Azure-datacenter, ett bredare stöd för Nemotrons öppna modeller i Microsoft Foundry samt driftsättningsalternativ för lokala system, industriella edge-enheter och Windows Cloud-datorer.

Företagen utökar tillgången till virtuella Azure-datorer med Vera Rubin NVL72 genom förhandsversionen av Vera Rubin i Azure. Systemen är utformade för resonemang och agentbaserade tillämpningar samt storskalig modellträning och inferens, vilket kopplar förhandsversionen till både modellutveckling och driftsättning.

Utöver beräkningskapacitet arbetar Microsoft och NVIDIA med att utöka konfidentiell databehandling till bare-metal-infrastruktur och AI-infrastruktur i rackskala för proprietär och reglerad information. NVIDIA Confidential Computing och attestering hjälper kunder att verifiera beräkningsmiljön innan de lämnar ut känsliga modeller, data eller nycklar. Arbetet pågår med att utöka skyddet till sammankopplad AI-fabriksinfrastruktur. Företagen samarbetar också kring energieffektivitet genom NVIDIA MaxLPS, som ska hjälpa datacenter att få ut mer prestanda av den tillgängliga effekten.

Microsoft använder också NVIDIA-teknik i sin egen verksamhet. Microsoft AI använder Dynamo för inferens vid förstärkningsinlärningens rollout under efterträningen, den beräkningsintensiva process där erfarenheter genereras och används för att förbättra modeller. Dynamo samordnar inferens över en stor GPU-flotta, optimerar prestandan och hjälper till att hantera förfrågningar, modelluppdateringar och återhämtning efter fel i en driftsättning som bygger på gemensamt ingenjörsarbete från Microsoft AI och NVIDIA. Microsoft använder också RTX PRO 6000 Blackwell-GPU:er för sökmodeller i Bing.

Anpassning av öppna modeller i Foundry

För företagsutvecklare ger Microsofts serverlösa erbjudande Programmed Training kontroll över arbetsflöden för efterträning, medan Foundry hanterar den underliggande infrastrukturen. Foundry Managed Compute lägger till stöd för driftsättning av anpassade modellvikter och kopplar därmed samman modellanpassning med driftsättning via Microsofts hanterade tjänster.

NVIDIA uppger att EY använde Programmed Training för att anpassa öppna Nemotron-modeller för klassificering av företagets inköpsunderlag. De redovisade resultaten var 55 % högre träffsäkerhet på EY:s utvärderingsdataset och 15 gånger lägre kostnad jämfört med proprietära frontmodeller. Det är ett mätbart exempel på anpassning för en specialiserad affärsuppgift.

Det utökade Nemotron 3.5-utbudet i Foundry Managed Compute omfattar Super för långvariga agenter som arbetar med kodning, forskning och affärsflöden samt Lightning för tillämpningar som kräver snabba svar och verktygsanvändning. Embed och Rerank stöder informationssökning, Parse hämtar strukturerad information ur dokument och Content Safety upptäcker skadligt innehåll. NVIDIA uppgav att Bolt, för resonemang med hög genomströmning och låg latens, och Transcribe, för taligenkänning, kommer snart.

Driftsättning utanför Azure

Det utökade stödet för Nemotron i Foundry Local för in resonemang, kodning och verktygsanvändande agenter i Azure Local-miljöer, medan sökmodeller hjälper tillämpningar att hitta belägg i text, dokumentbilder, diagram och tabeller. NVIDIA uppgav att Azure Local kommer att stödja RTX PRO 6000 Blackwell-GPU:er från hårdvarupartner för lokala AI-driftsättningar.

Azure Local utökas också till Jetson Thor och Jetson Orin för industriella användningsområden, däribland maskinseende, robotteknik och autonom drift. Samtidigt förs Cosmos-modeller för fysisk AI till Foundry Local. Tilläggen breddar samarbetet från centraliserad molninfrastruktur till system som finns närmare de data som genereras i industriell verksamhet.

NVIDIA uppgav att företagen på Ignite kommer att demonstrera lokala upplevelser med stora språkmodeller på Windows-datorer med RTX Spark. För GPU-accelererade Windows 365 Cloud-datorer stöder Direct Stream upp till två 4K-strömmar med 60 bildrutor per sekund och låg latens även över nätverk med svåra förhållanden. En begränsad förhandsversion är öppen för anmälningar, och en offentlig förhandsversion planeras till början av 2027.

Vetenskapliga verktyg och konsekvenser för företag

NVIDIA:s BioNeMo Agent Toolkit och ALCHEMI Toolkit utökas också till Microsoft Discoverys katalog. Därmed tillförs modeller för biovetenskap, läkemedelsutveckling, materialvetenskap och kemivetenskap till Microsofts plattform för agentbaserad forskning. BioNeMo Agent Toolkit låter forskare använda naturligt språk för att köra arbetsflöden inom beräkningsbiologi, där agenter samordnar de verktyg och modellförfrågningar som behövs.

Samarbetet omfattar därmed både tillhandahållandet och användningen av AI-beräkningskapacitet: Microsoft kör NVIDIA-teknik i sin egen modellutveckling och sökverksamhet samtidigt som företaget erbjuder företag relaterad infrastruktur och modelltjänster. Den aviserade utrullningen sker stegvis och omfattar system som redan körs i Azure, en begränsad förhandsversion av Direct Stream som är öppen för anmälningar samt fler modeller som ännu inte har lanserats.

Theo Nash är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, som täcker AI‑infrastruktur, beräkning och hårdvarusystemen som driver modern artificiell intelligens. Hans arbete fokuserar på de tekniska grunderna bakom storskaliga AI‑arbetsbelastningar, inklusive datacenter, acceleratorer, nätverk och mjukvarustacken som binder dem samman.

Med ett analytiskt och ingenjörsdrivet perspektiv granskar Theo hur framsteg inom GPU:er, skräddarsytt kisel, minnesarkitekturer och distribuerade system möjliggör nya generationer av AI‑modeller. Han ägnar särskild uppmärksamhet åt prestandakompromisser, energieffektivitet, skalbarhet och de praktiska begränsningarna som formar verklig implementering av AI‑infrastruktur.

Artiklar skrivna av Theo Nash är AI‑genererade och granskas av Unite.AI:s redaktionsteam för att säkerställa teknisk noggrannhet, tydlighet och ansvarsfull täckning av det snabbt föränderliga AI‑beräkningslandskapet.