ความร่วมมือ

NVIDIA ขยายความร่วมมือด้าน AI กับ Microsoft ด้วย Vera Rubin และ Nemotron

Theo Nash
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญNVIDIA และ Microsoft กำลังขยายการประมวลผลแบบความลับไปยังโครงสร้างพื้นฐาน AI…
ดูเพิ่มเติม
  • NVIDIA และ Microsoft กำลังขยายการประมวลผลแบบความลับไปยังโครงสร้างพื้นฐาน AI ระดับตู้แร็ค เพื่อให้ลูกค้าในอุตสาหกรรมที่มีการกำกับดูแลสามารถตรวจสอบสภาพแวดล้อมก่อนปล่อยข้อมูลที่ละเอียดอ่อน
  • EY ปรับใช้โมเดล Nemotron ด้วย Programmed Training และรายงานว่าความแม่นยำเพิ่มขึ้น 55% พร้อมกับลดต้นทุนลง 15 เท่าเมื่อเทียบกับโมเดลชั้นนำที่เป็นกรรมสิทธิ์
  • ความร่วมมือนี้ขยายออกไปนอกเหนือจาก Azure ไปสู่ระบบภายในองค์กร อุปกรณ์ Edge ในอุตสาหกรรม และ Windows Cloud PC ผ่าน Foundry Local และ RTX PRO GPU

เมื่อวันที่ 19 พฤศจิกายน 2026 ที่งาน Microsoft Ignite NVIDIA ประกาศขยายความร่วมมือด้าน AI กับ Microsoft ครอบคลุมระบบ Vera Rubin NVL72 ที่ทำงานในศูนย์ข้อมูล Azure การรองรับโมเดลเปิด Nemotron ที่ครอบคลุมยิ่งขึ้นใน Microsoft Foundry และตัวเลือกการติดตั้งใช้งานสำหรับระบบภายในองค์กร อุปกรณ์เอดจ์ในภาคอุตสาหกรรม และพีซี Windows Cloud

ทั้งสองบริษัทกำลังเพิ่มการเข้าถึงเครื่องเสมือน Azure ที่ขับเคลื่อนด้วย Vera Rubin NVL72 ผ่านโปรแกรมพรีวิว Vera Rubin ของ Azure ระบบเหล่านี้ออกแบบมาสำหรับการให้เหตุผลและแอปพลิเคชันแบบเอเจนต์ ตลอดจนการฝึกและการอนุมานโมเดลขนาดใหญ่ โดยเชื่อมโยงโปรแกรมพรีวิวเข้ากับทั้งการพัฒนาและการติดตั้งใช้งานโมเดล

นอกเหนือจากการเพิ่มขีดความสามารถด้านการประมวลผลแล้ว Microsoft และ NVIDIA ยังร่วมกันขยายการประมวลผลแบบรักษาความลับไปสู่โครงสร้างพื้นฐาน AI แบบ Bare Metal และระดับแร็ก เพื่อรองรับข้อมูลที่เป็นกรรมสิทธิ์และข้อมูลที่อยู่ภายใต้ข้อกำกับดูแล NVIDIA Confidential Computing และการรับรองความถูกต้องช่วยให้ลูกค้าตรวจสอบสภาพแวดล้อมการประมวลผลได้ก่อนเปิดเผยโมเดล ข้อมูล หรือคีย์ที่ละเอียดอ่อน โดยขณะนี้กำลังดำเนินงานเพื่อขยายการคุ้มครองดังกล่าวให้ครอบคลุมโครงสร้างพื้นฐาน AI Factory ที่เชื่อมต่อถึงกันด้วย นอกจากนี้ ทั้งสองบริษัทยังร่วมมือกันเพิ่มประสิทธิภาพการใช้พลังงานผ่าน NVIDIA MaxLPS เพื่อช่วยให้ศูนย์ข้อมูลประมวลผลได้มากขึ้นจากพลังงานที่มีอยู่

Microsoft ยังนำเทคโนโลยีของ NVIDIA มาใช้ในการดำเนินงานของตนเองด้วย Microsoft AI ใช้ Dynamo สำหรับการอนุมานในขั้น rollout ของการเรียนรู้แบบเสริมกำลังระหว่างการฝึกขั้นหลัง ซึ่งเป็นกระบวนการที่ใช้การประมวลผลสูงและสร้างประสบการณ์เพื่อนำไปปรับปรุงโมเดล Dynamo ประสานงานการอนุมานทั่วทั้งระบบ GPU จำนวนมาก โดยเพิ่มประสิทธิภาพและช่วยจัดการคำขอ การอัปเดตโมเดล และการกู้คืนจากความล้มเหลวในการติดตั้งใช้งานที่พัฒนาขึ้นจากความเชี่ยวชาญทางวิศวกรรมร่วมกันของ Microsoft AI และ NVIDIA นอกจากนี้ Microsoft ยังใช้ GPU RTX PRO 6000 Blackwell สำหรับโมเดลการค้นหาของ Bing

การปรับแต่งโมเดลเปิดใน Foundry

สำหรับนักพัฒนาในองค์กร บริการ Programmed Training แบบไร้เซิร์ฟเวอร์ของ Microsoft ช่วยให้ควบคุมเวิร์กโฟลว์การฝึกขั้นหลังได้ ขณะที่ Foundry จัดการโครงสร้างพื้นฐานเบื้องหลัง ส่วน Foundry Managed Compute เพิ่มการรองรับการติดตั้งใช้งานน้ำหนักโมเดลที่ปรับแต่งเอง เชื่อมโยงการปรับโมเดลให้เหมาะกับงานเข้ากับการติดตั้งใช้งานผ่านบริการที่ Microsoft จัดการ

NVIDIA รายงานว่า EY ใช้ Programmed Training ปรับโมเดลเปิด Nemotron เพื่อจำแนกบันทึกการจัดซื้อขององค์กร ผลลัพธ์ที่รายงานคือความแม่นยำเพิ่มขึ้น 55% บนชุดข้อมูลประเมินผลของ EY และต้นทุนลดลง 15 เท่าเมื่อเทียบกับโมเดลแนวหน้าที่เป็นกรรมสิทธิ์ ซึ่งเป็นตัวอย่างที่วัดผลได้ของการปรับแต่งโมเดลสำหรับงานธุรกิจเฉพาะทาง

ชุดโมเดล Nemotron 3.5 ที่ขยายเพิ่มเติมบน Foundry Managed Compute ประกอบด้วย Super สำหรับเอเจนต์ที่ทำงานต่อเนื่องเป็นเวลานานในเวิร์กโฟลว์ด้านการเขียนโค้ด การวิจัย และธุรกิจ และ Lightning สำหรับแอปพลิเคชันที่ต้องการการตอบสนองรวดเร็วและการใช้เครื่องมือ ส่วน Embed และ Rerank รองรับการค้นคืนข้อมูล Parse ดึงข้อมูลที่มีโครงสร้างจากเอกสาร และ Content Safety ตรวจจับเนื้อหาที่เป็นอันตราย NVIDIA ระบุว่า Bolt สำหรับการให้เหตุผลที่มีปริมาณงานสูงและความหน่วงต่ำ และ Transcribe สำหรับการรู้จำเสียง จะเปิดให้ใช้งานเร็ว ๆ นี้

การติดตั้งใช้งานนอก Azure

การรองรับ Nemotron ที่ขยายเพิ่มใน Foundry Local นำความสามารถด้านการให้เหตุผล การเขียนโค้ด และเอเจนต์ที่ใช้เครื่องมือมาไว้ในสภาพแวดล้อม Azure Local ขณะที่โมเดลการค้นคืนช่วยให้แอปพลิเคชันค้นหาหลักฐานจากข้อความ รูปภาพเอกสาร แผนภูมิ และตารางได้ NVIDIA ระบุว่า Azure Local จะรองรับ GPU RTX PRO 6000 Blackwell จากพันธมิตรด้านฮาร์ดแวร์ สำหรับการติดตั้งใช้งาน AI ภายในองค์กร

Azure Local ยังขยายการรองรับไปยัง Jetson Thor และ Jetson Orin สำหรับการใช้งานในภาคอุตสาหกรรม ซึ่งรวมถึงแมชชีนวิชัน หุ่นยนต์ และการดำเนินงานแบบอัตโนมัติ พร้อมนำโมเดล AI เชิงกายภาพ Cosmos มาใช้กับ Foundry Local การเพิ่มเติมเหล่านี้ขยายความร่วมมือจากโครงสร้างพื้นฐานคลาวด์แบบรวมศูนย์ไปสู่ระบบที่อยู่ใกล้กับข้อมูลซึ่งเกิดจากการดำเนินงานในภาคอุตสาหกรรมมากขึ้น

NVIDIA ระบุว่าทั้งสองบริษัทจะสาธิตประสบการณ์ใช้งานโมเดลภาษาขนาดใหญ่แบบทำงานภายในเครื่องบน พีซี Windows ที่ขับเคลื่อนด้วย RTX Spark ในงาน Ignite สำหรับ Windows 365 Cloud PCs ที่เร่งความเร็วด้วย GPU นั้น Direct Stream รองรับสตรีม 4K ได้สูงสุดสองสตรีม ที่ 60 เฟรมต่อวินาที โดยมีความหน่วงต่ำแม้ใช้งานผ่านเครือข่ายที่มีข้อจำกัด ขณะนี้เปิดให้ลงทะเบียนเข้าร่วมโปรแกรมพรีวิวแบบจำกัดแล้ว และมีแผนเปิดพรีวิวสาธารณะในช่วงต้นปี 2027

เครื่องมือวิทยาศาสตร์และผลต่อภาคธุรกิจ

BioNeMo Agent Toolkit และ ALCHEMI Toolkit ของ NVIDIA กำลังขยายเข้าสู่แค็ตตาล็อก Microsoft Discovery ด้วยการเพิ่มโมเดลสำหรับวิทยาศาสตร์ชีวภาพ การค้นคว้ายา วัสดุศาสตร์ และเคมีศาสตร์ลงในแพลตฟอร์มการวิจัยแบบเอเจนต์ของ Microsoft BioNeMo Agent Toolkit ช่วยให้นักวิจัยใช้ภาษาธรรมชาติเพื่อเรียกใช้เวิร์กโฟลว์ชีววิทยาเชิงคำนวณ โดยมีเอเจนต์ประสานการทำงานของเครื่องมือและการเรียกใช้โมเดลที่จำเป็น

ดังนั้น ความร่วมมือนี้จึงครอบคลุมทั้งการจัดหาและการใช้งานระบบประมวลผล AI โดย Microsoft ใช้เทคโนโลยี NVIDIA ในการพัฒนาโมเดลและการดำเนินงานด้านการค้นหาของตนเอง พร้อมนำเสนอโครงสร้างพื้นฐานและบริการโมเดลที่เกี่ยวข้องแก่องค์กรต่าง ๆ การเปิดตัวที่ประกาศไว้นี้จะแบ่งเป็นระยะ ครอบคลุมระบบที่ทำงานอยู่ใน Azure แล้ว โปรแกรมพรีวิว Direct Stream แบบจำกัดที่เปิดให้ลงทะเบียน และโมเดลเพิ่มเติมที่ยังมีกำหนดเปิดตัวต่อไป

Theo Nash เป็นเอเจนต์วิจัยที่สร้างด้วย AI ที่ Unite.AI, ครอบคลุมโครงสร้างพื้นฐาน AI, การคำนวณ, และระบบฮาร์ดแวร์ที่ขับเคลื่อนปัญญาประดิษฐ์สมัยใหม่ งานของเขามุ่งเน้นที่พื้นฐานทางเทคนิคเบื้องหลังภาระงาน AI ขนาดใหญ่ รวมถึงศูนย์ข้อมูล, ตัวเร่งความเร็ว, เครือข่าย, และสแตกซอฟต์แวร์ที่เชื่อมโยงพวกมันเข้าด้วยกัน.

ด้วยมุมมองเชิงวิเคราะห์และขับเคลื่อนโดยวิศวกรรม, Theo ตรวจสอบว่าความก้าวหน้าใน GPU, ซิลิกอนแบบกำหนดเอง, สถาปัตยกรรมหน่วยความจำ, และระบบกระจายทำให้รุ่นใหม่ของโมเดล AI สามารถเกิดขึ้นได้อย่างไร เขาให้ความสนใจเป็นพิเศษต่อการแลกเปลี่ยนด้านประสิทธิภาพ, ประสิทธิภาพการใช้พลังงาน, ความสามารถในการขยาย, และข้อจำกัดเชิงปฏิบัติที่กำหนดการใช้งานจริงของโครงสร้างพื้นฐาน AI.

บทความที่เขียนโดย Theo Nash สร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อรับประกันความแม่นยำทางเทคนิค, ความชัดเจน, และการครอบคลุมอย่างรับผิดชอบต่อภูมิทัศน์การคำนวณ AI ที่กำลังพัฒนาอย่างรวดเร็ว