ความร่วมมือ

Nvidia มอบเครื่อง Blackwell Ultra Supercomputer ให้กับกองทัพเรือ

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

Nvidia (NVDA ) ผู้ก่อตั้งและ CEO Jensen Huang เดินทางไปที่ Monterey, California, เมื่อวันที่ 22 กรกฎาคม 2026 เพื่อเปิดตัว DGX GB300 ซึ่งเป็นระบบ AI ระดับองค์กรที่ทรงพลังที่สุดของบริษัท ที่โรงเรียนสอนการบินของกองทัพเรือ (Naval Postgraduate School) เครื่องนี้ไม่ได้มาจากการซื้อขายสัญญาการป้องกันประเทศ แต่ Nvidia ได้มอบให้

การเปิดตัว นี้ ซึ่งจัดขึ้นระหว่างงาน Converge @ NPS ของโรงเรียน โดยมี Adm. Samuel Paparo ผู้บัญชาการกองทัพเรือแปซิฟิกเข้าร่วมด้วย ทำให้ระบบ Blackwell Ultra ขนาดหนึ่งยูนิตออนไลน์สำหรับนักเรียนประมาณ 1,500 คน และคณาจารย์ 600 คนของโรงเรียนสอนการบินของกองทัพเรือ NPS มีแผนจะฝึกอบรมและใช้โมเดลบนเครื่องสำหรับการพยากรณ์อากาศ การรักษาความปลอดภัยทางไซเบอร์ การสร้างแบบจำลองมหาสมุทร และการวางแผนการบรรเทาสาธารณภัย

ของขวัญ ไม่ใช่การซื้อ

เศรษฐศาสตร์เป็นเรื่องที่น่าสนใจ เครื่อง DGX GB300 ถึง NPS เป็นของขวัญที่ส่งผ่าน มูลนิธิโรงเรียนสอนการบินของกองทัพเรือ ซึ่งเป็นองค์กรไม่แสวงหากำไรที่ส่งมอบของขวัญเทคโนโลยีให้กับโรงเรียนภายใต้ข้อตกลงการวิจัยร่วมกันที่ทั้งสองฝ่ายลงนามในเดือนธันวาคม 2024 Dell Technologies (DELL ) และ Sterling Computers จัดหาอินฟราสตรัคเจอร์รอบๆ ระบบเพื่อให้สามารถทำงานได้ทั้งในสภาพแวดล้อมที่ไม่มีการจำแนกประเภท การควบคุม และจำแนกประเภท และมูลนิธิได้ให้คำมั่นว่าจะจัดสรรเงินสูงถึง 2 ล้านดอลลาร์เพื่อจัดหาบุคลากรและเทคนิคให้กับโครงการนี้ Nvidia กล่าวครั้งแรกในเดือนตุลาคม 2025 ว่า NPS จะเป็นหน่วยแรกในกระทรวงทหารเรือและกระทรวงสงครามที่ใช้ระบบนี้

Randy Pugh ซึ่งนำทีม AI Task Force ของโรงเรียนในช่วงการเปิดตัว ประเมินระบบ ที่ประมาณ 15 ล้านดอลลาร์ และกล่าวว่านี่เป็นหน่วยที่สองที่ออกจากสายการผลิตของ Nvidia เขาอธิบายถึงแรงจูงใจของบริษัทอย่างชัดเจน: Nvidia เข้าใจการนำ AI ไปใช้ในเชิงพาณิชย์ แต่มีการสัมผัสกับการใช้งานทางทหารน้อย และต้องการเรียนรู้โดยการนำฮาร์ดแวร์ระดับแนวหน้าไปใช้ในสภาพแวดล้อมการป้องกันที่ใช้งานจริงเป็นเวลาหนึ่งหรือสองปี เครื่องจักรนี้เป็นศูนย์กลางของ Nvidia AI Technology Center ที่กว้างขึ้นในวิทยาเขต Monterey ซึ่งรวมถึงอินสแตนซ์ Omniverse Simulation มูลค่าประมาณ 5 ล้านดอลลาร์และการเข้าถึงโปรแกรมฝึกอบรมสำหรับคณาจารย์ของบริษัท

นี่คือการแลกเปลี่ยน Nvidia ใช้จ่ายหนึ่งยูนิตเพื่อซื้อความเข้าใจใน AI การป้องกันและทัศนคติที่มีต่อการทำงานที่ไม่ค่อยเห็นได้ ในขณะที่ NPS ได้รับเครื่องคอมพิวเตอร์ขนาดใหญ่บนพื้นที่โดยไม่ต้องผ่านรอบการซื้อขายสัญญาการป้องกันประเทศ

หนึ่งยูนิตที่มีการระบายความร้อนของเหลว โดยใช้พลังงานและน้ำที่มีอยู่

ของขวัญนี้เป็นหน่วย DGX GB300 NVL72 ที่มีการระบายความร้อนของเหลว ซึ่ง Nvidia ตั้งค่าให้มี 72 GPU Blackwell Ultra และ 36 CPU Grace ที่เชื่อมต่อกันเป็นโดเมนหน่วยความจำเดียว โดยออกแบบมาเพื่อการทำงานของการอนุมานและเหตุผลที่ครอบงำการคำนวณ AI มากขึ้นเรื่อยๆ มันทำงาน Nvidia’s Mission Control ซอฟต์แวร์สำหรับการจัดการ และบริษัทอธิบาย DGX GB300 ว่าเป็นระบบที่มีประสิทธิภาพสูงสุดที่ขายให้กับองค์กร Nvidia ยังอ้างว่าเครื่องจักรรุ่นนี้ให้ผลผลิต AI-Factory สูงถึง 50 เท่าของระบบ Hopper ที่เก่ากว่า ซึ่งเป็นการคาดการณ์ที่ไม่ได้เชื่อมโยงกับมาตรฐานอิสระ

รายละเอียดของอินฟราสตรัคเจอร์เป็นสิ่งที่น่าสนใจ ส่วนประกอบ Blackwell Ultra กินพลังงานมาก โดยแต่ละหน่วยกินพลังงานมากกว่า 1 กิโลวัตต์ และยูนิต GB300 ที่เต็มที่มีความหนาแน่นมากพอที่จะทำให้หลายๆ สิ่งอำนวยความสะดวกไม่สามารถจ่ายพลังงานหรือทำความเย็นได้โดยไม่ต้องสร้างใหม่ NPS ติดตั้งเครื่องนี้ได้โดยไม่ต้องสร้างใหม่ ตามที่ Navy Times รายงาน โดยระบุว่าเครื่องนี้ทำงานภายในโครงสร้างพื้นฐานที่มีอยู่ของโรงเรียนและถือว่าเป็นซูเปอร์คอมพิวเตอร์ที่ทรงพลังที่สุดของกระทรวงกลาโหม Vertiv จัดหาส่วนประกอบ แร็ก การทำความเย็นและพลังงาน และจัดการการเปิดตัว ในขณะที่ DDN และ VAST Data จัดหาการจัดเก็บข้อมูลและแพลตฟอร์มข้อมูล

การรักษาเครื่องคอมพิวเตอร์ไว้บนพื้นที่เป็นจุดประสงค์ สำหรับสถาบันที่จัดการข้อมูลที่มีการควบคุมและจำแนกประเภท การเป็นเจ้าของแร็กโดยตรงจะหลีกเลี่ยงค่าใช้จ่ายต่อชั่วโมงในการเช่าความจุ Blackwell ที่หายากในคลาวด์ และความเสี่ยงด้านความปลอดภัยในการส่งงานที่มีความละเอียดอ่อนออกนอกสถานที่ NPS มีแผนจะฝึกอบรมโมเดลและใช้ระบบ AI ที่สร้างขึ้นภายในโดยไม่ส่งออกข้อมูลที่มีความละเอียดอ่อนออกนอกเครือข่าย และจะสร้างแบบจำลองดิจิทัลที่มีความแม่นยำสูงของสภาพแวดล้อมทางทะเลผ่านเฟรมเวิร์กที่พัฒนาโดยมูลนิธิ MITRE บนแพลตฟอร์ม Omniverse ของ Nvidia สถาบันวิจัยสาธารณะได้เคลื่อนไปในทิศทางเดียวกัน: Argonne National Laboratory เปิด บริการอนุมาน AI ระดับใหญ่ สำหรับวิทยาศาสตร์เปิดเมื่อต้นปี 2026

ทำไมจึงต้องให้โรงเรียนการป้องกัน

สำหรับ Nvidia การวางเครื่องนี้เป็นรูปแบบของการวางฮาร์ดแวร์ Blackwell ไว้ที่ที่ต้องการให้ความต้องการเติบโต วันหลังจากที่บริษัท เชื่อมต่อองค์กรญี่ปุ่น เข้ากับกลุ่ม AI ด้านฟิสิกส์ของตน NPS ระบบนี้ทำเช่นเดียวกันสำหรับการป้องกันของสหรัฐฯ โดยให้เมล็ดพันธุ์แก่ชั้นผู้นำที่จะระบุและซื้อการคำนวณในอาชีพการงานในอนาคต โรงเรียนได้ตั้งโปรแกรมปริญญาโทด้าน AI ในเดือนธันวาคม 2025 โดยมีกลุ่มแรกเริ่มแล้ว

กระทรวงกลาโหมมีซูเปอร์คอมพิวเตอร์ของตนเองแล้ว แต่ศูนย์เหล่านั้น เช่น ศูนย์ของ Army Corps of Engineers ใน Vicksburg, Mississippi เป็นศูนย์สำหรับการผลิตที่ใช้งานจริง NPS มองว่าเครื่องจักรของตนเป็นสถานที่ที่จะสร้างและปรับปรุงโมเดลต่างๆ ฐานทัพเรือที่ Naval Support Activity Monterey ยังเป็นที่ตั้งของศูนย์ Fleet Numerical Meteorology and Oceanography ของกองทัพเรือ และความจุ Blackwell Ultra บนค่ายให้นักวิจัยสามารถผลักดันโมเดลสภาพอากาศไปสู่ความละเอียดที่สูงกว่ามากเมื่อเทียบกับกริดทั่วไปที่ประมาณ 50 กิโลเมตร ซึ่งเป็นความแตกต่างที่สำคัญสำหรับการวางแผนการปฏิบัติการมากกว่าการเดินทางในตอนเช้า Paparo บอกผู้เข้าร่วมว่าเจ้าหน้าที่จะสั่งการในสถานการณ์ที่มี AI ที่มีการตอบสนองเร็วขึ้น และความได้เปรียบจะไปสู่ผู้ที่สามารถกระทำได้เร็วกว่าผู้รุกราน การคำนวณที่จะรองรับสิ่งนั้นอยู่ที่ Monterey แล้ว และ Nvidia ไม่ใช่งบประมาณของกองทัพเรือที่จ่ายค่าใช้จ่าย

Theo Nash เป็นผู้เชี่ยวชาญที่สร้างโดย 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