CES 2025-ზე NVIDIA-მ წარადგინა „პროექტი ციფრები“ (Project Digits) – 3000$-იანი პერსონალური ხელოვნური ინტელექტის სუპერკომპიუტერი, რომელიც შექმნილია იმისთვის, რომ მძლავრი ხელოვნური ინტელექტის გამოთვლითი რესურსები მიაწოდოს მკვლევრებს, მონაცემთა მეცნიერებსა და სტუდენტებს. კომპაქტური მოწყობილობა, რომელიც მაისში გამოვა, აღჭურვილია NVIDIA-ს GB10 Grace Blackwell Superchip-ით და შეუძლია იმუშაოს ხელოვნური ინტელექტის მოდელებთან 200 მილიარდამდე პარამეტრით. ეს მნიშვნელოვანი წინგადადგმული ნაბიჯია მოწინავე ხელოვნური ინტელექტის ტექნოლოგიების ინდივიდუალური მომხმარებლებისთვის ხელმისაწვდომობაში.
„პროექტი ციფრები“ მომხმარებლებს საშუალებას აძლევს, გაუშვან დიდი ენობრივი მოდელები 200 მილიარდამდე პარამეტრით ერთ მოწყობილობაზე, რაც ზრდის პერსონალური ხელოვნური ინტელექტის გამოთვლების შესაძლებლობებს. ეს შესაძლებლობა განსაკუთრებით მნიშვნელოვანია, რადგან ამ მასშტაბის მოდელები ადრე მხოლოდ ღრუბლოვან ან მონაცემთა ცენტრების გარემოში იყო ხელმისაწვდომი.
ძირითადი მახასიათებლები მოიცავს:
* 128GB ერთიანი მეხსიერება და 4TB-მდე NVMe მეხსიერება ამ მასიური მოდელების მხარდასაჭერად. * ორი „პროექტი ციფრების“ ერთეულის დაკავშირების შესაძლებლობა, რათა გაუმკლავდეს კიდევ უფრო დიდ 405 მილიარდი პარამეტრიან მოდელებს. * შეუფერხებელი ინტეგრაცია ღრუბლოვან ან მონაცემთა ცენტრის ინფრასტრუქტურაში დატვირთვების გაზრდისთვის. * NVIDIA-ს ხელოვნური ინტელექტის პროგრამული უზრუნველყოფის ყოვლისმომცველ ბიბლიოთეკაზე წვდომა, მათ შორის SDK-ები, ფრეიმვორკები და ხელსაწყოები NGC კატალოგიდან.
ეს წინსვლა უზრუნველყოფს უახლესი ხელოვნური ინტელექტის მოდელების განვითარებისა და დასკვნების გაკეთების შესაძლებლობას პირდაპირ ინდივიდუალური მკვლევრებისა და დეველოპერებისთვის, რაც პოტენციურად აჩქარებს ხელოვნური ინტელექტის ინოვაციებს სხვადასხვა სფეროში.
**Grace Blackwell Superchip-ის მახასიათებლები**
GB10 Grace Blackwell Superchip, რომელიც „პროექტი ციფრების“ გულშია, შთამბეჭდავ წარმადობას უზრუნველყოფს კომპაქტურ ფორმატში. ის აერთიანებს NVIDIA Blackwell GPU-ს უახლესი CUDA ბირთვებითა და მეხუთე თაობის Tensor ბირთვებით, 20-ბირთვიან NVIDIA Grace CPU-სთან, რომელიც დაფუძნებულია Arm არქიტექტურაზე. ეს სისტემა-ჩიპზე (SoC) დიზაინი აღწევს 1 პეტაფლოპამდე ხელოვნური ინტელექტის გამოთვლით ძალას FP4 სიზუსტით.
GB10-ის ძირითადი მახასიათებლები მოიცავს:
* 128GB ერთიანი, კოჰერენტული მეხსიერება * 4TB-მდე NVMe მეხსიერება * NVLink ჩიპ-ჩიპზე ინტერკონექტი მაღალსიჩქარიანი კომუნიკაციისთვის * ენერგოეფექტურობა, რომელიც უზრუნველყოფს მუშაობას სტანდარტული ელექტროგადამცემი ქსელიდან * 200 მილიარდამდე პარამეტრის მქონე მოდელების გაშვების შესაძლებლობა * ორი ერთეულის დაკავშირების შესაძლებლობა 405 მილიარდი პარამეტრის მქონე მოდელებთან მუშაობისთვის
**„ციფრები“ ტრადიციული ხელოვნური ინტელექტის სისტემების წინააღმდეგ**
„პროექტი ციფრები“ წარმოადგენს მნიშვნელოვან ნახტომს ხელოვნური ინტელექტის გამოთვლითი რესურსების ხელმისაწვდომობის კუთხით ტრადიციულ სისტემებთან შედარებით. დიდი მასშტაბის მონაცემთა ცენტრების ან ღრუბლოვანი გადაწყვეტილებებისგან განსხვავებით, „ციფრები“ უზრუნველყოფს პეტაფლოპის დონის ხელოვნური ინტელექტის მუშაობას კომპაქტურ, სამაგიდო ფორმატში. ეს პერსონალური ხელოვნური ინტელექტის სუპერკომპიუტერი დეველოპერებს საშუალებას აძლევს, გაუშვან კომპლექსური მოდელები 200 მილიარდამდე პარამეტრით ლოკალურად, რაც გამორიცხავს ძვირადღირებული ღრუბლოვანი რესურსების ან ინსტიტუციონალურ სუპერკომპიუტერებზე შეზღუდული წვდომის საჭიროებას.
„ციფრების“ ძირითადი უპირატესობები ტრადიციულ ხელოვნური ინტელექტის სისტემებთან შედარებით მოიცავს:
* **ენერგოეფექტურობა:** Arm-ზე მომუშავე CPU ბირთვების გამოყენებით, „ციფრები“ გთავაზობთ მაღალ წარმადობას ენერგიის მოხმარების ეფექტურად მართვის დროს. * **მოქნილობა:** სისტემა მხარს უჭერს ხელოვნური ინტელექტის სხვადასხვა ფრეიმვორკს და უზრუნველყოფს წვდომას NVIDIA-ს ხელოვნური ინტელექტის პროგრამული უზრუნველყოფის ვრცელ ბიბლიოთეკებზე. * **გამოყენების სიმარტივე:** „ციფრებს“ გააჩნია მოსახერხებელი ინტერფეისი, რაც დეველოპერებს საშუალებას აძლევს შექმნან და გაწვრთნან ნერვული ქსელები მინიმალური კოდირებით. * **რეალურ დროში ვიზუალიზაცია:** მომხმარებლებს შეუძლიათ ქსელის ქცევისა და მუშაობის მონიტორინგი რეალურ დროში, რაც ხელს უწყობს უფრო სწრაფ იტერაციასა და ოპტიმიზაციას. * **კოლაბორაციული პოტენციალი:** როგორც ვებ-ზე დაფუძნებული სისტემა, „ციფრები“ გუნდებს საშუალებას აძლევს, მარტივად გააზიარონ მონაცემთა ნაკრებები, კონფიგურაციები და შედეგები.
გსურთ კომენტარის დატოვება?
კომენტარის დასატოვებლად საჭიროა ავტორიზაცია
შესვლა რეგისტრაციაკომენტარები არ არის
იყავით პირველი, ვინც დატოვებს კომენტარს