הפיתוחים החדשים של אנבידיה - מחשב שולחני עם כוח על ו"עובדי" AI אינטיליגנטיים

ענקית השבבים אנבידיה הכריזה במסגרת תערוכת הטכנולוגיה CES על NVIDIA Project DIGITS, מחשב-על שולחני לבינה מלאכותית שיספק למפתחים, חוקרים, מדעני נתונים וסטודנטים גישה לכוח העיבוד העוצמתי של פלטפורמת NVIDIA Grace Blackwell, המשלבת בין GPU ל-CPU בפיתוח אנבידיה. במילים פשוטות זה יאפשר למחשב השולחני שלכם להיות הרבה יותר חזק ועם יכולות עיבוד מרשימות וכל זה כדי שתוכלו להריץ ולצרוך כמויות ענקיות של דטה ואימוני מערכות AI לצורך פיתוחים, אפליקציות, שימושים עסקיים ועוד.

בדרך הזו היכולות של המעבדים של אנבידיה יהיו נגישים לכולם (באם ירכשו את המחשבים השולחניים) וזה כמובן צפוי להיות מוצר נדרש. 

מחשבי Project DIGITS כוללים את השבב החדש NVIDIA GB10 Grace Blackwell, שמציע פטה-פלופ של ביצועי בינה מלאכותית ומיועד לפיתוח, אופטימיזציה (Fine-tuning) והרצה של מודלי בינה מלאכותית גדולים, של עד 200 מיליארד פרמטרים. באמצעות מחשבי Project DIGITS, משתמשים יוכלו לפתח ולהריץ מודלי בינה מלאכותית על המחשב השולחני האישי שלהם, ולאחר מכן לפרוס אותם באופן חלק על תשתיות מחשוב מואץ בענן או במרכז נתונים.

״בינה מלאכותית תהיה מיינסטרים בכל אפליקציה, ובכל תעשייה. עם Project DIGITS, הסופר-שבב Grace Blackwell מגיע למיליוני מפתחים״, אמר ג׳נסן הואנג, מייסד ומנכ״ל NVIDIA, ״באמצעות מחשב-על לבינה מלאכותית שיימצא על שולחן העבודה של כל מדען נתונים, חוקר בינה מלאכותית וסטודנט, הם יוכלו לקחת חלק בעיצוב עידן הבינה המלאכותית״.

GB10 Superchip: פטה-פלופ של ביצועי בינה מלאכותית ביעילות אנרגטית גבוהה

אנבידיה הציגה את השבב החדש ה-GB10 שנקרא בחברה -  מערכת-על-שבב (SoC) שמבוססת על ארכיטקטורת NVIDIA Grace Blackwell ומספקת עד לפטה-פלופ של ביצועי בינה מלאכותית ברמת דיוק של FP4.

במרכזו של GB10 ניצב NVIDIA Blackwell GPU שכולל את הדור האחרון של ליבות CUDA והדור החמישי של ליבות Tensor, ומחובר באמצעות טכנולוגיית שבב-אל-שבב NVLink-C2C ל-NVIDIA Grace CPU – מעבד מרכזי שנבנה באמצעות ארכיטקטורתArm  ומציע 20 ליבות בעלות יעילות אנרגטית גבוהה. חברת MediaTek, מובילה עולמית בפיתוח מערכות-על-שבב מבוססות Arm, שיתפה פעולה עם NVIDIA בפיתוח GB10 ותרמה ליעילות האנרגטית, לביצועים ולקישוריות הטובים ביותר מסוגם שהוא מציע.

NVIDIA GB10 מאפשר ל-Project DIGITS לספק ביצועים עוצמתיים באמצעות שקע חשמלי סטנדרטי בלבד. כל יחידה של Project DIGITS כוללת 128 גיגה-בייט של זיכרון משותף כמו גם עד ל-4 טרה-בייט של אחסון NVMe.

מחשוב-על מבוסס Grace Blackwell בהישג יד

באמצעות ארכיטקטורת Grace Blackwell, ארגונים וחוקרים יכולים לפתח אבות-טיפוס של מודלים, לבצע אופטימיזציה (Fine-tuning) ולבחון אותם על מערכות Project DIGITS מקומיות שמריצות את NVIDIA DGX OS - מערכת הפעלה מבוססת Linux, ולאחר מכן לפרוס אותם בענן ובמרכזי נתונים. 

במקביל השיקה אנבידיה את NVIDIA Cosmos – פלטפורמת מודלי עולם (World Foundation Models) להאצת הפיתוח של רובוטים ומכוניות אוטונומיות. מדובר במערכות בינה מלאכותית שמבינות  את התכונות הפיזיות של העולם האמיתי, יסייעו לקצר את זמני הפיתוח של מערכות בינה מלאכותית פיזית כמו מכוניות אוטונומיות ורובוטים. בנוסף, שורה של כלים שהציגה NVIDIA בתחום ה-Agentic AI יחוללו מהפכה במגוון תעשיות – מענף הייצור ועד לעולם הספורט

• מניית אנבידיה מזנקת: הנה הסיבה
• ארבה רובוטיקס בשת״פ עם אנבידיה - המניה מזנקת 97%

בינה מלאכותית תאיץ פיתוחים בתחום הרובוטיקה והרכבים האוטונומיים  

World Models הם מודלי בינה מלאכותית "המבינים" את התכונות הפיזיות והדינמיקה של העולם האמיתי, כולל חוקי הפיזיקה ומאפיינים מרחביים, שמסוגלים לחזות תוצאות מדויקות ודינמיקה כמו תנועה, כוח ויחסים מרחביים על סמך טקסט, תמונה, וידאו או נתוני חיישנים. עם היכולת ליצור, לאצור ולקודד נתוני וידאו ונתוני חיישנים, מפתחים המשתמשים ב-World Models יכולים לבנות סביבות סימולציה וירטואליות כדי לייעל, להרחיב ולהאיץ תהליכי אימון של מכונות אוטונומיות, ולגרום להן "לחוש" ו"לתפוס" את העולם האמיתי, ולקיים אינטראקציה עם סביבתם הדינמית.

פלטפורמת NVIDIA Cosmos, שכוללת גם כלי מתקדם להפיכת הדאטה לטוקנים (Tokenizer), כלי בטיחות (Guardrails) למודלי AI, וסביבת עבודה מואצת עבור עיבוד וידאו, מגיעה במודל פתוח כך שמפתחים יכולים להתאים את מודלי העולם לצרכיהם, עם מערכי נתונים שונים כגון הקלטות וידאו של נסיעות רכב אוטונומי או לוגים של רובוטים המנווטים במחסן, בהתאם לדרישות של יישום היעד שלהם.

מייסד ומנכ"ל אנבידיה, ג'נסן הואנג, הכריז על NVIDIA Cosmos במהלך ה-Keynote שלו בכנס CES, שם שיתף בהכרזות נוספות כחלק מהמהלך של החברה להרחיב את השילוב של פלטפורמת ה"תאומים הדיגיטליים" NVIDIA Omniverse ביישומי AI פיזיים (Physical AI) – פיתוח רובוטים ומכונות אוטונומיות, כדי לאפשר למפתחים להאיץ את העידן הבא של AI תעשייתי.

מודלי בינה מלאכותית המצייתים לחוקי הפיזיקה (Physical AI Models) הם יקרים ומורכבים לפיתוח מאחר שהם דורשים כמויות אדירות של נתונים מהעולם האמיתי, בדיקות רבות, וכוח מחשוב עצום. המודלים בפלטפורמת NVIDIA Cosmos מאפשרים למפתחים ליצור בקלות כמויות אדירות של נתונים סינתטיים מבוססי פיזיקה כדי לאמן, לבחון ולהתאים את המודלים הקיימים שלהם לצרכיהם.

"רגע ה-ChatGPT של הרובוטיקה מגיע", אמר הואנג על הבמה. "כמו מודלי שפה גדולים, World Foundation Models הם הכרחיים לקידום ופיתוח רובוטים ומכוניות אוטונומיות. אך לא לכל המפתחים יש את המומחיות והמשאבים הנדרשים לאמן מודלים בעצמם. יצרנו את NVIDIA Cosmos כדי לחולל דמוקרטיזציה בתחום ה-Physical AI, ולהנגיש את תחום הרובוטיקה לכל מפתח״. לדברי הואנג, ״בינה מלאכותית פיזית תחולל מהפכה בתעשיות הייצור והלוגיסטיקה – שוק שנאמד בכ-50 טריליון דולר. כל מה שזז - ממכוניות ומשאיות ועד למפעלים ומחסנים - יהיה רובוטי ומבוסס AI. מערכת ההפעלה לתאומים דיגיטליים מבוססת NVIDIA Omniverse ו-NVIDIA Cosmos ישמשו כבסיס לדיגיטציה של התעשיות הפיזיות".

חברות רובוטיקה ויצרניות רכב מובילות הן המאמצות הראשונות של פלטפורמת NVIDIA Cosmos. בין היתר, חברת הרובוטים 1X תשתמש בכלי המרת הטוקנים שבפלטפורמה כדי לשפר תהליכי פיתוח. יצרנית הרכב XPENG תשתמש בפלטפורמה כדי להאיץ את הפיתוח של הרובוט ההומנואידי (דמוי אדם) שלה.

חברות הרובוטיקה Hillbot ו-SkildAI ישתמשו בפלטפורמה כדי לעקוב במהירות אחר הפיתוח של הרובוטים לשימוש כללי שלהם. Foretellix, ספקית התוכנה הישראלית למכוניות אוטונומיות, תשתמש ב-NVIDIA Cosmos, לצד NVIDIA Omniverse Sensor RTX APIs, כדי להעריך ולייצר תרחישי בדיקות ונתוני אימון בקנה מידה רחב. ענקית שיתוף הנסיעות העולמית Uber תשתף פעולה עם NVIDIA כדי להאיץ את תחום הרכב האוטונומי. מערכי נתונים עשירים לנהיגה של Uber, בשילוב עם הכלים של NVIDIA Cosmos ו-NVIDIA DGX Cloud, יסייעו לשותפיה של אובר בתחום הרכב האוטונומי לבנות מודלי AI עוצמתיים יותר.

הגל הבא באבולוציה של AI – סוכנים חכמים

נושא נוסף שעמד במוקד ההכרזות של אנבידיה בכנס היה Agentic AI – הגל הבא באבולוציה של בינה מלאכותית יוצרת. כלי AI אלה מאפשרים להציע לארגונים הרבה יותר מאשר אינטראקציות פשוטות עם צ'אטבוט כדי להתמודד עם בעיות מורכבות, מרובות שלבים, הדורשות חשיבה ותכנון.

עם סוכני AI מותאמים אישית, ארגונים בכל מגזרי התעשייה יוכלו לייצר אינטליגנציה ולהשיג יעילות חסרת תקדים. סוכני בינה מלאכותית אלה זקוקים למערכת של מגוון מודלי Generative AI שעברו התאמה לפונקציונליות של Agentic AI. המשמעות של המורכבות הזו היא שהצורך במודלי שפה עוצמתיים, ויעילים המתאימים לארגונים מעולם לא היה גדול יותר.

 המשמעות גם שסוכנים כאלו יחליפו את עובדי החברה במקומות מסוימים. היעילות הזו תוביל לכך שעובדים רבים לא יהיו נחוצים וכאן עולה השאלה של האם המערכות האלו באמת יתקבלו באהדה על ידי הפירמות.

כדי לספק את הבסיס ל-Agentic AI בארגונים, אנבידיה מכריזה על משפחה חדשה של מודלי שפה גדולים מסדרת Llama Nemotron ו-Cosmos Nemotron. מבוססים על Llama, המודלים החדשים יכולים לעזור למפתחים ליצור ולפרוס סוכני AI במגוון יישומים - כולל שירות לקוחות, זיהוי הונאות, אופטימיזציה של שרשרת אספקת המוצרים וניהול המלאי.

כיום, יותר מ-1.5 מיליארד מצלמות ארגוניות ותעשייתיות הפרוסות ברחבי העולם מייצרות בערך 7 טריליון שעות של וידאו בשנה. עם זאת, ההערכה היא שפחות מ-1% מהסרטונים מהמצלמות התעשייתיות נצפים בשידור חי על ידי בני אדם, נתון שסולל את הדרך לתקלות ותקריות חמורות שהמחיר שלהן יקר: לדוגמה, יצרנים מפסידים טריליוני דולרים מדי שנה בגלל איכות מוצר ירודה או פגמים שהיו יכולים לזהות מוקדם יותר, או אפילו לחזות, על ידי שימוש בסוכני AI עם יכולות תפיסה חזותית מובנית. סוכנים אלה יכולים לשמש כמנתחי וידאו הפעילים תמיד, לשפר יעילות במפעלים ולהפחית בזבוז, לשפר ניהול מלאים במחסנים על ידי הערכות נפח בתלת-ממד, להבטיח את בטיחות העובדים ועוד.

ענף נוסף שבו סוכני בינה מלאכותית לניתוח וידאו עומדים להטביע חותם הוא הספורט - שוק של 500 מיליארד דולר ברחבי העולם, עם צמיחה צפויה של מאות מיליארדים במהלך השנים הקרובות. מאמנים, קבוצות וליגות - מקצועיים או חובבים - מסתמכים על ניתוח וידאו כדי להעריך ולשפר את ביצועי השחקנים, להגביר את הבטיחות ולחזק את מעורבות האוהדים באמצעות פלטפורמות לניתוח ביצועי שחקנים והדמיית נתונים. בעזרת סוכני AI בעלי תפיסה חזותית, לספורטאים תהיה כעת גישה חסרת תקדים לתובנות עמוקות יותר שיסייעו להם לשפר את הביצועים.