在一系列 AI 软件公告中,NVIDIA创始人、CEO 兼时尚偶像黄仁勋宣布了一个新平台,用于为 AI 开发者提供 AI PC 支持。许多分析师早就预料到这一举动,因为同一封装中集成 Grace (Arm) CPU 和 Blackwell GPU 将对 PC 竞争对手英特尔、AMD 和高通构成挑战。(但这还不是通用 AI PC。至少目前还不是。(声明:Nvidia 是我所在公司 Cambrian-ai Research 的客户。)
专为开发者打造的全新 AI PC
Project Digits 是一个小型设备,可从NVIDIA和"顶级合作伙伴"处购买,起价 3000 美元。添加显示器、键盘和鼠标,或直接从合作伙伴处购买,您就能拥有市面上最快速、最完整的 AI 开发工作站。它提供整整 1 petaflop 的 FP4 性能,并支持 Nvidia 全系列 AI 软件,从 NEMO 到 Omniverse 一应俱全。
每台 Project DIGITS (Project 这个名字有点奇怪;可能是为了避免惹恼 PC 合作伙伴) 配备 128GB 统一、一致的内存和高达 4TB 的 NVMe 存储。它可以使用标准墙壁电源运行。借助这个平台,开发者可以运行高达 2000 亿参数的 AI 模型。此外,使用 NVIDIA ConnectX 网络,两台 Project DIGITS AI 超级计算机可以连接在一起,运行高达 4050 亿参数的模型。看,不需要服务器就能实现!
通过 DIGITS,研究人员可以在运行基于 Linux 的 NVIDIA DGX OS 的本地工作站上进行原型设计、微调和测试模型,然后将它们部署在 NVIDIA DGX Cloud、加速云实例或数据中心基础设施上。
但 AI PC 应该运行 Windows,对吧?
由于大多数开发者使用 Linux,DIGITS 支持该操作系统。这意味着它不是通用 PC,至少在支持 Microsoft Windows 之前不是。黄仁勋明确表示,这个平台是为 AI 开发者设计的,而不是 AI 用户。NVIDIA创始人兼 CEO 黄仁勋表示,目标是"在每位数据科学家、AI 研究人员和学生的桌面上放置一台 AI 超级计算机,使他们能够参与并塑造 AI 时代。"
有趣的是,联发科与NVIDIA合作设计了 GB10,"为其最佳功耗效率、性能和连接性做出了贡献。"我认为这意味着 SoC 设计专业知识。Nvidia 和联发科此前曾宣布在汽车解决方案方面的合作,但现在这种关系可能已经大幅扩展。
这可能会走向何方?面向终端用户的 AI PC?
面向开发者的超快 AI PC 很酷。面向终端用户的超快 AI PC 将会是一个巨大的市场,挑战 PC CPU 供应商的地位。要将"Project" DIGITS 转变为 AI PC 强者,还需要做些什么?Microsoft Windows 和 HP、Dell、联想等 PC OEM 厂商必须支持这款新型超级芯片。现在高通骁龙已经将 Arm CPU 核心引入 Windows 主流,为新的基于 Arm 的平台进行 Windows 测试和认证将相对简单。但这项工作仍然需要时间。它可能会在 GTC 大会上准备就绪,至少可以发布公告。这样做将为 Nvidia 开辟一个数十亿美元的增量市场。
我们甚至还没有谈到NVIDIA宣布的所有酷炫软件,也没有提到NVIDIA刚刚赢得了自动驾驶领域的大鱼:丰田。但这是另一个故事了。
好文章,需要你的鼓励
亚马逊云服务宣布其存储网关现已支持Nutanix的AHV虚拟化管理程序,进一步扩展混合云存储解决方案。此前AWS存储网关已支持VMware ESXi、微软Hyper-V和Linux KVM。由于AHV基于KVM架构,AWS表示添加支持相对容易。随着Broadcom收购VMware后策略调整,许多企业正寻求替代方案,Nutanix成为热门选择。分析师预测VMware可能在三年内失去35%的工作负载。
上海AI实验室团队开发了LoGoPlanner机器人导航系统,这是首个完全不依赖外部定位的端到端视觉导航框架。该系统通过视觉几何学习、隐式状态估计和几何感知规划三大核心技术,让机器人仅凭摄像头就能在复杂环境中精准导航。实验显示其性能比传统方法提升27.3%,且能跨平台部署在不同类型机器人上。
中国AI初创公司MiniMax发布M2.1模型,在多种编程语言和办公场景中显著提升了复杂任务处理和智能体能力。该模型在Rust、Java、Golang、C++等多种编程语言方面表现出色,在Web、Android和iOS界面开发的美学设计能力大幅提升。M2.1不仅专注于代码执行正确性,还能遵循复杂指导,在VIBE基准测试中平均得分88.6分。
阿里巴巴联合上海交大推出"推理调色盘"技术,通过变分自编码器学习不同推理模式特征,在AI思考前提供多样化思维引导,显著提升数学推理等任务性能3-4个百分点,实现了从词汇层面到策略层面的探索升级。