2026. július 17., péntek · Eszközök

A BlueField-4 DPU infrastruktúra-tehermentesítéssel skálázza az ágens AI-gyárakat

Az NVIDIA műszaki blogja részletezi, hogyan oldja meg a BlueField-4 DPU és a Vera BlueField-4 STX tárolóprocesszor az ágens AI munkafolyamatok infrastrukturális szűk keresztmetszeteit. A korábban bemutatott Vera CPU architektúrára épülő BlueField-4 akár 800 Gb/s hálózati kapcsolatot, 64 magos Grace CPU-t, PCIe Gen6-ot és LPDDR5X memóriát integrál, a hálózati, tárolási és biztonsági feladatokat a gazdagép processzoráról átterhelve. A DOCA szoftverplatform kontextus-újrafelhasználást, zero-trust biztonságot és többbérlős életciklus-kezelést biztosít. Az NVIDIA állítása szerint mindez magasabb GPU-kihasználtságot, kiszámíthatóbb késleltetést és alacsonyabb tokenenkénti költséget eredményez.

Egy forrás Ehhez a hírhez egy forráslink áll rendelkezésre.

Miért fontos?

A BlueField-4 architektúra konkretizálja, hogyan terhelhetők át az ágens AI infrastrukturális feladatai dedikált processzorra a GPU-k hatékonyabb kihasználása érdekében.

Források

NVIDIA Technical Blog Hivatalos

Kapcsolódó témák

Napi összefoglalók AI eszközök #NVIDIA BlueField-4#DOCA

Napi összefoglaló

Ez a hír a 2026. július 17., péntek napi AI összefoglaló része.

Helyesbítés · 2026. október 1., csütörtök

Helyesbítés (2026-09-20): a hírhez utólag hozzáfűztük a nem lektorált (preprint) státusz jelzését, mert a megjelenéskor ez lemaradt. A hír címe, összefoglalója és forrásai változatlanok. Helyesbítés (2026-10-01): a hír alól eltávolítottuk az arXiv 2607.13049 hivatkozást („SPINE: Bridging the Cyber-Physical Gap with Agentic AI”), mert nem erről a munkáról szól; vele együtt kikerült a „Miért fontos?”-ból a 2026-09-20-án hozzáfűzött „A mögöttes eredményt leíró tanulmány preprint” mondat, mert erre a téves hivatkozásra épült. A hír forrása az NVIDIA műszaki blogbejegyzése.

Kapcsolódó hírek

Google DeepMind és Szingapúr közös AI-modellt fejlesztett csalásfelismerésre

A Google DeepMind a szingapúri kormány technológiai ügynökségével, a GovTech Singapore-ral közösen finomhangolt egy könnyűsúlyú Gemma modellt csalási kísérletek felismerésére, a vállalat közlése szerint. A cég szerint Szingapúrban a bejelentett bűncselekmények több mint felét csalások teszik ki, amelyek 2019 óta 4 milliárd szingapúri dollárnál nagyobb kárt okoztak, és ma már a veszteségek akár 80 százalékáért felelős, kifinomult social engineering módszerek a jellemzők. A modellt helyi csalási beszélgetéseken tanították, köztük hatósági, banki és közszereplői megszemélyesítésekkel kapcsolatos esetekkel, hogy megkülönböztesse a ártalmatlan csevegést a valódi manipulációtól. A fejlesztők szerint a rendszer kizárólag a felhasználó eszközén, a felhőbe küldött adatok nélkül elemzi a beszélgetéseket, és csak a felhasználó hozzájárulásával fér hozzá azokhoz, így sem a kormány, sem a Google nem látja a tartalmat. A bevezetés a bejelentés szerint fokozatos lesz, és a szingapúri kormánnyal szorosan egyeztetve történik.

Google Antigravity SDK: helyi modellek a kódbiztonságért

A Google bejelentette, hogy az Antigravity SDK mostantól támogatja a helyi modellek futtatását, így a fejlesztők saját gépükön futtathatják az ágensalapú munkafolyamatokat, miközben felhőalapú modelleket is bevonhatnak a magasabb szintű feladatokhoz. A cég az Architect-Builder mintát alkalmazza hibrid környezetben: a felhőben futó „architect” ágens fájlnevek és feladatleírások alapján dolgozza ki a tervet a forráskód elérése nélkül, míg a helyi „builder” ágensek végzik a kódintenzív munkát, például sebezhetőségek reprodukálását és javítások tesztelését. A Google egy három sebezhető Python-modult érintő demonstrációban azt állítja, hogy a mintegy 3400 tokenből mindössze 95-öt használtak a felhőben tervezésre, a maradékot helyben dolgozták fel, és forráskód nem került fel a felhőbe. A kezdeti implementáció a Gemma modellt futtatja a Google LiteRT technológiáján, de OpenAI-kompatibilis helyi szerverek, köztük az Ollama, az LM Studio és a vLLM is használhatók a LocalOpenAIAgentConfig segítségével.

NVIDIA NeMo Gym: Siemens chiptervező AI-ügynöke drasztikusan javult

Az NVIDIA technikai blogja szerint a Siemens Fuse EDA AI-ügynöke a vállalat NeMo Gym nevű nyílt kiértékelési keretrendszerével jelentősen javult a szabványos cellák karakterizálásához használt Liberty-fájlok generálásában. A cég közlése szerint az összetett verifikációs pontszám körülbelül 55 százalékról 95 százalékra nőtt egy reprezentatív benchmarkon, miközben az ügynök lépésszáma 155-ről 53-ra, a kimeneti tokenek száma pedig nagyjából 81 ezerről 29 ezerre csökkent. A javulást a diagnosztikai visszajelzések alapján finomított képességek és eszközleírások tették lehetővé. Egy domain-specifikus verifikátor a végeredmény lefedettségét, érvényességét, relatív validálását, pontosságát és integritását ellenőrzi, és nulla jutalmat ad, ha bármelyik ellenőrzési kapu elbukik. Az NVIDIA szerint ugyanez a módszertan más mérnöki területeken, például CAE-ben is alkalmazható.

Facebook bevezeti a Your Algorithm funkciót, amellyel szöveggel irányítható a hírfolyam

Meta bejelentette, hogy a Facebookra is kiterjeszti a "Your Algorithm" nevű, AI-alapú funkciót, amely lehetővé teszi, hogy a felhasználók saját szavaikkal mondják meg, mit szeretnének látni a Feedben és a Reelsben, és az ajánlások a vállalat szerint valós időben reagáljanak. A hárompontos menüből érhető el az új eszköz, ahol a felhasználók közvetlenül megadhatják és kezelhetik érdeklődési köreiket, illetve az "Érdekel" és "Nem érdekel" gombok után részletesebb, szöveges visszajelzést is adhatnak. A Verge és a TechCrunch szerint a funkció nagy nyelvi modelleket (LLM-eket) használ a rangsoroló rendszerben, hogy a természetes nyelvű szöveget összekapcsolja a meglévő viselkedési jelekkel. A TechCrunch megjegyzi, hogy a Your Algorithm korábban már megjelent az Instagramon, előbb a Reelsnél 2025 decemberében, majd 2026 júniusában a Feedben és az Exploreban is, a Threads pedig egy hasonló "Dear Algo" funkciót kapott.