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.

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 arXiv cs.AI Preprint

Említve a tudásbázisban

szereplő Nvidia

Kapcsolódó témák

Napi összefoglalók AI eszközök #NVIDIA BlueField-4#DOCA

Napi összefoglaló

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

Kapcsolódó hírek

Cloudflare kibővítette AI Search keresőszolgáltatását fejlesztőknek és ügynököknek

A Cloudflare a saját állítása szerint kibővítette AI Search nevű szolgáltatását, amely kész keresőmotort ad AI-ügynökök és alkalmazások alá saját adatokon való kereséshez. A cég szerint a rendszer automatikusan kezeli a teljes keresési folyamatot – bejárás, feldolgozás, beágyazás, keresés –, és mostantól sitemap nélkül is képes felfedezni weboldalakat úgynevezett „discover” módban. A Cloudflare állítása alapján egyetlen nyilvános végpont hitelesítés nélkül tehet kereshetővé több forrást vagy weboldalt egyszerre, és a szolgáltatás több saját, Cloudflare által üzemeltetett terméknél is elérhető, mint az API-dokumentáció, Astro, Vite vagy Hono. A cég azt is közölte, hogy az árazást kiszámíthatóra tervezték, a beágyazás és az újrarangsorolás bizonyos használat esetén ingyenes. Az állítások a Cloudflare saját közleményén alapulnak, független megerősítés a forrásban nem szerepel.

Az Amazon megnyitotta a Kiro Crew nevű aszinkron kódolóügynök-rendszert

Az Amazon nyílt forráskódúvá tette a Kiro Crew nevű rendszert, amely több AI kódolóügynök párhuzamos, munkameneteken átívelő futtatását teszi lehetővé felügyelet nélkül végzett feladatokra, például hibavizsgálatra, jegykezelésre vagy PR-ellenőrzésre. A vállalat állítása szerint a rendszert belsőleg MeshClaw néven fejlesztették, és állításuk szerint már több mint 39000 fejlesztő használta házon belül, mielőtt megnyitották volna. A cikk szerint az eszköz megosztott memóriát, újrahasználható képességeket, ütemezett feladatokat kínál, az ügynökök munkáját pedig az Agent Client Protocol nevű szabvány közvetíti élő betekintéssel. Az InfoQ szerint a rendszer alapból tartalmaz OS-szintű sandboxot, alapértelmezetten tiltott parancsokat és aláírt naplózást, a közösségi visszhang pedig a cikk szerint túlnyomórészt pozitív volt.

Az Amazon SageMaker Feature Store két új API-val gyorsítja az adatkezelést

Az AWS hivatalos bejelentése szerint az Amazon SageMaker Feature Store két új API-hívást kapott. A BatchWriteRecord egyetlen hívásban akár 25 rekord írását teszi lehetővé több feature-csoportban, részleges sikeresség kezelésével és rekordonkénti élettartam-beállítással, ahelyett hogy a PutRecord-ot kellene egyesével, ismételve hívni. Az AWS szerint ez csökkenti a kapcsolat-terhelést nagy áteresztőképességű pipeline-oknál, például az általuk említett csalásfelismerő rendszerben, amely másodpercenként 10 000 rekordot kezel öt feature-csoportban. A ListRecords API lehetővé teszi a rekordazonosítók lapozott böngészését mind a Standard, mind az In-Memory tárolási szinten, ami eddig hiányzott, és adatvesztés esetén megnehezítette a helyreállítást. A bejegyzés kódpéldákkal és a szükséges IAM-jogosultságokkal mutatja be a két funkció használatát.

Anthropic hardveres szabványt épít AI-ügynökök gépirányításához

Az Anthropic egy Model Hardware Standard (MHS) nevű specifikációt fejleszt, amely a Model Context Protocol mintájára egységes felületet adna AI-ügynököknek laboratóriumi és gyári eszközök, például mikroszkópok és robotkarok eléréséhez. A cég állítása szerint eszközönként egyetlen szabványos meghajtó elég a gyártófüggő egyedi integrációk helyett, ami az összekapcsolás idejét hetekről-hónapokról órákra-percekre csökkentheti. Az Anthropic a specifikációt a HHMI Janelia kutatóintézettel közösen fejlesztette, és előbb kutatási előnézetként adja ki kiválasztott laboroknak és gyártóknak, nyílt forráskódú megjelenést később ígér. A vállalat szerint korai tesztek során az AI önállóan tudott munkafolyamatokat optimalizálni és futtatható szkripteket generálni, de még küzd a fizikai ok-okozati összefüggések megértésével, ezért emberi felügyelet marad szükséges.