Cég · Üzlet · ellenőrizve 101 napja
Nvidia
Amerikai félvezetőgyártó, amely a mesterséges intelligencia számítási hátterét adó grafikus és AI-gyorsítóchipek piacvezetője.
Más néven: NVIDIA Corporation, NVDA
Az Nvidia 1993-ban alapított amerikai technológiai vállalat, amely eredetileg grafikus processzorok (GPU-k) fejlesztésével foglalkozott videojátékok és számítógépes grafika céljára. Az évek során a GPU-k párhuzamos számítási képességei kulcsfontosságúvá váltak a gépi tanulás és a mély neurális hálózatok tréningezéséhez, így a vállalat fokozatosan a mesterséges intelligencia infrastruktúrájának egyik legmeghatározóbb szereplőjévé vált.
A cég CUDA nevű szoftverplatformja lehetővé teszi, hogy fejlesztők általános célú számításokra használják a GPU-kat, ez az ökoszisztéma pedig szorosan összefonódott a modern AI-kutatással és -fejlesztéssel. Az Nvidia adatközponti GPU-i (például a H100 és utódaik) a nagy nyelvi modellek és más mélytanulási rendszerek betanításának és futtatásának alapvető hardverei, emellett a vállalat hálózati technológiákat, szoftvereket és teljes AI-szervermegoldásokat is kínál.
Az Nvidia piaci súlya és technológiai befolyása miatt az AI-ipar egyik legfontosabb infrastrukturális szállítójának számít: termékei nélkülözhetetlenek a nagy technológiai vállalatok, kutatóintézetek és startupok AI-fejlesztései szempontjából, ezáltal a cég sorsa és üzleti döntései szorosan összefonódnak az AI-terjedés ütemével és irányával.
Nvidia a hírekben
-
Az NVIDIA TensorRT Edge-LLM egyszerűsíti az edge AI-fejlesztést a DGX Sparkon
Az NVIDIA bemutatta a TensorRT Edge-LLM nevű könnyűsúlyú C++ futtatókörnyezetet, amely a vállalat szerint lehetővé teszi, hogy fejlesztők néhány paranccsal AI-modelleket futtassanak és teszteljenek a most 64GB-os kiépítésben elérhető NVIDIA DGX Spark gépen. A trtedge parancssori eszköz letölti a kiválasztott modellt és optimalizált TensorRT motorokat épít, a cég bemutatója szerint a Nemotron-3.5 Lightning modellel néhány lépésben chat-munkamenet indítható, illetve OpenAI-kompatibilis API-kiszolgáló is futtatható helyben. Az NVIDIA közlése szerint a DSpark nevű spekulatív dekódolási módszer három draft tokennel a HumanEval promptokon átlagosan 73,4-ről 126,9 tokenre növelte a másodpercenkénti generálási sebességet, miközben a csúcsmemória-használat 27,9GB maradt. Ugyanez a futtatókörnyezet a vállalat szerint a fejlesztői DGX Sparkról közvetlenül átvihető a Jetson Thor, a DRIVE AGX Thor és az IGX Thor beágyazott платформokra.
-
Az Nvidia hitelgaranciát fontolgat az Nscale nyugat-virginiai adatközpontjához
A The Information értesülése szerint az Nvidia tárgyal arról, hogy milliárdos adósságfinanszírozást garantáljon az Nscale felhőszolgáltató nyugat-virginiai, az Anthropic számára épülő adatközpontjához; a Bloomberg később megerősítette az értesülést. Az Anthropic már 44,6 milliárd dollárért írt alá szerződést a projekt első épületére, az Nscale tőzsdei bevezetési dokumentuma szerint. Az úgynevezett maradványérték-garancia keretében az Nvidia lépne közbe, ha az Nscale nem teljesítené az építési kifizetéseket, és segítene új bérlőt vagy vevőt találni. Az akár 35 milliárd dolláros értékeltséggel tőzsdére készülő Nscale eddig csak mintegy 25 ezer fejlett AI-chipet állított üzembe a tervezett közel 500 ezerből, és a Microsoft idén visszalépett egy angliai Nscale-projekttől.
-
A Netflix elosztott rendszerként kezeli a GPU-k megbízhatóságát
A Netflix saját cikkében bemutatta, hogyan épít megbízhatósági platformot nagy léptékű GPU-alapú tréning- és következtetési feladatokhoz. A vállalat szerint a rendszer többrétegű hardverellenőrzéseket (NVIDIA DCGM, hálózati adapter-figyelés), automatikus hibajavítást és hibatűrő tréninget kombinál Kubernetes és Karpenter alapon, hogy egyetlen hibás GPU vagy lassú gép ne állítsa meg a hetekig futó, több száz GPU-t használó modellbetanítást. A Netflix adatai szerint ezzel 99,95% feletti GPU-csomópont-rendelkezésre állást és a feladatok sikerességi arányának körülbelül 98%-ról 99,5% fölé emelését érték el. A platform checkpointingot, rugalmas workereket és az NVIDIA Multi-Instance GPU (MIG) technológiáját is használja, hogy a kisebb következtetési feladatok megosztva, izolált memóriával futhassanak egy GPU-n.
-
A Runware futószalagon gyártana AI-adatközpontokat
A romániai Runware startup a TechCrunch szerint bejelentette, hogy saját gyárában futószalagon állítaná elő Sonic Inference Pod nevű, előre összeszerelt AI-adatközpont-moduljait. A vállalat állítása szerint 2028-ra napi 30 megawattnyi, azaz havi közel 1 gigawattnyi kapacitást érne el, ami egy év alatt nagyjából annyi, amennyit az egész USA idén várhatóan hozzáad adatközpont-kapacitásához. Flaviu Radulescu vezérigazgató szerint a podokat 48 órán belül üzembe helyezik, és egy modul gyártási ideje a jelenlegi három hétről egy napra csökkenhet a termelés felfutásával. Hasonló, gyárban összeszerelt megoldásokat kínál a Crusoe és a Schneider Electric is, míg az Nvidia idén bemutatott Vera Rubin és DSX POD rendszereivel csak a tervezést segíti; a Runware szerint ezzel szemben ő már ténylegesen felépített egy gyártóüzemet, nem csak megtervezte az ehhez szükséges infrastruktúrát.
-
Az Nvidia NemoClaw nyílt blueprintjei AI-ügynök-stacket építenek
Az Nvidia bemutatta a NemoClaw nyílt blueprint-gyűjteményét, amely a már használt ügynök-keretrendszereket – az OpenClaw-t, a Hermes Agentet és a LangChain Deep Agentst – egészíti ki Nemotron modellekkel, NeMo optimalizálási eszközökkel és az OpenShell biztonságos futtatókörnyezettel. A vállalat szerint a LangChain a Deep Agents keretrendszerét a Nemotron 3 Ultra modellhez hangolta, így az a vezető zárt modellekhez közeli teljesítményt ér el, miközben a futtatási költség mintegy tízszer alacsonyabb. Az OpenShell szabályozza, hogy az ügynökök milyen fájlokhoz, hálózatokhoz, hitelesítő adatokhoz és eszközökhöz férhetnek hozzá, így szabályok kötik őket akkor is, ha a memória vagy a lehívott kontextus nem kívánt műveletre utalna. Az Nvidia szerint a NemoClaw-ügynökök felhőben, adatközpontban, DGX Spark eszközökön és RTX PC-ken is futtathatók.
-
Az amerikai hatóságok vizsgálják az Nvidia Hugging Face-felvásárlását
Az amerikai igazságügyi minisztérium a Reuters két forrására hivatkozó The Decoder szerint vizsgálja az Nvidia tervezett, 12,93 milliárd dolláros Hugging Face-felvásárlását, amelyet a cég 2027 első felében zárna le. A hatóságok azt nézik, hogy az üzlet ellenőrzést adhat-e az Nvidiának az AI-terjesztés egyik kulcsfontosságú platformja felett, ami hátrányosan érintheti versenytársait; az Nvidia szerint a Hugging Face továbbra is támogatja majd a különböző chip-, felhő- és AI-szolgáltatókkal kötött partnerségeit. A még Biden alatt indult, Trump alatt is folytatódó vizsgálat kiterjed az Nvidia SchedMD- és Run:ai-felvásárlására, a Groqqal kötött licencszerződésére, és arra is, hogy a cég kínált-e több AI-chipet azoknak, akik Nvidia hálózati eszközöket és Groq-processzorokat is vettek. Franciaország versenyhivatala külön is vizsgálja az Nvidiát a CUDA-szoftvertől való iparági függőség és a CoreWeave-ben birtokolt részesedése miatt.
-
Az amerikai hírszerzés kínai kémgyanút vizsgált Jensen Huang közelében
A New York Times értesülése szerint az amerikai hírszerzés mintegy egy éve figyelte Alice Huangot (Huang Le), a szingapúri Megaspeed felhőszolgáltató vezetőjét, mert felmerült, hogy kínai informátorként szolgálhatott, miközben szoros kapcsolatba került Nvidia-vezér Jensen Huanggal. A Decoder szerint a lap azt írja, hogy Trump elnököt egy éve tájékoztatták az ügyről, de nem tett lépéseket, és Jensen Huangot nem figyelmeztették. A Decoder szerint egy Megaspeedhez köthető malajziai cég 2024 júniusa és 2026 februárja között legalább 4,8 milliárd dollár értékben vásárolt Nvidia-chipeket tartalmazó hardvert. Az Nvidia szóvivője tagadta a vádakat, azt közölve, hogy a regionális ügyfelek csak hétköznapi üzleti információkhoz férnek hozzá, nemzetbiztonsági szempontból érdemleges adathoz nem. A kínai nagykövetség szóvivője alaptalan rágalmazásnak nevezte az állításokat, a Megaspeed pedig belső vizsgálatot jelentett be.
-
Az AWS kész konténerrel egyszerűsíti az elosztott AI-tanítást
Az AWS bemutatta a Ray Train Deep Learning Container (DLC) nevű kész konténerképet, amely a PyTorch, CUDA, NCCL, az Elastic Fabric Adapter (EFA) könyvtárak és a Ray keretrendszer egymáshoz illesztett, tesztelt csomagját tartalmazza. A vállalat szerint ez megszünteti azt a munkát, hogy fejlesztőknek maguknak kelljen összeállítaniuk és karbantartaniuk ezt a komplex szoftverstacket minden klaszterhez. A cikk egy konkrét példát mutat be: a Qwen2.5-1.5B nyelvi modell finomhangolását PyTorch FSDP-vel, nyolc Nvidia L4 GPU-n, két g6.12xlarge példányon, Amazon EKS-en futó KubeRay operátor segítségével. A képet az Amazon ECR Public tárolóból lehet lehúzni regisztráció nélkül, a klaszterspecifikus beállításokat (hálózat, csomagok) pedig külön konfigurációs fájlokból lehet megadni.
-
A Meta szerint új Andromeda rendszere milliárd hirdetést pontoz másodpercenként
A Meta bemutatta az Andromeda hirdetés-visszakeresési rendszer legújabb generációját, amely a vállalat szerint a modell, a rendszer és a GPU-hardver együttes tervezésével új hatékonysági határt ér el. A cég közlése szerint a rendszer másodpercenként több mint egymilliárd hirdetést képes pontozni, ami 100-szoros teljesítménynövekedést jelent a 2024-es Andromeda-rendszerhez képest. Az új architektúra nagy nyelvi modellekre jellemző szakértői keverék (mixture-of-experts) elemeket épít be, és a Meta szerint közel ranking-szintű pontossághoz jut, miközben mintegy 300-szor kevesebb számítási műveletet igényel futtatáskor, mint a korábbi verzió. A vállalat szerint az Andromeda 2025 óta 2,4 százalékos konverziónövekedést hozott a Facebookon.
-
A Meta 95 milliárd dolláros részvénykibocsátást tervez az AI-bővítéshez
A Meta a Guardian szerint 95 milliárd dolláros, kétlépcsős részvénykibocsátást tervez AI-infrastruktúrájának finanszírozására. Az első körben 35 milliárd dollárt gyűjtene nyilvános részvénykibocsátással, amelyben az Nvidia, az AMD és a Broadcom mint úgynevezett kulcsbefektetők akár 5 milliárd dollár értékben vásárolhatnak részvényt; a második, 60 milliárd dolláros szakaszban a cég új, szavazati joggal nem rendelkező C osztályú részvényeit adná el piaci áron, hogy Zuckerberg irányítása ne híguljon. A The Decoder szerint emellett az Nvidia külön 3 milliárd dollárt fektetne a Metába, cserébe a Meta bővítené az Nvidia-hardverek — köztük a Vera Rubin rendszerek és Vera CPU-k — használatát AI-ügynökeinél és a Muse nevű AI-terméknél. A bejelentés háttereként a Guardian felidézi, hogy Elon Musk a napokban arról írt, több mint 200 úgynevezett neocloud adatközpont-szolgáltató küzd a finanszírozással, ami szerinte azok összeomlásához és konszolidációjához vezethet.
-
A General Compute 100 millió dolláros Series A tőkét szerzett
A General Compute, amely Nvidia-riválisok inferencia-chipjeiből épít felhőszolgáltatást, bejelentette, hogy 100 millió dolláros Series A kört zárt a Blackbird Ventures és az Abstract Ventures vezetésével, ezzel 800 millió dolláros értékelést ért el, miután májusi mag-körében még csak 60 millió dollárt ért. A vállalat szerint egy ügyfelével kötött, évi 100 millió dolláros megrendelés nyitotta meg az utat a tőkebevonás előtt. Finn Puklowski vezérigazgató a CoreWeave részvényesését és Elon Musk piacösszeomlás-jóslatait „túlzottnak” nevezte, és azt állítja, hogy a kereslet a chipek iránt továbbra is erős. A cég SambaNova-val kötött 400 millió dolláros chipvásárlási megállapodást, és Positron, illetve Cerebras chipgyártókkal is bővítette beszállítói körét.
-
Az Anthropic IPO-dokumentuma: 80,7 milliárd dolláros veszteség, horribilis kiadások
Az Anthropic nyilvánosan benyújtotta több mint 300 oldalas S-1 tőzsdei bevezetési dokumentumát az amerikai tőzsdefelügyelethez (SEC), és a Nasdaqon ANT jelzéssel kíván megjelenni – írja a The Verge és a WIRED. A cég szerint 2026 első felében 16,3 milliárd dolláros bevétel mellett 80,7 milliárd dolláros nettó veszteséget szenvedett el, miközben több tízmilliárd dolláros számítási kapacitás-megállapodásokat kötött: havi mintegy 3,1 milliárd dollárt fizet a SpaceX-nek Nvidia-chipekért (ami 2029-ig akár 120,5 milliárd dollárra nőhet), és 44,9 milliárd dollárt a Microsoftnak, legalább 114,5 milliárd dollárt a Google-nek, valamint 110 milliárd dollárt az Amazonnak ígért a következő évekre. A dokumentum szerint a hét társalapító egy Founder LLC nevű entitáson keresztül a szavazati jogok 50,1 százalékát tartja meg magának. A WIRED kiemeli, hogy a 94 oldalas kockázati fejezet a 'katasztrofális vagy egzisztenciális' veszélyek között a rekurzív önfejlesztést (RSI) is tárgyalja, amelyet a cég egyszerre versenyelőnyként és fenyegetésként ír le.
-
A Meta akár 95 milliárd dolláros részvénykibocsátást tervez AI-beruházásaihoz
A The Decoder beszámolója szerint a Meta legfeljebb 95 milliárd dollár értékben tervez részvényeket kibocsátani, hogy finanszírozza mesterséges intelligenciás infrastruktúrájának bővítését. A vállalat bejelentése alapján 22,5 milliárd dollár Class A törzsrészvények eladásából, 12,5 milliárd dollár letéti részvényekből (ezek elsőbbségi részvényeket takarnak, és legkésőbb 2029 augusztusában törzsrészvénnyé alakulnak), a fennmaradó 60 milliárd dollár pedig a jövőben bevezetésre kerülő, szavazati joggal nem rendelkező Class C részvények nyílt piaci értékesítéséből származna, ez utóbbi várhatóan legkorábban 2027 első negyedévében indulhat. A bejelentés szerint az Nvidia, az AMD és a Broadcom nem kötelező érvényű szándékot jelzett arra, hogy akár 5 milliárd dollár értékben vásároljanak Meta-részvényt. A konstrukció lehetővé teszi, hogy a Meta forrást vonjon be anélkül, hogy Mark Zuckerberg irányítása a szavazati jogokat tekintve felhígulna.
-
Wall Street-i kereskedőcégek milliárdokat öntenek AI-infrastruktúrába
Nagyfrekvenciás kereskedő cégek, köztük a Jane Street, a Hudson River Trading és az Optiver, a Bloomberg értesülése szerint saját adatközpontok építésébe és chipes startupokba fektetnek, hogy lépést tartsanak az AI-alapú kereskedési modellekkel. A Hudson River Trading AI-vezetője, Iain Dunning szerint a cég évi 1 milliárd dollárt költ mesterséges intelligenciára, és többéves szerződést kötött a CoreWeave-vel. A Jane Street ezzel szemben 1 milliárd dollárt fektetett közvetlenül a CoreWeave-be, és 6 milliárd dollár értékű számítási kapacitást vásárolt tőle, emellett texasi adatközpontjában több mint 4000 Nvidia GPU-t üzemeltet. A cég vezette az Etched nevű chipstartup finanszírozási körét is, és elsőként vásárolta meg az állítólag alacsonyabb feszültségen futó, nagyobb teljesítményt nyújtó AI-chipjét. Egy vezető becslése szerint az ágazat számítási kiadásai tízszer-húszszor magasabbak, mint a ChatGPT megjelenése előtt voltak, az Optiver vezérigazgatója, Jan Boomaars pedig úgy véli, a tétlenség nagyobb kockázatot jelent, mint a növekvő költségek és a gyorsan elavuló chipek.
-
A Google és a Meta megnyitotta a TorchTPU natív PyTorch–TPU hátteret
A 2026-os San José-i PyTorch Conference keretében a Google és a Meta nyílt forráskódúvá tette a TorchTPU-t, egy natív PyTorch hátteret a Google TPU chipjeihez, amely felváltja a 2020-as PyTorch/XLA megoldást. A Google Cloud bejelentése szerint a kódváltás elvben annyi, hogy a model.to("cuda") helyett model.to("tpu") szerepel, bár a csúcsteljesítményhez további finomhangolás kell. Zongwei Zhou, a Meta szoftvermérnöke a keynote-előadáson elmondta: a Meta nagyobb léptékű nyelvi modell munkaterheket kíván TPU-kra költöztetni. A Google publikált tesztje szerint egy Qwen3 235B méretű keverék-szakértős modell 8192 TPU v7x chipen 28 százalékos FLOPS-kihasználtsággal futott. Az AWS ezzel egy időben nyilvános bétába állította a Trainium chipekhez készült TorchNeuron hátteret.
-
Az Nvidia megnyitotta a Flora robotvideó-címkéző rendszerét
A Nvidia bejelentette, hogy nyílt forráskódúvá tette a Flora nevű adatmotort, amely robotvideók automatikus feliratozására szolgál. A cég szerint a rendszer három, Qwen3.5 alapon finomhangolt modellből épül fel: egy 9 milliárd paraméteres szegmentáló, egy 27 milliárd paraméteres leíró, valamint egy szintén 27 milliárd paraméteres „Flora-Rewarder” értékelő modell, amely 1-5 skálán minősíti a feladat sikerességét, fél másodperces lépésekre bontva jelzi a hibákat, és saját szempontrendszer alapján pontoz. A Nvidia állítása szerint a rendszer már most a GR00T robotmodellek betanítását szolgálja, naponta akár 200 000 óra videót dolgoz fel 512 GB300 GPU-n, és egy 50 videós teszten kismértékben jobb eredményt ért el, mint a GPT-6 Astra, miközben a cég becslése szerint egy óra videó címkézése mindössze 72 centbe kerül. A modellek elérhetők a Hugging Face platformon.
-
Az Anthropic társalapítója 2027-re hozta előre az önfejlesztő AI jóslatát
A P-Zero Research nevű kutatóműhely új TasteVal nevű benchmarkot tett közzé, amely azt méri, mennyire képesek AI-rendszerek önállóan kísérleteket tervezni és az eredményeket értelmezni – ezt nevezik „kutatói ízlésnek”. A nyolc feladat mindegyike rögzített kutatási célt ad az AI-modellfejlesztésből, a teszteket egységesen egy Nvidia H100 GPU-n futtatják, legfeljebb 40 GPU-óra vagy 120 óra alatt. A legjobb tesztelt modell a mérés szerint felülmúlta a 24 fős, korábban OpenAI-nél, Google DeepMindnél, Nvidiánál és Microsoft Researchnél dolgozó szakértőkből álló összehasonlító csoportot, ráadásul jóval alacsonyabb költséggel. A The Decoder cikke szerint Anthropic társalapítója, Jack Clark ezekre az adatokra hivatkozva most 2028 helyett már 2027-re várja, hogy az AI-rendszerek önmaguk utódait fejlesszék ki (rekurzív önfejlesztés). A lap hangsúlyozza, hogy a benchmark csak a tudományos munka szűk szeletét méri, és nem bizonyítja, hogy az AI-rendszerek már most önmagukat fejlesztik.
-
Apollo közgazdásza szerint az AI eddig nem hozott profitot a nagyvállalatoknak
Torsten Slok, az Apollo Global Management vezető közgazdásza egy friss elemzésében azt állítja, hogy a mesterséges intelligencia a technológiai óriásokon kívül egyetlen nagyvállalatnak sem hozott pénzügyi hasznot. Az elemzés az úgynevezett „S&P 493” csoportot vizsgálja, vagyis az S&P 500-at az Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia és Tesla nélkül, és azt találta, hogy a profitmarzsok és az egy főre jutó bevétel lényegében nem változtak, vagyis nincs bizonyíték termelékenységi javulásra. Slok szerint az AI jó „számológép”, de az üzleti döntések nagy része ítélőképességet, elszámoltathatóságot, bizalmat és etikai mérlegelést igényel, amit a technológia nem ért meg. A közgazdász szkeptikus azzal kapcsolatban is, hogy a nem technológiai cégek egyszerűen csak lemaradásban vannak a nagy techcégekhez képest. A cikk megemlíti, hogy más tanulmányok is hasonló következtetésre jutottak: az AI eddig nem hozott érdemi termelékenységi áttörést.
-
Jack Dorsey cége bemutatta a Dessa nevű, emberi hangzású AI-modellt
A Jack Dorsey vezette Block kutatólabora bemutatta a Dessa nevű beszédmodellt, amely a cég szerint teljes egészében emberi hangfelvételeken tanult, szöveges adatok nélkül. A TechCrunch és a The Decoder szerint a modell full-duplex működésű, tehát egyszerre tud beszélni és hallgatni, és állítólag helyben, egyetlen NVIDIA GB200 NVL72 GPU-rackel kiképezve akár egy MacBook Pro M4 Max gépen is futtatható. A Block azt állítja, hogy Dessa közvetlenül hangként dolgozza fel a beszédet, így érzékeli a nevetést, a sóhajt és a hanglejtés árnyalatait, amit a szöveg-alapú csővezetékek elveszítenek. A modell nyilvánosan még nem elérhető, a cég egyelőre biztonsági kutatókat keres a kockázatok teszteléséhez. A The Decoder megjegyzi, hogy korábban már több projekt, például a Hume AI EVI-je vagy a Kyutai Moshija is próbálkozott érzelmekre képes hangmodellel, de a lap szerint a természetes hangzás önmagában nem jelent valódi érzelmi vagy következtetési képességet.
-
AI-részvények zuhanása rántotta magával a tőzsdéket, az olaj drágult
Csütörtökön világszerte estek a tőzsdék, miközben az olajár a májusi csúcsra ugrott az Irán elleni háborús aggodalmak miatt – írja a Guardian. A lap szerint az amerikai S&P 500 index 1,2%-ot esett, ez volt a legrosszabb napja július óta, a technológiai papírokat tömörítő Nasdaq composite 2,6%-ot zuhant, míg a Dow Jones alig 0,1%-ot emelkedett. A cikk szerint az AI-részvények azért gyengültek, mert egyre drágább hitelből finanszírozni az adatközpontok építését és a chipvásárlásokat, miközben a szektor árai az évekig tartó felfutás után túl magasra szöktek. A Meta 7%-ot esett annak ellenére, hogy a vártnál erősebb bevételt jelentett – a vállalat bejelentése szerint új részvényosztályt hoz létre az AI-beruházások finanszírozására –, miközben a profitja elmaradt a várakozásoktól. A Nvidia 4,4%-ot, a CoreWeave adósságaggodalmak miatt 10,1%-ot zuhant, a dél-koreai Kospi index pedig 3,5%-ot esett.
-
Az NVIDIA kibővítette a TensorRT motorépítő optimalizálóját
Az NVIDIA technikai blogja szerint a vállalat bemutatta a Global Performance Tuner nevű új eszközt, amely a TensorRT 11.1 verziójában jelent meg. A cég azt írja, hogy a TensorRT eddig is számos egymással összefüggő döntést hozott a gráf-átalakítások, a műveletösszevonás, a memóriaelhelyezés és a kvantálás terén egyetlen motor felépítéséhez, az új eszköz viszont testre szabható építési útvonalakat tesz lehetővé, amelyek bővítik a vizsgált megoldások körét. A blogbejegyzés szerint minden jelölt motort végponttól végpontig tesztelnek pontosság és sebesség szempontjából, és a három vezérelv a pontosságtudatos hangolás, a testre szabható építési útvonalak, valamint a nagy megoldástér, amelyből a leggyorsabb, elfogadható pontosságú verziót választják ki. A cikk ezt egy kétrészes sorozat első részének nevezi, a részletes algoritmust és architektúrát a második rész tárgyalja majd.
-
Az Nvidia konténeres AI-adatközpontja napok alatt üzembe állítható
Az Nvidia a berlini GTC-n bemutatta a DSX POD referenciatervet, amely a Vera Rubin platformra épülő, gyárilag előre összeszerelt és letesztelt konténerekbe integrálja a számítási, hálózati, tárolási, áramellátási és folyadékhűtési infrastruktúrát. A vállalat szerint partnerei – köztük a Dell, a HPE, a Lenovo és a Schneider Electric – a gyárban végzik el az összeszerelést és a validálást, a helyszínen már csak az áram-, hűtés- és hálózati csatlakozásokra van szükség. A The Decoder beszámolója szerint ez a megközelítés a jelenlegi mintegy hat hónapos kiépítési időt akár 14 napra csökkentheti. Az Nvidia azt is állítja, hogy a tágabb DSX platform zárt hűtőköre akár 100 százalékkal kevesebb hűtővizet igényelhet, bár szélsőséges hőségben extra hűtés is szükséges lehet. Az első egységek 2027 elején kerülnek világszerte szállításra.
-
A Mistral és az NVIDIA mérnöki AI-együttműködést jelentett be
A Mistral AI bejelentette, hogy az NVIDIA-val együttműködve AI-natív mérnöki munkafolyamatokat fejleszt, amely a Mistral Large 4 nyelvi modellt és a vállalat fizikai AI-képességeit az NVIDIA CUDA-X és Warp könyvtáraival, valamint az Omniverse 3D-szimulációs platformjával kapcsolja össze. A cég szerint a cél a tervezés, a szimuláció és az AI-tréning egyetlen zárt hurkú munkafolyamatba fűzése olyan iparágakban, mint a légiközlekedés, az autóipar és a félvezetőgyártás. A két vállalat emellett nyilvános benchmarkokat és nyílt adatkészleteket ígér a fizikai modellek, valamint a mérnöki szoftverekkel dolgozó AI-ágensek értékeléséhez. A The Decoder szerint a Mistral Large 4 mintegy egybillió paraméterrel rendelkezik, és 3800 Grace Blackwell GPU-n tanították Európában, nyílt súlyozású modellként pedig október végén jelenik meg. A lap azt is írja, hogy a Mistral korábban már közösen fejlesztette a Mistral NeMo modellt az NVIDIA-val.
-
Az NVIDIA RFD4-Proteina: gyorsabb fehérjetervezés reward-vezérelt kereséssel
Az NVIDIA bejelentette az RFD4-Proteina nyílt modellt, amelyet a Washingtoni Egyetem Orvostudományi Karának Protein Design Intézetével közösen fejlesztettek ki. A vállalat szerint a modell egy lépésben tervezi meg a fehérjeszekvenciát és a teljes atomi szerkezetet, kiküszöbölve a korábbi megközelítések külön inverz-folding lépését. Az NVIDIA állítása szerint a reward-vezérelt, inferencia idejű keresés a számítási kapacitást a legígéretesebb jelöltekre összpontosítja, a mintavételezési lépések számát pedig mintegy 400-ról 60-ra csökkentették, ami 3,8-szoros gyorsulást és 84 százalékkal kisebb csúcsmemória-igényt eredményez 200 aminosavas fehérjéknél az elődmodellhez, az RFD3-hoz képest. A modell nyílt forráskódú változatként és NIM mikroszolgáltatásként is elérhető, és a vállalat szerint olyan feladatokra használható, mint a PD-L1 onkológiai célpont elleni kötőfehérjék tervezése hotspot-megkötésekkel.
-
A Google is bemutatta saját PyTorch-verzióját, hogy gyengítse az Nvidia dominanciáját
A Google a TechCrunch beszámolója szerint kedden nyílt forráskódúként tette közzé a TorchTPU nevű eszközt, amely a népszerű PyTorch keretrendszer saját, Tensor Processing Unit (TPU) chipekre optimalizált változata. A cég állítása szerint a meglévő PyTorch-alkalmazások egyszerű konfigurációváltással, újraírás nélkül átvihetők a Google Cloud TPU-ira. A lépéssel a Google csatlakozik Amazonhoz, amely hétfőn jelentette be saját TorchNeuron megoldását a Trainium chipekhez, és emellett kódot nyújtott be a fő PyTorch projekthez, hogy a keretrendszer alapból kevésbé kötődjön az Nvidia hardveréhez. A TechCrunch szerint a Google azt állítja, hogy közvetlenül együttműködött a Metával, a Hugging Face-szel, valamint a vLLM-et és az SGLang-ot fejlesztő cégekkel a kompatibilitás biztosítása érdekében, és egy új TPU agent suite eszközt is indított a migráció segítésére. A PyTorch-ot eredetileg a Meta fejlesztette 2016-ban, majd 2022-ben a Linux Foundation nonprofit szervezetnek adta át.
-
Az Amazon új TorchNeuron eszközzel támadja Nvidia szoftveres fölényét
Az Amazon Web Services hétfőn bemutatta a TorchNeuron nevű fejlesztői eszközt, amely a vállalat állítása szerint lehetővé teszi, hogy a PyTorch keretrendszerben írt AI-alkalmazások mindössze egyetlen konfigurációs sor módosításával, kódátírás nélkül fussanak az Amazon saját Trainium chipjén. Az Amazon szerint az AI-alkalmazások mintegy 85 százaléka PyTorchban készül, amely keretrendszert eredetileg a Facebook fejlesztette, 2022 óta pedig a Linux Foundation gondozza. A cég szerint a Trainiumra költözés nemcsak egyszerű, hanem hozzáférést is ad az Amazon teljes felhőinfrastruktúrájához, szemben a sok esetben Nvidia-hardverhez kötött „neocloud” szolgáltatókkal, mint a CoreWeave vagy a Nebius. Az AWS Annapurna Labs technológiai alelnöke, Colin Brace a TechCrunchnek nyilatkozva hangsúlyozta, hogy a startupok így nem egyetlen, szűk célú számítási szolgáltatóra fogadnak.
-
A Microsoft kiszállt a brit Nscale esszexi AI-adatközpont projektjéből
A Guardian szerint a Microsoft visszalépett a brit Nscale cég loughtoni (Essex megyei) AI-adatközpont-projektjétől, miután aggályai merültek fel az áramellátással kapcsolatban. A fejlesztést a brit kormány korábban az ország legnagyobb szuverén AI-adatközpontjaként harangozta be, de a lap márciusban már feltárta, hogy a helyszín akkor még működő állványozó telep volt. A Microsoft volt a projekt egyetlen nyilvánosan bejelentett, egyik legnagyobb tervezett ügyfele és várható horgonybérlője, kilépése a Telegraph értesülése szerint azt jelenti, hogy Nscale elvesztette egyetlen megnevezett bérlőjét Essexben, míg a cég norvégiai projektjében a Microsoft továbbra is partner marad. A Guardian szerint a horgonybérlő elvesztése gyengítheti az Nvidia által is támogatott Nscale idei, akár 35 milliárd dolláros (26 milliárd fontos) értékeltségű wall street-i tőzsdei bevezetési törekvéseit. Az Nscale ugyanakkor közölte, hogy továbbra is kitart a projekt mellett.
-
Az AWS két nyílt forráskódú eszközt vezetett be AI-ágensek fejlesztéséhez
Az AWS bejelentése szerint két nyílt forráskódú projektet indított: a Strands Decider 2B egy kétmilliárd paraméteres modell, amely nem hosszú szöveget generál, hanem előre megadott opciók közül választ bizalmi pontszámmal, így modellirányításra, eszközválasztásra, osztályozásra és korlátozó szabályok betartatására használható. A Qwen3.5-2B alapú modellt egy rank-16 LoRA adapterrel finomhangolták, a nyelvi modell fejét egy pontozó fejjel helyettesítve; az AWS szerint a döntési késleltetés mediánja körülbelül 115 ezredmásodperc egy NVIDIA RTX 3090-en, 153 ezredmásodperc kisebb feladatoknál egy Apple M3 gépen, a JevBench teszten pedig 72,3 százalékos pontosságot ért el 231 nyilvános feladaton a v19 jelű változat. A másik, fejlesztői előnézetben elérhető Strands Box egy izolált futtatási környezet ágensekhez, amely operációsrendszer-szintű elkülönítést kombinál a Dogwood nevű nyílt szabálynyelvvel, így meghatározható, milyen parancsokat, Python-kódokat vagy hálózati hívásokat hajthat végre egy ágens, és ez a kontroll a nyelvi modellen kívül, kernel szinten érvényesül.
-
Az NVIDIA RTX Spark: helyi AI-fejlesztés egyetlen gépen
Az NVIDIA bejelentette az RTX Spark platformot, amely a GB10 rendszerchipet akár 128GB egységes memóriával kombinálja, hogy fejlesztők helyi kódoló-ügynököket futtathassanak, teszteljenek és telepítsenek egyetlen gépen. A vállalat szerint a rendszer az Intel Panther Lake 12Xe-hez képest 4,6-szor gyorsabb kódoló-ügynök teljesítményt, 2,7-szer gyorsabb finomhangolást és 1,8-szor gyorsabb kódfordítást nyújt. A Microsofttal közösen bővítették a Windows on Arm szoftverstacket, beleértve az első PyTorch-CUDA buildet, a Python 3.15 natív támogatását és a top 15 000 Python-csomag több mint 97%-ának Arm-kompatibilis verzióját. A The Verge beszámolója szerint a Windows új Get Started felülete két kattintással telepíti a launchkor támogatott három ügynököt (Hermes, Perplexity, OpenClaw), bár a lap tesztelése során az OpenClaw telepítése hibákba ütközött. A lap azt is megjegyzi, hogy a helyi modellek még mindig lassabban válaszolnak, mint a felhős alternatívák.
-
A Meta kiadta a Muse Spark Open nyílt súlyú kódoló AI-modellt
A Meta bejelentette a Muse Spark Open nevű nyílt súlyú modellt, amelyet saját közlése szerint a legképesebb jelenlegi amerikai nyílt súlyú modellnek szán. A mixture-of-experts architektúrájú rendszer 816 milliárd összparaméterből tokenenként 42 milliárdat aktivál, kontextusablaka elérheti az 1 millió tokent, és szöveg mellett képet, hangot és videót is kezel. A modellt kifejezetten ügynöki kódolási feladatokra, többfájlos refaktorálásra és hosszú hibakeresési munkamenetekre tréningezték, az NVIDIA GB300 NVL72 Blackwell Ultra hardveren. A súlyok elérhetők Hugging Face-en és több API-szolgáltatón (Baseten, Fireworks, Groq, Together AI), az Amazon pedig a SageMaker JumpStart hubba is beillesztette BF16 és NVFP4 kvantált változatban. A Meta szerint a modell Apple M5 Ultra Mac Studio gépeken, helyben is futtatható.
-
Black Forest Labs bemutatta a FLUX.3 Image Klein nyílt súlyú képmodellt
A Black Forest Labs bejelentette a FLUX.3 Image Klein nevű nyílt súlyú képmodellt, amely 5,6 milliárd paraméterrel szöveg-kép generálást, képszerkesztést és akár tíz referenciakép alapú generálást is támogat. A cég szerint a modell natív 4K felbontást, pixelpontos szerkesztést és bounding box alapú elemelhelyezést kínál, és belső teszteken a legmagasabb Elo-pontszámot érte el a nyílt modellek közül, megelőzve a zárt Ideogram V4.5-öt és a saját FLUX.2 [pro] modelljét is. A Hugging Face blogja szerint a modell a Diffusers könyvtárba is beépült, a desztillált változat H100 GPU-n másodpercek alatt generál 1024×1024-es képet. Egy INT8-as verzió mindössze 8 GB videomemóriával futtatható, és a cég közlése szerint egy RTX 4070-es kártyán 9 másodperc alatt elkészül egy kép. A súlyok a FLUX Kommunity License alatt érhetők el, amely évi 5 millió dollár alatti bevételű cégeknek ingyenes kereskedelmi felhasználást biztosít.
-
Az Nvidia kiadta a Nemotron 3.5 Super VL nyílt agensmodellt
Az Nvidia kiadta a Nemotron 3.5 Super VL nyílt, multimodális modellt: 120 milliárd paraméteres mixture-of-experts architektúrája tokenenként csak 12 milliárd paramétert aktivál – írja a The Decoder és az Nvidia technikai blogja. A modellt vállalati agensfeladatokra, dokumentum-, kép- és videóelemzésre szánták, fejlesztésében a Mistral AI, a Thinking Machines Lab, a Perplexity és a Black Forest Labs is részt vett a Nemotron Coalition keretében. Az Nvidia állítása szerint a Super VL a nagyobb Nemotron 3 Ultra pontosságát hozza ötödannyi paraméterrel, és egyetlen GPU-n akár ötszörös áteresztőképességet ér el hasonló méretű nyílt modellekhez képest. Mellette két kisebb, helyi gépekre szánt Bolt-változat is megjelent: a 24 GB memóriájú rendszerekhez való 74B-A9B és a később érkező, 4 GB-os E4B hangasszisztensekhez. A vállalat szerint a Scale AI, a Ramp és az AI21 már utótanította a modellt, akár 40-szer alacsonyabb következtetési költséget elérve vele.
-
Jensen Huang 2 milliárd dolláros európai befektetést és brit AI-biztonsági kutatást jelentett be
Az Nvidia vezérigazgatója, Jensen Huang párizsi látogatásán bejelentette, hogy a cég a következő héten 2 milliárd dollár új befektetést hajt végre Európában; a Bloomberg szerint az Nvidia tavaly mintegy 8 milliárd dollárt költött a kontinensen. A vállalat új részesedéseket szerzett a francia Doctolib, Genesis AI, Pigment és Entalpic startupokban, Huang pedig a nyílt súlyú modelleket ajánlotta Európának az AI-lemaradás csökkentésére, és ismét elutasította a fejlesztés lassítására vonatkozó felhívásokat. A cég emellett öt év alatt 250 millió dollár értékű számítási kapacitást ajánl fel brit laboratóriumoknak – az oxfordi BOLD, az UCL SOFAIR és az Imperial College London projekteknek –, amelyek AI-ügynökök biztonságával, nyílt forráskódú architektúrákkal és robotikai biztonsággal foglalkoznak. Kanishka Narayan brit AI-miniszter a bejelentést „bizalmi szavazatnak” nevezte a brit AI-kutatás iránt. A tour Londonban és Berlinben folytatódik.
-
Az 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.
-
A Microsoft 2027-re gigawattos léptékben vezeti be saját Maia AI-chipjeit
A Microsoft bejelentette – Scott Guthrie, a Cloud+AI üzletág ügyvezető alelnöke blogbejegyzése szerint –, hogy 2027-től több gigawattos léptékben telepíti saját fejlesztésű Azure Maia AI-csipjeit, amelyek a vállalat termékeinek elsődleges következtetési (inference) rendszerévé válnak. A Maia 200 már üzemel az Egyesült Államokban, Európában és Ausztráliában, a Microsoft Copilotot hajtja, a GitHub Copilot és a Microsoft Foundry pedig év végéig csatlakozik hozzá; a cég állítása szerint a Teams, Copilot és Cowork funkcióiban akár 1,7-szer több tokent dolgoz fel wattonként, mint a vezető GPU-alapú rendszerek. Az utód, a Maia 300, 2027-ben érkezik, hosszú kontextusú, gyors párbeszédes és többlépéses ágensi feladatokra optimalizálva; a Microsoft szerint megawattonként 40 százalékkal több tokent biztosít, egy 96-csipes rack pedig akár hétszeres rack-szintű átviteli sebességet nyújt a Maia 200-hoz képest. Satya Nadella vezérigazgató a projektet a vállalat „eddigi legnagyobb saját szilíciumos fogadásának” nevezte. A The Decoder a Microsoft hivatalos blogbejegyzése alapján számolt be a részletekről.
-
A Microsoft bemutatta Maia 300 AI-chipjét, miközben elnöke szigorúbb szabályozást sürget
A Microsoft bejelentette harmadik generációs, saját fejlesztésű Maia 300 AI-chipjét, amelyet a vállalat szerint elsődleges AI-következtetési rendszerré tesznek majd termékeiben 2027-től, multigigawattos léptékben. Scott Guthrie, az Azure felhőrészleg ügyvezető alelnöke szerint a Maia 300 megawattonként 40 százalékkal több tokent dolgoz fel a vezető GPU-alapú rendszerekhez képest, és 96 gyorsítós konfigurációban hétszeres rack-szintű teljesítményt nyújt elődjéhez, a Maia 200-hoz képest. Ezzel párhuzamosan Brad Smith, a Microsoft elnöke a BBC-nek nyilatkozva azt mondta, az AI jelenleg kevésbé szabályozott, mint a tej vagy a mosógépek, és sürgette az úgynevezett „vészfékek” bevezetését rosszindulatú AI-ügynökök megfékezésére. Satya Nadella vezérigazgató hasonlóan nyilatkozott arról, hogy a szuperintelligens rendszereket megfigyelhető, korlátozható keretek közé kell szorítani.
-
Trump „szuperintelligencia” elnevezése mögé sorakozik fel a Szilícium-völgy
A Verge beszámolója szerint Donald Trump azt szeretné, ha az „artificial intelligence” kifejezés helyett a „super intelligence” terjedne el, és egy végrehajtási rendelet szerint a kormányzati szerveknek is ezt a szóhasználatot kell követniük. A lap állítása szerint több techvezető igazodik ehhez: Elon Musk bejelentette, hogy a SpaceXAI nevet SpaceXSI-re cseréli, Marc Benioff pedig a Salesforce AIForce elnevezését SIForce-ra változtatja. A cikk szerint Nvidia vezére, Jensen Huang részt vett a rendeletet bejelentő csúcstalálkozón, és a vállalat 1 milliárd dolláros tudományos elkötelezettségébe a „szuperintelligencia-kutatást” is beleértette. A Verge azt is állítja, hogy Microsoft vezérigazgatója, Satya Nadella egy, az AI „vészfékjét” sürgető bejegyzésében szintén többször a „super intelligence” kifejezést használta. A lap ezt a Szilícium-völgy és Trump második ciklusbeli, korábbinál barátságosabb viszonyának jeleként értelmezi.
-
Az OpenAI bevétele: 20 milliárd dolláros eltérés rázta meg a piacokat
A Financial Times szerint az OpenAI éves szinten vetített bevétele szeptember végén mintegy 50 milliárd dollár volt, nem a korábban híresztelt 70 milliárd. A Decoder cikke szerint a különbség abból adódik, hogy a két szám más elszámolási módszerrel készült: az egyik az Anthropicéhoz hasonlítható mutatót akarta adni, amely a felhőpartnereken (AWS, Google Cloud) keresztüli értékesítést is tartalmazza, míg az OpenAI alapesetben csak a saját részesedését könyveli el. Mindkét módszer megfelel az amerikai GAAP szabályoknak. A hír hatására a technológiai részvények estek: a Nasdaq 1,4, az Nvidia 2,9, az Oracle 5,5, a Micron pedig 4,8 százalékkal. A Bloomberg szerint az OpenAI 2026 végére már 70 milliárd dolláros éves bevételi ütemet vár, a vállalati bevétel a harmadik negyedévben 107 százalékkal nőtt. A cég közben 30 milliárd dolláros friss tőkét keres, 1,4 billió dolláros előzetes értékelés mellett, miután Sam Altman biztonsági aggályokra hivatkozva elhalasztotta a tőzsdei bevezetést.
-
Az Ai2 új GPU-ütemezőt vezetett be kutatási klasztereihez
Az Ai2 mesterséges intelligencia infrastruktúra csapata blogbejegyzésben mutatta be, hogyan váltotta fel a korábbi prioritás-alapú GPU-ütemezőjét egy új rendszerre, amely GPU-időkereteket, hierarchikus igazságos elosztást és időszeletelési szerződést alkalmaz. A cég állítása szerint ezzel a kutatási projektek GPU-időigényéről szóló vitát eseti operatív döntésből átlátható adminisztratív költségvetés-tervezéssé alakították. Az Ai2 több ezer NVIDIA H100, B200 és B300 GPU-t üzemeltet, 88-1024 GPU-s klaszterekbe rendezve, és mintegy 150 belső kutatót szolgál ki különféle AI-területeken, LLM- és VLM-tréningtől a robotikai megerősítéses tanulásig. A vállalat szerint a kereslet jellemzően 2-3-szorosa a rendelkezésre álló kapacitásnak, és a régi rendszer olyan torzulásokhoz vezetett, mint a GPU-„foglalgatás”, amikor kutatók üresjáratú munkákat parkoltattak le, hogy szükség esetén gyorsan hozzáférjenek erőforráshoz.
-
A Nous Research 1,5 milliárd dolláros értékelésen zárta új tőkebevonását
A Nous Research, a nyílt forráskódú Hermes Agent fejlesztője 90 millió dolláros Series B kört zárt 1,5 milliárd dolláros értékelésen, ezzel megerősítve a TechCrunch korábbi értesülését. A kört a Robot Ventures vezette, társbefektetőként többek között az Nvidia, a Union Square Ventures, a Menlo Ventures, a Samsung és az 1789 Capital vett részt benne – utóbbinál Donald Trump Jr. is partner. A startup teljes tőkebevonása így 158 millió dollárra nőtt. A cég szerint a Hermes Agentet több mint 24 millióan klónozták, és ez a globális AI-token-felhasználás mintegy 2,5 százalékát adja – ez a Nous saját becslése. A friss tőkéből a vállalat vállalati piacra lép a „Hermes for Businesses” szolgáltatással, amely testre szabott AI-ügynököket kínál több lépéses munkafolyamatokhoz, zárt adatkezelés mellett. A Wall Street Journal szerint a Nous 2026 szeptemberének közepére már mintegy 36 millió dolláros éves szintű bevételnél tartott, és 2026 végéig 100 millió dollár fölé várja ezt.
