Källa

NVIDIA

35 referat i flödet. Sammanfattningarna är skrivna av Vibekollen — innehållet tillhör NVIDIA.

BloggNVIDIA

NVIDIA DGX Spark 64GB Gives Developers More Ways to Build and Scale Local AI

Local AI is becoming more useful by the token. As AI agents move from experiments into everyday development, increasingly capable open models are shrinking to fit on more devices, giving builders more to run locally. Coming this month, NVIDIA DGX Spark will be available with 64GB of unified memory from top manufacturer partners — Acer, ASUS, Dell, Gigabyte, HP and MSI — giving developers, researchers and AI enthusiasts a new configuration with DGX OS and the NVIDIA AI software stack ready to use from day one. The new SKU runs capable local agents on device — privately, without cloud dependency. And when workloads grow, two units can cluster together via NVIDIA Sync Cluster Assistant without any additional setup. A New Starting Point for Personal AI Supercomputing DGX Spark combines NVIDIA Grace Blackwell compute, unified memory, NVIDIA ConnectX-7 networking and an NVIDIA CUDA-accelerated AI software stack in one system. It’s a complete local AI platform for agents, inference, fine-tuning, data science and edge development. The compact, personal AI supercomputer provides a place to experiment with models and developers’ own data without turning to a cloud instance for every task.

2 okt. blogs.nvidia.com

BloggNVIDIA

How NVIDIA GPUs Help Accelerate OpenAI’s GPT-6 Astra Ultrafast

GPT-6 Astra Ultrafast, running on NVIDIA Blackwell GPUs, is available now in the OpenAI API and to eligible ChatGPT Work and Codex users. Accelerated by inference optimizations through OpenAI’s models that tap into the capabilities of the NVIDIA Blackwell architecture, Ultrafast offers up to 8x faster token generation than the Astra Standard mode. For developers, faster generation can shorten coding agents’ edit-test-debug cycles, reduce the time spent generating responses between tool calls and make interactive applications feel more responsive. A faster response matters most when it’s repeated across a workflow: an agent writes code, uses a tool, checks the result and decides what to do next. Ultrafast brings Astra’s capabilities into these time-sensitive loops. NVIDIA AI infrastructure helps OpenAI serve more useful model outputs when developers need it. “NVIDIA’s deep investment in tooling and documentation has enabled us to make our models exceptionally good at programming Blackwell and Rubin GPUs,” said Philippe Tillet, inference lead at OpenAI.

2 okt. blogs.nvidia.com

BloggNVIDIA

Productive, Durable, Fungible: How NVIDIA AI Factories Maximize Return on Investment

AI factories are built by the megawatt, even by the gigawatt. Each megawatt factory costs roughly $60 million, and AI factory operators will only commit capital on that scale with a clear view of the return on investment. Three key things shape AI factory returns: Earning capacity: What the factory could earn in a year if it sold every token it can produce. Useful life: How long its AI hardware keeps earning. Demand: How much demand there is for those tokens. Strength cannot fully offset weakness in another. High earning capacity counts for little if the factory sells only part of what it can produce. High demand matters little if it stops producing at full capacity in just a year. Nor are the three independent. A factory that can run more kinds of workloads finds more demand, keeping it earning year after year. NVIDIA AI factories are engineered to maximize all three. They’re: Productive: Delivering the highest throughput per megawatt and the lowest cost per token, which maximizes their earning capacity. Durable: NVIDIA GPUs and systems keep earning years after they ship, extending useful life.

1 okt. blogs.nvidia.com

BloggNVIDIA

NVIDIA Opens Applications for 2027–2028 Graduate Fellowships With Awards Up to $60,000

Bringing together the world’s brightest minds and the latest accelerated computing technology leads to powerful breakthroughs that help tackle some of the biggest research problems. To foster such innovation, the NVIDIA Graduate Fellowship Program provides grants, mentors and technical support to doctoral students doing outstanding research relevant to NVIDIA technologies. The program, in its 26th year, is now accepting applications worldwide. It focuses on supporting students working in AI, machine learning, autonomous vehicles, computer graphics, robotics, healthcare, high-performance computing and related fields. Awards are up to $60,000 per student. Since its start in 2002, the Graduate Fellowship Program has awarded over 220 grants worth around $8 million. Students must have completed at least their first year of Ph.D.-level studies at the time of application. The application deadline for the 2027-2028 academic year is October 30, 2026. An in-person internship at an NVIDIA research office preceding the fellowship year is mandatory; eligible candidates must be available for the internship in summer 2027. For more on eligibility and how to apply, visit the program website.

30 sep. blogs.nvidia.com

BloggNVIDIA

From Training to Production, NVIDIA and CoreWeave Close the Loop on Agentic AI

Building on nearly a decade of co-engineering, CoreWeave has built NVIDIA compute, networking and software into a cloud purpose-built for AI that’s still returning on investment across multiple generations of deployment. Now, CoreWeave is bringing the next generation of NVIDIA infrastructure to production. At CoreWeave Fully Connected, running this week in San Francisco, CoreWeave announced availability of NVIDIA Vera Rubin NVL72 systems with Spectrum-X 102.4T Ethernet networking. Cognition, the applied AI lab behind the Devin AI software engineer, is the first customer running production workloads on Vera Rubin. CoreWeave will also offer NVIDIA Vera, the first CPU built for AI agents. In addition, CoreWeave launched CoreWeave Forge, a connected environment for training, evaluating and improving models and agents on NVIDIA accelerated computing. “NVIDIA accelerated computing delivers value across generations,” said Ian Buck, vice president of hyperscale and high-performance computing at NVIDIA. “CoreWeave’s NVIDIA V100 GPUs are still running customer workloads nearly a decade after Volta launched, even as CoreWeave brings Vera Rubin NVL72 into production.

30 sep. blogs.nvidia.com

BloggNVIDIA

How Open Science Can Help Researchers Prepare for the Next Pandemic

When COVID-19 emerged, scientists had a crucial advantage: Decades of prior research on coronaviruses meant they understood the virus’ key proteins well enough to design vaccines in record time. The next pandemic may not offer the same head start. To help improve the odds, NVIDIA has joined a coalition of global research organizations, including Google DeepMind and the European Molecular Biology Laboratory’s European Bioinformatics Institute (EMBL-EBI), to release predicted 3D structures for the protein complexes of more than 2,800 viruses — openly available to any scientist, anywhere, through the AlphaFold Database. The structures in the newly released dataset were inferred using AlphaFold2 — Google DeepMind’s AI model for predicting how proteins fold into 3D shapes — with optimization from NVIDIA BioNeMo Inference Runtime. This allowed the team to scale inference to thousands of viral proteomes, predicting the complexes, or groups of interacting proteins, encoded within each virus. “Our ambition with the AlphaFold Database has always been to democratize access to foundational biology at scale,” said Risha Patel, life sciences partnerships manager at Google DeepMind.

24 sep. blogs.nvidia.com

BloggNVIDIA

Sakeena Fiza Helps NVIDIA Hardware Succeed at Scale

When Sakeena Fiza describes her work as a validation engineer at NVIDIA, she does so in terms more befitting a detective story than a world-class engineering lab. “Validation engineers look in the shadows and shine a light into every corner,” Fiza said. “Every time we get a system, our first thought is: how can it break?” And when it does? “I always like to think of it as a mystery to solve,” she said. At NVIDIA, the systems Fiza and her colleagues in the data center systems engineering lab investigate are the engines of the AI era. Her work begins before the rest of the world knows a product exists — in the lab — when a new system first receives power. Components are brought up one by one, boards are integrated, firmware and software teams swarm, and engineers watch for the first signs of life. One of Fiza’s earliest and most enduring memories of working at NVIDIA is the collective joy she experienced when she saw the NVIDIA Rubin GPU working for the first time at a system level. “It literally just said, ‘NVIDIA Corporation Device,’” she recalls.

23 sep. blogs.nvidia.com

BloggNVIDIA

At AI Day Singapore, NVIDIA and Partners Showcase AI Advancements Across Southeast Asia

NVIDIA AI Day Singapore, which takes place Sept. 22-23 at the Raffles City Convention Centre, is offering attendees opportunities to explore the hands-on training, expert-led sessions and advanced tools to accelerate their work in AI and high-performance computing. At the event, NVIDIA and its partners are showcasing breakthrough AI advancements across the Southeast Asia region at large. Read more about these announcements below. NVIDIA Accelerates Public Sector AI from Pilot to Production in Southeast Asia AI is becoming a matter of national strategy, with governments looking to move from pilots to production and deliver impact at scale, while building trusted AI capabilities that reflect local languages, cultures, priorities and economic needs. NVIDIA is working to enable all nations to be AI nations — providing the technology, infrastructure, ecosystem and expertise needed to make this possible. To accelerate this transition across Southeast Asia, NVIDIA is helping nations move AI from experimentation to production-scale deployment through open models, developer tools and a broad partner ecosystem.

23 sep. blogs.nvidia.com

BloggNVIDIA

NVIDIA Isaac ROS 5.0 Advances Agentic, Open Source Robotics Development

To build and deploy sophisticated robotics applications that can perceive, reason and act in dynamic environments, developers need new physical AI models and tools. The ROS open framework is a project from Open Robotics that helps humans build robots. NVIDIA Isaac ROS 5.0 — a collection of GPU-accelerated packages built on ROS, released today at the ROSCon conference in Toronto, Canada — helps humans and AI agents build robots together. The release introduces new agentic workflows and platform support to help developers build, customize and deploy robotics applications faster. ROS provides the open source foundation for much of modern robotics development, giving developers common tools, libraries and standards for building and connecting robot applications. NVIDIA Isaac ROS brings NVIDIA accelerated computing, physical AI models and production-ready libraries to the nearly 1.3 million ROS users, helping developers build high-performance robotics applications using free, familiar, open source tools.

22 sep. blogs.nvidia.com

BloggNVIDIA

NVIDIA Launches DSX Ready to Qualify Power and Cooling Products for AI Factories

Every AI factory needs power and cooling that fit its computing architecture. As AI infrastructure expands, power, cooling, water, site and grid constraints are shaping what builders can deploy. Choosing products that fit the complete factory design helps builders turn computing capacity into useful AI output. To help builders make those decisions, NVIDIA is introducing NVIDIA DSX Ready, a qualification program for partner products and solutions that meet applicable NVIDIA DSX AI factory reference design requirements. The program launches with two initial categories: battery energy storage systems (BESS) and cooling distribution units (CDUs). Category-specific requirements and review through the program help builders evaluate offerings with greater confidence, reduce integration risk and move toward deployment. Qualified Building Blocks for Building AI Factory The NVIDIA DSX AI factory platform unifies AI factory design and operations across compute, networking, power, cooling, facilities and software. It helps partners design and operate the factory as one system to produce more useful AI output within available power, cooling, water and grid constraints.

21 sep. blogs.nvidia.com

BloggNVIDIA

Why Deploying Physical AI at Scale Demands Safety at Every Layer

Physical AI is moving rapidly from research to large-scale deployment. By 2035, ABI Research projects an installed base of 49 million level 3-5 autonomous vehicles (AVs), while Omdia estimates that roughly 60 million industrial robots will be deployed between 2026 and 2035. As these machines enter roads, factories, warehouses and other environments shared with people, safety must scale with them. Physical AI safety means proving that AI-driven machines — AVs, humanoid robots, industrial robots and more — behave safely when their decisions turn into physical action. That requires safety across the hardware, software, AI, operating environment and deployment lifecycle — not a one-time check before deployment. Why Is Safety the Key to Scaling Physical AI? After years of testing and benchmarking, AVs continue to expand commercially. That progress has required developers to demonstrate how automated systems address potential hardware and software failures, limitations in intended functionality and AI-specific risks. Robotics is approaching a similar inflection point as autonomous machines move into factories, warehouses and other environments shared with people.

21 sep. blogs.nvidia.com

BloggNVIDIA

From Enablement to Execution, Egypt’s AI Ecosystem Reaches Production Scale

Today, Egypt’s AI builders gathered in the Grand Egyptian Museum for a reception that highlighted the nation’s rapidly growing AI ecosystem — spanning AI natives, developers, researchers, startups and enterprises — building applications across industries. The event included a keynote from Paolo Guglielmini, vice president of EMEA at NVIDIA. Ahmed Mostafa, regional AI adoption lead for the Middle East and Africa at NVIDIA, delivered a session on “Why Accelerating Every Layer Matters,” exploring NVIDIA’s full-stack approach to AI development and deployment. The event also featured a panel moderated by Basil Fateen, head of startups for the Middle East and Africa at NVIDIA, with participation from startups across smart spaces, healthcare, cybersecurity and robotics. In Egypt, the NVIDIA Deep Learning Institute learner base grew more than tenfold in a single year. In June, the National Telecommunications Regulatory Authority of Egypt licensed Hassan Allam Data Centers to build and operate data centers in the country. Under that license, Hassan Allam Utilities and investment firm A15 agreed to develop a new data center, an estimated $400 million investment.

21 sep. blogs.nvidia.com

BloggNVIDIA

AI Security Is an Engineering Problem — How to Solve It at Every Layer of the Agent Stack

AI security is an engineering problem. That means defined security requirements, enforceable controls, named owners and evidence that protections work. As AI becomes more capable, the industry must accelerate security engineering, broaden access to defensive tools and share what works faster. Technology Changes, Security Fundamentals Endure The internet and cloud computing changed how software operates, while core security responsibilities endured: establish identity, control access, limit exposure and verify that protections work. AI agents introduce new capabilities — reasoning, using tools and adapting actions based on the data they encounter. Those capabilities require applying established principles to new operating conditions. This pace creates pressure. Organizations want the productivity benefits of AI while the practices to govern and secure these systems are still developing. Security Depends on the Full Agent Stack Applications depend on code, data, identities, services and infrastructure. Security depends on how those components work together — and AI agents extend that system.

21 sep. blogs.nvidia.com

BloggNVIDIA

5 Companies Using NVIDIA AI for Clean Energy

NVIDIA presenterar fem företag som använder AI för att påskynda omställningen till ren energi. ThinkLabs AI använder digitala tvillingar för att minska tiden för att utvärdera elnätsanslutningar från 30–45 dagar till två minuter. Atomic Canyon utvecklar AI-verktyg för kärnkraftsbranschen, medan Redwood Materials bygger batterisystem från återvunna elbilar för att förse AI-fabriker med energi utan att vänta på rutnätet. TerraPower arbetar med digitala tvillingar för att snabba upp utbyggnaden av nya kärnkraftsverk, och Commonwealth Fusion Systems använder AI för att accelerera fusionsenergiforskningen.

21 sep. blogs.nvidia.com

BloggNVIDIA

Cute Critters Come to the Cloud: ‘Aniimo’ Launches on GeForce NOW

NVIDIA lanserar denna vecka elva nya spel på molntjänsten GeForce NOW, bland dem det gratis spelet Aniimo från Pawprint Studio — ett öppen världen-äventyr där man fångar och samlar på små varelser och kan streama direkt utan att ladda ned spelets 45GB. James Bond-spelet 007 First Light får även en uppdatering med path tracing för realistiskare ljus och skuggor. Två andra nya spel är Active Matter, ett militärkutscher-spel i en bruten multiversum, och rymdsiffra Outer Wilds — alla strömbar på Steam Deck, Firefox och andra enheter.

17 sep. blogs.nvidia.com

BloggNVIDIA

NVIDIA Vera Rubin NVL72 Delivers Leading Performance in MLPerf Inference v6.1 Debut

NVIDIA presenterar sin nya Vera Rubin NVL72-system som visar kraftig prestandaökning i MLPerf Inference v6.1-testerna. Systemet levererar upp till 3,7 gånger högre genomströmning än föregångaren GB300 NVL72 på benchmarken Qwen3-VL, och 2,5 gånger högre på DeepSeek-R1. När fyra GB300 NVL72-rack skalades upp tillsammans uppnåddes 99 procents skalningseffektivitet — genomströmningen växte nästan linjärt när fler GPU:er lades till. NVIDIA uppnådde också prestandaförbättringar genom mjukvaruoptimering: versionen 6.1 var upp till 1,6 gånger snabbare än 6.0. För AI-agenter som löser komplexa flerstegsproblem levererade Vera Rubin 30 gånger bättre prestanda än GB300 i testning.

16 sep. blogs.nvidia.com

BloggNVIDIA

Emerald AI, Google and NVIDIA Launch Alliance to Advance Flexible AI Data Centers

Emerald AI, Google och NVIDIA har startat AI Energy Management Alliance (AEMA), en allianssom hjälper AI-datacenter att smidigt justera sin elförbrukning efter elnätets behov. I stället för att alltid dra samma mängd ström kan dessa datacenter flytta beräkningsuppgifter, använda lagring eller anpassa sig när elnätet är överbelastat. Detta gör det möjligt att få mer data-kraft från befintlig infrastruktur, minska miljöpåverkan och ge kraftbolag större tilltro att koppla in AI-anläggningar snabbare. Alliansen fokuserar på prestanda snarare än specifik teknik, och sätter klara regler för hur datacenter ska bete sig vid elnätsstörningar och nödsituationer.

16 sep. blogs.nvidia.com

BloggNVIDIA

University of Manchester Uses NVIDIA Earth-2 to Forecast Air Pollution Across the UK

Forskare vid University of Manchester använder NVIDIA Earth-2, en AI-modell ursprungligen utvecklad för väderprognos, för att prognostisera luftföroreningar över Storbritannien. Air pollution orsakar cirka 30 000 dödsfall årligen i UK, men traditionella kemiska modeller är för långsamma och dyra för detaljerade prognoser. Teamet tränade modellen Earth-2 CorrDiff på Isambard-AI, UK:s nationella AI-superdator, på bara två dagar med ett års luftföroreningsdata. Modellen kan nu köras på en mindre skrivbordsdator (DGX Spark) och användas för att göra framtidsscenarier, varna sjukvård om höga föroreningsnivåer, eller reagera på händelser som skogsbränder.

16 sep. blogs.nvidia.com

BloggNVIDIA

‘Now We Can Know Everything and Do Anything,’ Jensen Huang Says at Dreamforce

På Salesforce Dreamforce presenterade NVIDIAs grundare Jensen Huang Koa, Salesforces första CRM-resoneringsmodell — en AI-modell tränad på NVIDIAs Nemotron 3 Super. Koa byggdes genom att förädla Nemotron på data från nästan trettio år av verklig CRM-användning och presterar 3x färre fel än ledande modeller på CRM-uppgifter som att uppdatera affärsmöjligheter eller dirigera ärenden. Huang betonade att säkerhet är överordnat men att utveckling och snabb innovation inte behöver gå på bekostnad av säkerhet — Salesforce använder ingen kunddata vid träning eller körning, och modellen körs helt inom Salesforces egen infrastruktur.

16 sep. blogs.nvidia.com

BloggNVIDIA

From Megawatts to Tokens: How NVIDIA Maximizes AI Factory Production

NVIDIA presenterar DSX, ett system för att optimera kraftförbrukningen i AI-fabriker (stora datorcenter). En test i Kalifornien visade att ett kraftledningsnät kunde skicka signaler till ett datacenter, som sedan automatiskt minskade strömförbrukningen från fyra till tre megawatt utan att viktig arbetsbelastning stördes. Lambda Labs, en molnleverantör, fann att samma kraftbudget kunde producera 24 procent mer arbete när det hanterades smart. Systemet låter datacenter reagera på nätets behov genom att pausa mindre viktig beräkning medan kritiska uppgifter fortsätter.

15 sep. blogs.nvidia.com

BloggNVIDIA

AI Infra Summit: NVIDIA Vera Rubin and DSX Platform Advancements Showcase Energy Efficiencies of Optimizing Tokens Per Watt for AI Factories

NVIDIA presenterade på AI Infra Summit sina senaste framsteg för energieffektivare AI-infrastruktur. Fokus ligger på att maximera antal AI-tokens (svar från AI-modeller) per megawatt ström i stället för bara processorkraft. Lambda förbättrade prestanda per watt med 23 procent med NVIDIAs DSX MaxLPS-mjukvara, och Emerald AI visade hur AI-fabriker kan anpassa sin strömförbrukning efter elnätets behov. NVIDIA DSX MaxLPS kan leverera upp till 1,4 gånger fler tokens per megawatt genom fabriksomfattande optimering, och kan ge upp till 40 procent mer GPU-kapacitet inom samma strömbudget för Vera Rubin-system.

15 sep. blogs.nvidia.com

BloggNVIDIA

Perplexity Portable Computer Is Now Available on Windows, Powered by NVIDIA RTX

Perplexity Portable Computer är nu tillgängligt för Windows-datorer med NVIDIA RTX-grafikkort. Det är en lokal AI-agent som kan planera och utföra flerstegiga uppgifter direkt på din dator utan att skicka känslig data till molnet. Agenten kan analysera filer, samla information från olika appar som Gmail, Slack och GitHub, och klarar arbete som att granska kodändringar, analysera ekonomiska poster eller hitta var en startup förlorar nya användare. För mer avancerade uppgifter kan den själv be om tillåtelse att använda molnbaserad AI. Installation är enkel — appen använder redan optimerade AI-modeller så du inte behöver själv ställa in komplicerad teknik.

14 sep. blogs.nvidia.com

BloggNVIDIA

Skild AI Taps NVIDIA Physical AI to Teach Robots New Tasks From a Single Video

Skild AI har lanserat S1, en robotmodell som kan lära sig nya uppgifter bara från en video utan att behöva omtränas. Istället för att programmera om robotar för varje ny uppgift kan en operatör bara spela in en video av vad som ska göras, och modellen förstår och utför det. S1 klarar komplexa uppgifter upp till 10 minuter — som pottering av växter, beredning av mat och monteringsarbete — och lyckas cirka 66 procent av tiden på varje steg, jämfört med 9 procent för liknande system. Skild AI har redan 60+ deploymentpartnerskap och nådde 100 miljoner dollar i årlig omsättning 10 månader efter första kommersiella insatsen.

10 sep. blogs.nvidia.com

BloggNVIDIA

Physical AI Takes the Wheel: How the World’s Robotaxi Leaders Are Building With NVIDIA Technologies

NVIDIA presenterar en plattform för robotaxiföretag som består av tre datorkomponenter: en för träning av AI-modeller, en för simulering och validering, och en för beräkningar inne i fordonet. Robotaximarknaden beräknas växa till 400 miljarder dollar år 2035 med över 6 miljoner fordon i drift, och alla stora robotaxiprogram som är kommersiella i dag använder NVIDIA:s teknik. Plattformen låter utvecklare träna modeller på sitt eget data, simulera miljontals körscenarier digitalt, och köra realtidsberäkningar säkert i fordonet — allt för att bygga och skala självkörande flottor.

10 sep. blogs.nvidia.com

BloggNVIDIA

d-Matrix Adopts NVIDIA NVLink Fusion for Rack-Scale XPU Deployment

Chipföretaget d-Matrix kommer att använda NVLink Fusion, en standard från NVIDIA, för att koppla sina Raptor XPU-processorer till NVIDIA:s AI-infrastruktur. Det gör det möjligt för d-Matrix att bygga stora AI-system utan att behöva lösa alla tekniska problem själva — de kan använda NVIDIA:s färdiga lösningar för nätverk, serverskåp, kylning och försörjningskedjor. Istället för att bygga helt egna servrar kan datacentra nu använda samma rack-design för GPU:er, CPU:er och XPU:er tillsammans.

10 sep. blogs.nvidia.com

BloggNVIDIA

NVIDIA Brings Real-Time AI to Broadcast, Sports and Global Streaming at IBC

NVIDIA presenterade på IBC-konferensen i Amsterdam (11-14 september) nya AI-verktyg för mediebranschen. Huvudsatsningen är en utökning av NVIDIA AI for Media, som innehåller bland annat Synthetic Video Detector (SVD) för att upptäcka deepfakes — verktyget når 99,3 procent noggrannhet för text-to-video och 97,7 procent för image-to-video. Företag som Dalet, TwelveLabs och Wowza integrerar SVD i sina plattformar för nyhetsverifiering och innehållskontroll. Dessutom presenterades 3D Body Pose för att spåra rörelse från en vanlig kamera, vilket kan användas inom sport och animationsproduktion, samt verktyg för att göra videorörelse smidigare, förbättra bildkvalitet och konvertera vanlig video till HDR-format.

9 sep. blogs.nvidia.com

BloggNVIDIA

Sparks Fly: NVIDIA Accelerates Local AI at IFA 2026

NVIDIA presenterar på IFA 2026 nya verktyg som gör det enklare att köra AI-agenter lokalt på din egen dator istället för i molnet. Nya RTX Spark-datorer från Lenovo och Acer kommer i oktober, och populära agent-appar som Hermes, OpenClaw och Perplexity får förenklad lokal installation. NVIDIA har också släppt snabbare bearbetning — upp till 1,9 gånger snabbare — och lanserat flera nya AI-modeller som kan köras lokalt, bland annat Metas Muse Glimmer och DeepSeeks v4 Flash. Ett nytt verktyg kallat NVIDIA PAIR distribuerar AI-bearbetningen smart över flera datorer i ditt nätverk.

3 sep. blogs.nvidia.com

BloggNVIDIA

NVIDIA to Acquire Hugging Face

NVIDIA köper Hugging Face för cirka 12,9 miljarder dollar. Hugging Face är en plattform där över 18 miljoner utvecklare, forskare och skapare delar mer än 3 miljoner AI-modeller, 500 000 datasets och 1 miljon applikationer — och över 200 000 företag använder den. NVIDIA lovar att Hugging Face förblir en öppen plattform där utvecklare kan välja vilka modeller, ramverk, molnleverantörer och hårdvara de vill använda, och att Nvidias egen hårdvara inte kommer att krävas. NVIDIA säger att öppna AI-modeller ger starkt-ups, universitet och små företag möjligheten att bygga på avancerade AI-förmågor utan att träna modeller från början.

3 sep. blogs.nvidia.com

BloggNVIDIA

NVIDIA and CrowdStrike Strengthen Agentic Cybersecurity Frontier

NVIDIA och CrowdStrike presenterade SafeMind, ett AI-baserat försvarssystem mot cyberattacker som använder sig själv för att bli bättre. Systemet bygger på NVIDIAs Nemotron-modeller tränade på CrowdStrikes 15 års säkerhetsdata, och skapar en loop där attackmönster och försvar utmanar och förbättrar varandra kontinuerligt. Enligt CrowdStrike steg AI-aktiverade attacker 89 procent förra året och hackers tar nu bara 27 sekunder på sig att ta sig in i nätverk — snabbare än människor kan reagera. SafeMind levereras inbyggt i CrowdStrikes Falcon-plattform och kan också användas modulärt, så organisationer kan välja vilka modeller och verktyg som passar deras miljö.

1 sep. blogs.nvidia.com

BloggNVIDIA

Delivering Vera: NVIDIA’s First CPU Built for Agents Is Shipping Now

NVIDIA har börjat leverera Vera, sitt första CPU-chip som är speciellt designat för agenter — AI-system som kan utföra uppgifter självständigt. Vera är byggt för att köra dessa intelligenta agenter effektivt, något som skiljer det från tidigare processorer. Leveransen markerar ett steg i NVIDIAs satsning på att hårdvara ska passa bättre med hur moderna AI-system faktiskt fungerar.

27 aug. blogs.nvidia.com

BloggNVIDIA

NVIDIA NVLink Fusion Expands With NVHBM Custom High-Bandwidth Memory

NVIDIA har utökat sin NVLink Fusion-plattform med NVHBM, en ny typ av höghastighetsminnesteknik. Istället för att placera minneskontrollern på själva AI-chippet (XPU) placerar NVHBM den i minnesstacken, vilket ger 30 procent högre minneshastighet, 15 procent lägre energiförbrukning och frigör 25 procent mer utrymme för beräkningar på chippet. Amazon kommer att vara först att använda tekniken med sina framtida Trainium4-chip.

26 aug. blogs.nvidia.com

BloggNVIDIA

Leading Publishers Bring Blockbuster PC Games and Technology to NVIDIA RTX Spark

NVIDIA presenterar RTX Spark, en ny plattform för Windows-datorer som lanseras i höst och kombinerar AI-agenter, innehållsskapande och högpresterande spel. Stora speljättars som EA, Ubisoft och Embark Studios bringer sina populära titlar — bland annat EA SPORTS F1 25, Apex Legends och Anno 117: Pax Romana — till plattformen. NVIDIA presenterar också uppdateringar till sina grafikteknologier, inklusive DLSS 4.5 Ray Reconstruction som använder AI för att förbättra bildkvaliteten, samt stöd för anti-cheat-teknik från EA för att möjliggöra rättvis spel.

25 aug. blogs.nvidia.com

BloggNVIDIA

How XPUs Meet a World-Class AI Factory

NVIDIA presenterar NVLink Fusion, en lösning som låter företag bygga egna AI-processorer (XPU) utan att behöva utveckla all infrastruktur från grunden. Istället för att designa nätverk, serverracks och kylutrustning helt själva kan företag koppla sina anpassade processorer till NVIDIAs befintliga system. NVLink Fusion levererar snabbare kommunikation mellan processorer — cirka 3 gånger lägre latens än standardnätverksalternativ — och stöder upp till 72 processorer i ett nätverk. Det möjliggör också att företag kan förbereda sina datacenter innan den slutgiltiga processoren är klar, vilket minskar risken och tiden till marknaden.

24 aug. blogs.nvidia.com

BloggNVIDIA

With Groq 3 LPX in Full Production, NVIDIA Extends Vera Rubin Inference for Agents

NVIDIA har lanserat Groq 3 LPX, ett system som är nu i full produktion och utformat för att köra agentbaserade AI-system (AI-system som kan ta egna beslut och använda verktyg). Systemet kan generera 3 400 output-tokens per sekund — ungefär fyra gånger snabbare än närmaste konkurrents lösning. NVIDIA kombinerar här tre komponenter: Vera Rubin-processorer för att läsa in och förstå stora mängder text, Spectrum-X-nätverk för snabb datakommunikation, och Groq 3 LPX för att generera svar. Företag som SpaceXAI, CoreWeave och Nebius börjar redan använda plattformen.

24 aug. blogs.nvidia.com

BloggNVIDIA

Up to 30x More Work Per Watt: NVIDIA Vera Rubin NVL72 Sets a New Efficiency Standard for AI Agents

NVIDIA presenterar sin nya Vera Rubin NVL72-processor, som klarar AI-agenter (autonoma AI-system) 30 gånger effektivare än tidigare modeller. Agenter använder mycket mer data än vanlig chat — de söker genom databaser, jämför alternativ och för resonemang steg för steg, vilket gör att mängden bearbetad data växer enormt. Vera Rubin minskar också kostnaden per miljon bearbetade ord med 35 gånger. Det är viktigt för företag som kör AI-fabriker, eftersom det gör det möjligt att köra fler agenter för samma ström och tjäna mer pengar på varje bearbetad fråga.

24 aug. blogs.nvidia.com

← Alla nyheter