به گزارش مدیاتی:انویدیا بار دیگر با معرفی دو ابرتراشه‌ی پیشرفته، Blackwell Ultra GB300 و Vera Rubin، صنعت فناوری را شگفت‌زده کرده است. این تراشه‌های نوآورانه که با هدف تقویت قدرت پردازشی در حوزه‌های هوش مصنوعی، محاسبات پیشرفته و تحلیل داده‌های عظیم طراحی شده‌اند، تحولی چشمگیر در عملکرد سیستم‌های پردازشی ایجاد خواهند کرد. در ادامه به بررسی ویژگی‌ها و کاربردهای این ابرتراشه‌های قدرتمند می‌پردازیم.
ابرتراشه‌های جدید Blackwell Ultra GB300 و Vera Rubin انویدیا وارد بازار شدند
انویدیا در کنفرانس اخیر خود از دو ابرتراشه‌ی پیشرفته‌ی جدید، Blackwell Ultra GB300 و Vera Rubin، رونمایی کرد. این تراشه‌ها با هدف تقویت قدرت پردازشی در حوزه‌های هوش مصنوعی، محاسبات پیشرفته و تحلیل داده‌های عظیم طراحی شده‌اند و انتظار می‌رود تحولی بزرگ در صنعت فناوری ایجاد کنند.
Blackwell Ultra GB300 قرار است در نیمه‌ی دوم سال ۲۰۲۵ عرضه شود، در حالی که Vera Rubin برای نیمه‌ی دوم سال ۲۰۲۶ برنامه‌ریزی شده است. همچنین، نسخه‌ی قدرتمندتر Rubin Ultra نیز در نیمه‌ی دوم سال ۲۰۲۷ به بازار خواهد آمد.
انویدیا با این نوآوری‌ها، قصد دارد جایگاه خود به‌عنوان پیشتاز صنعت هوش مصنوعی را تثبیت کند. این شرکت در حال حاضر با سودآوری چشمگیر در حوزه‌ی دیتاسنترها و سخت‌افزارهای شبکه، به‌طور مداوم در حال گسترش فناوری‌های خود است.
ویژگی‌های Blackwell Ultra GB300:
توان پردازشی ۲۰ پتافلاپس برای محاسبات هوش مصنوعی
۲۸۸ گیگابایت حافظه‌ی HBM3e (افزایش نسبت به نسخه‌ی قبلی)
بهبود عملکرد در استنتاج و استدلال هوش مصنوعی
قابلیت اجرای مدل‌های پیچیده‌ی هوش مصنوعی در زمان‌های کوتاه‌تر
ویژگی‌های Vera Rubin:
توان پردازشی ۵۰ پتافلاپس برای محاسبات هوش مصنوعی
افزایش چشمگیر حافظه و پهنای باند
عملکرد ۳٫۳ برابر بهتر نسبت به Blackwell Ultra در مقیاس رک کامل
نسخه‌ی Rubin Ultra نیز با ترکیب دو پردازنده‌ی گرافیکی Rubin، توان پردازشی ۱۰۰ پتافلاپس و حافظه‌ی یک ترابایتی ارائه می‌دهد که تقریباً چهار برابر بیشتر از نسل قبلی است.
کاربردهای اصلی:
بهینه‌سازی مدل‌های هوش مصنوعی پیشرفته
پردازش داده‌های عظیم در زمان‌های کوتاه‌تر
استفاده در دیتاسنترها و سیستم‌های ابری
انویدیا با معرفی این ابرتراشه‌ها، گام بزرگی در راستای پیشرفت فناوری‌های هوش مصنوعی و محاسبات پیشرفته برداشته است. این تراشه‌ها نه‌تنها عملکرد سیستم‌های فعلی را بهبود می‌بخشند، بلکه راه را برای توسعه‌ی مدل‌های پیچیده‌تر و کاربردهای نوین هوش مصنوعی هموار می‌کنند.
