Nvidia fjerner flaskehalse i datacentre med nye special-CPU'er
Ny Vera Rubin-arkitektur kombinerer GPU'er med specialiserede CPU'er for at håndtere data i gigawatt-skala.
Læs i dit tempo
Kort
Nvidia udvikler ny hardware til AI-beregninger i ekstremt stor skala.
Det er nødvendigt for at modstå stigende konkurrence fra giganter som Google og Amazon.
Nu udruller de komponenter, der styrer data bedre, så systemerne ikke bremses af tekniske flaskehalse.
Begynder
Nvidia vil bevare sin førerposition på markedet for kunstig intelligens. Derfor udvikler de hardware, der kan håndtere enorme mængder strøm i gigawatt-skala, hvilket svarer til strømforbruget i en stor by. De ruller Vera Rubin-arkitekturen ud, som er en overordnet plan for, hvordan forskellige dele arbejder sammen. Her parres Rubin-GPU'en, en Graphics Processing Unit, som står for de tunge beregninger, med Vera-CPU'en, en Central Processing Unit, der fungerer som systemets koordinator. Derudover er der Groq 3 LPX-inferensacceleratorer, som hjælper teknologien med at give svar hurtigere, samt store reoler til lagring og netværk.
Satsningen sker, fordi store it-virksomheder som Amazon og Google nu bygger deres egne chips. Disse firmaer kaldes hyperscalere, fordi de driver enorme dele af internettets infrastruktur. Nvidias markedsværdi steg med det tiodobbelte fra starten af 2023 til midten af 2025. Siden da har aktiekursen dog haft en mere moderat udvikling, da der er bekymring for konkurrencen på markedet for GPU'er.
Når datacentre bliver helt enorme, opstår der udfordringer med at styre datastrømmen. Dette kaldes orkestrering og kan sammenlignes med at styre trafikken i en kæmpe by. Det er svært at køre anlæggene mest effektivt, når de bliver større og vokser hurtigere. Nvidia bygger derfor hardware, der kan håndtere kompleksiteten i alt det, der sker omkring selve GPU'en.
Her spiller Vera-CPU'en en central rolle i at løse problemer med datastyring. Der findes nemlig en fysisk grænse for, hvor meget hukommelse der kan være i én enkelt server. CPU'en sørger for, at alt uden for GPU'en kører så effektivt som muligt. Det forhindrer såkaldte flaskehalse, som er som smalle passager, der bremser hele flowet, så hardwaren ikke bliver begrænset.
Vil du have, at jeg forklarer nærmere, hvordan en GPU og en CPU adskiller sig fra hinanden i praksis?
Nvidia udvikler nu hardware til AI-beregninger i gigawatt-skala for at bevare sin position i markedet. Virksomheden ruller Vera Rubin-arkitekturen ud, som parrer Rubin-GPU'en med en række andre komponenter. Systemet inkluderer Vera-CPU'en, Groq 3 LPX-inferensacceleratorer samt racks til lagring og netværk.
Satsningen kommer efter en periode med øget konkurrence fra hyperscalere som Amazon og Google, der bygger deres egne chips. Nvidias markedsværdi voksede 10 gange fra starten af 2023 til midten af 2025. Siden da har aktiekursen haft en mere moderat udvikling på grund af bekymringer om konkurrencen på GPU-markedet.
Orkestrering af data er blevet en kritisk udfordring i megaskala-datacentre. Det er svært at drive disse anlæg med maksimal effektivitet, når udrulningerne bliver større og hurtigere. Nvidia bygger derfor hardware til at håndtere den kompleksitet, der findes i systemerne omkring selve GPU'en.
Vera-CPU'en er udviklet specifikt til at løse problemer med styring af data. Der er en fysisk grænse for, hvor meget hukommelse der kan være i en enkelt server eller compute-platform. CPU'en sikrer, at alt uden for GPU'en kører så effektivt som muligt, så hardwaren ikke begrænses af eksterne flaskehalse.
Kilder
- Nvidia’s AI advantage is moving beyond the GPU techcrunch.com
Produktionshistorie
- Radar Signal ? af 100 · spredning 1 kilder
- Skrevet Model: mimo-v2.5-free · temperatur 0.4
- Overskrift 5 kandidater, valgt af chat.dk
- Korrektur 1 zen · 2 rettelser
- Billede Genereret af gemini-3.6-flash-medium
- Vedtagelse ainews-auto-v3 · score 0.3666