随着工业巨头越来越多地开始使用云,NVIDIA 与 Rescale 合作,将全栈 NVIDIA AI 软件提供给所有大型云服务商。

与许多企业一样,工业科学计算领域也存在数据问题。
无论是新能源开发、新交通运输模式创建等看似棘手的挑战,还是提高运营效率、改善客户支持等关键型问题,都需要通过大规模高性能计算予以解决。
借助 Rescale 云平台,伊莱克斯(Electrolux)、电装(Denso)、三星、Virgin Orbit 等公司不必设计、制造和构建更多的超级计算机,这使他们能够以节能的方式扩展加速计算,并加速创新。
为了满足工业科学界对云端 AI 日益增长的需求,NVIDIA 创始人兼首席执行官黄仁勋与 Rescale 创始人兼首席执行官 Joris Poort 一同出席 Rescale Big Compute 线上会议,宣布 Rescale 将采用 NVIDIA AI 软件组合。
NVIDIA AI 将为 Rescale 的高性能计算即服务产品带来新的功能,这些产品包括分布在各行各业的数百家客户所使用的仿真和工程软件。NVIDIA 也正为今天所发布的 Rescale 计算推荐引擎提供加速,该引擎使客户能够确定正确的基础设施方案,以优化成本和速度目标。
黄仁勋表示:“物理学机器学习 AI 模型融合了原则性、数据驱动的方法,使设计空间的探索速度和规模提升了好几个数量级。Rescale 正处于这些主要趋势的交汇点。NVIDIA 的加速和 AI 计算平台与 Rescale 形成了完美互补,推动了工业科学计算的发展。”
Joris Poort 表示: “追求突破创新的工程师和科学家需要集成云平台,让研发软件和加速计算变得触手可及。借助 NVIDIA 加速的高性能计算,我们帮助客户加快研究速度并节约成本。将 NVIDIA AI Enterprise 应用于 Rescale 平台中,能够融合最先进的算力与最强大的 AI,并支持更多类型的 AI 工作流,最终研发领导者可以在所选择的任何云上运行它们。”
NVIDIA AI 进一步扩展云端高性能计算
两家公司宣布,他们正在把 NVIDIA AI Enterprise 引入 Rescale,扩大该云平台的产品范围,以包含 NVIDIA 支持的 AI 工作流和处理引擎。一旦推出,在 NVIDIA 的支持下,客户将能够在任何领先的云中开发 AI 应用。
作为广受全球采用的 NVIDIA AI 平台软件,NVIDIA AI Enterprise 包含 AI 工作流每个步骤的基本处理引擎,从数据处理和 AI 模型训练到仿真和大规模部署。
NVIDIA AI 使企业机构能够开发预测模型,通过计算机视觉、路线和供应链优化、机器人仿真等应用来补充和扩展工业高性能计算的研发。
通过 Rescale 软件目录,可以访问 NVIDIA NGC 上的数百个 NVIDIA 加速的容器化应用和预训练 AI 模型,客户能够按需运行仿真以及扩大或缩小规模。
NVIDIA Modulus 加速基于物理学的机器学习
Rescale 现在提供用于开发物理学机器学习神经网络模型的 NVIDIA Modulus 框架,为广泛的工程用例提供支持。
Modulus 融合了物理学与数据的力量,构建能够实现近实时仿真的高保真模型。只需在 Rescale 平台上点击几下,客户就能通过 Modulus 运行整个 AI 驱动的仿真工作流,从数据预处理和模型训练到推理和模型部署。
从本地到云的工作流编排扩大灵活性
Rescale 还整合了 NVIDIA Base Command Platform AI 开发者工作流管理软件,该软件可以将各个云上的工作负载编排到本地 NVIDIA DGX 系统。
NVIDIA 在各个领先的云服务商平台上加速 Rescale 的高性能计算即服务平台,包括 Amazon Web Services、Google Cloud、Microsoft Azure 和 Oracle Cloud Infrastructure。Rescale 是 NVIDIA 初创加速计划成员之一。
如您要了解更多信息,欢迎观看 Big Compute 主题演讲回放中黄仁勋和 Joris Poort 就本新闻所展开的讨论对话。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。