Nvidia公司近日表示,将扩大与鸿海科技集团(即富士康)的持续合作,以加速AI驱动的电动汽车和机器人平台的开发。
在此次合作中,富士康计划开发一种被称为“AI工厂”的新型数据中心,为这种数据中心以及其他新型创新(例如制造数字化和生成式AI服务)提供动力。
两家公司扩大合作伙伴关系是在近日举行的Hon Hai Tech Day活动上,Nvidia公司联合创始人、首席执行官黄仁勋与富士康董事长、首席执行官刘勇进行的炉边谈话中宣布的。
这一新举措的主要重点是AI数据工厂的建设。富士康宣布计划建造大量基于Nvidia CPU、GPU及其网络技术的计算系统,同时配备Nvidia的硬件和Nvidia AI Enterprise软件,这些系统将出售给那些希望建立自己AI数据工厂的客户。
富士康表示,正在构建的AI工厂系统是基于Nvidia HGX参考设计的,每个平台将配置8个Nvidia H100 GPU,以及Nvidia GH200超级芯片和网络。这些系统将让富士康的客户能够在他们自己的数据中心内部署Nvidia加速计算,为内部生成式AI工作负载以及其他任务提供支持,例如自主机器人和自动驾驶汽车的训练。
除了为客户的AI工厂构造组件之外,富士康表示还将开发他们自己的工厂。富士康表示,富士康AI工厂将利用Nvidia Omniverse平台以及Isaac和Metropolis框架来满足电子行业严格的生产和质量标准。
富士康表示,目标是打造一座AI工厂,使其能够制造下一代自主移动机器人和工业机器人,这些机器人可以每天行驶数英里,在工厂组装零部件,执行质量控制检查等。因此,富士康的AI工厂将专注于这些系统的训练和推理以及运行虚拟世界模拟。
黄仁勋在炉边谈话中表示:“一种新型的制造业已经出现,也就是智能的生产,而创造这种智能的数据中心就是AI工厂。富士康是全球最大的制造商,拥有在全球范围内建设AI工厂的专业知识和规模。我们很高兴扩大与富士康长达十年的合作伙伴关系,以加速AI工业革命。”
Pund-IT分析师Charles King表示,此次合作对两家公司来说都是有利的,Nvidia可以获得更多机会将Nvidia GPU加速战略扩展到新的工业市场,而富士康可以把范围扩大到不止是苹果公司的首选制造商。
King表示:“他们的AI工厂,听起来似乎是他们设想了一种专门的设施,让企业可以把机器学习和其他AI训练功能等繁重的工作外包出去,我们已经看到IBM和戴尔等厂商提供了这种形式,提供对经过验证的数据集的访问,这些数据集旨在加快客户AI项目的价值实现时间。而专门建造一种工厂,把这种方法更进了一步。”
除了专注于AI工厂之外,富士康还选择了Nvidia的Drive Hyperion 9平台,该平台由最新的Drive Thor汽车片上系统提供支持,作为其自动驾驶汽车电子控制单元的基础。
富士康已经是基于Nvidia旧款汽车芯片的Nvidia Drive Orin的ECU一级制造商,因此升级到Nvidia Drive Thor对富士康ECU平台来说是一次自然而然的演进。Nvidia表示,与旧平台相比,Drive Thor芯片提供了多项新功能,包括适用于3级城市和4级高速公路驾驶场景的集成传感器架构,以及对高分辨率摄像头、雷达、激光雷达和超声波传感器的支持。Nvidia Drive Thor凭借能够处理更多数据的能力,有望大幅提高自动驾驶汽车的导航性能。
Constellation Research分析师Holger Mueller表示,就在几年前,人们还对Nvidia的未来感到好奇,因为大多数云厂商最初都使用专有的方法来运行AI,然而此后Nvidia扭转了局面,他们的GPU被添加到每个主流的云平台中。
Mueller表示:“正是鉴于这一点,Nvidia现在已经准备好与主要OEM厂商展开合作了,推出更多的平台。富士康将以Nvidia为标准,将其硬件批量交付给客户。这就是计划,如果成功,Nvidia将扩大其足迹、市场相关性,并可能实现大幅的增长。”
富士康还承诺把Nvidia Isaac自主移动机器人平台用于他们最新的机器人系统,以及Nvidia Metropolis智能视频分析平台用于其最新的智慧城市解决方案。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。