设计和生产力应用中的AI集成正在成为新的标准,推动了对先进计算性能的需求。这意味着无论他们项目的规模、复杂程度或范围如何,专业人士和创作者都需要运用更强大的算力。
为了满足这一日益增长的需求,NVIDIA推出两款基于NVIDIA Ampere架构的全新台式机GPU——NVIDIA RTX A400和NVIDIA RTX A1000,丰富了RTX专业显卡产品阵容。
这两款产品让更多人能够用上AI和光线追踪技术,为专业人士提供了改变日常工作流所需的工具。
一个追求创意、性能和效率的新时代
RTX A400 GPU为RTX 400系列GPU带来了加速光线追踪和AI。它借助24颗用于AI处理任务的Tensor Core,超越了传统的CPU解决方案,使专业人士能够直接在桌面上运行智能聊天机器人和copilot等前沿AI应用。
借助该GPU的实时光线追踪功能,创作者可以创造出生动且物理精确的3D渲染效果,突破创意和逼真度的边界。
A400还具有四路显示输出,首次在该系列中出现,使其适用于对金融服务、指挥控制、零售、交通运输等行业至关重要的高密度显示环境。
NVIDIA RTX A1000 GPU是首款带有Tensor Core 和RT Core的RTX 1000系列GPU,它为创作者和专业人士带来了加速AI和光线追踪性能。
凭借72颗Tensor Core,A1000的性能较上一代产品大幅提升,能够将Stable Diffusion 等工具的生成式AI处理速度提高3倍以上。而18颗RT Core可将图形和渲染任务的速度提升多达3倍,加速如2D和3D计算机辅助设计(CAD)、产品和建筑设计以及4K视频剪辑等专业工作流。
A1000在视频处理方面的表现也十分出色。与上一代产品相比,其编码流处理能力提高了38%,解码性能提高了2倍。
A400和A1000 GPU采用简洁的单插槽设计,功耗仅为50W,能够为紧凑型节能工作站带来强大的功能。
扩大RTX的影响力
这两款全新GPU为用户带来先进的AI、图形和计算能力,大幅提升其生产力的同时释放创造力。带有光线追踪渲染和AI功能的高级工作流现在变得触手可及,让专业人员能够突破界限,实现惊人的逼真度。
工业规划人员可以利用这些强大、高能效的新型计算解决方案实现边缘部署。创作者可以提高编辑和渲染速度,制作出更加丰富的视觉内容。建筑师和工程师可以将3D CAD概念图中的创意无缝转换成实际设计。在智能空间工作的团队可以借助这两款GPU在有限的空间中实现实时数据处理、利用AI提高安全和落实数字标牌管理。医疗专业人员可以更加快速、精准地分析医学影像。
金融专业人士需要依靠宽大、高分辨率的视觉工作空间以提高交易、分析和数据管理的效率。RTX A400 GPU原生支持多达四台4K显示器,金融服务领域的用户现在可以借此使用更少的GPU实现更高的显示密度,简化办公桌面设置并降低成本。
新一代功能和加速性能
NVIDIA RTX A400和A1000 GPU具有能够为日常工作流提供超强助力的功能,包括:
供货情况
NVIDIA RTX A1000 GPU现已通过PNY、Ryoyo Electric等全球分销合作伙伴提供。RTX A400 GPU有望于5月开始通过渠道合作伙伴提供,预计将于今年夏季通过制造商提供。请与这些 NVIDIA 合作伙伴联系,了解具体的供应地区、配置详情和供应情况。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。