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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。