انویدیا و مایکروسافت در حال توسعه رایانه های شخصی مبتنی بر هوش مصنوعی RTX هستند. همکاری کنونی ما، در یک دوره کلیدی شکل میگیرد. هوش مصنوعی مولد، در حال دگرگون کردن نرمافزارهای رایانهای است. این فناوری، تجربههایی تحولآفرین میسازد. نمونههای آن شامل انسانهای دیجیتال و دستیاران نوشتاری است. عوامل هوشمند و ابزارهای خلاقانه نیز از دیگر نتایج این دگرگونی هستند.
رایانههای NVIDIA RTX AI نیروی محرک این تحول هستند؛ با فناوریای که شروع آزمایش با هوش مصنوعی مولد را سادهتر میکند و عملکرد بیشتری را در Windows 11 آزاد میسازد.
انویدیا TensorRT را برای رایانههای RTX AI بازآفرینی کرده است. این فناوری، عملکرد پیشتاز TensorRT را با ساخت موتور در لحظه روی دستگاه ترکیب میکند. همچنین اندازه بستهبندی آن تا ۸ برابر کوچکتر است. این پیشرفتها، استقرار روان هوش مصنوعی را روی بیش از ۱۰۰ میلیون رایانه RTX AI ممکن میسازند.
TensorRT برای RTX که در Microsoft Build معرفی شد، به صورت بومی توسط Windows ML پشتیبانی میشود — یک لایه استنتاج جدید که هم سازگاری گسترده سختافزاری و هم عملکرد پیشرفته را در اختیار توسعهدهندگان برنامه قرار میدهد.
NVIDIA TensorRT برای RTX از طریق Windows ML در دسترس است تا هوش مصنوعی را در برنامهها شتاب دهد، میکروسرویسهای جدید NVIDIA NIM و AI Blueprints به توسعهدهندگان امکان میدهند گردشکارهای جدید بسازند، و افزونههای Project G-Assist علاقهمندان را قادر میسازد گردشکارهای دستیار ایجاد کنند.
NVIDIA RTX AI: ابزارها و امکانات تازه برای توسعهدهندگان و علاقهمندان هوش مصنوعی
توسعهدهندگان به قابلیتهای آماده هوش مصنوعی نیاز دارند. آنان میخواهند این قابلیتها را در برنامههای خود یکپارچه کنند. کیتهای توسعه نرمافزار انویدیا، گزینههای گستردهای به آنان ارائه میدهند. این کیتها شامل NVIDIA DLSS و بهبودهای چندرسانهای مانند NVIDIA RTX Video هستند. این ماه، نرمافزارهای برتر از شرکتهای Autodesk، Bilibili، Chaos، LM Studio و Topaz Labs بهروزرسانیهایی منتشر میکنند تا قابلیتها و شتابدهی RTX AI را فعال کنند.
علاقهمندان به هوش مصنوعی و توسعهدهندگان میتوانند بهراحتی با NVIDIA NIM — مدلهای هوش مصنوعی از پیش بستهبندیشده و بهینهسازیشده — کار خود را در برنامههای محبوبی مانند AnythingLLM، Microsoft VS Code و ComfyUI آغاز کنند. این هفته، مدل تولید تصویر FLUX.1-schnell به عنوان یک میکروسرویس NIM عرضه میکند. همچنین میکروسرویس محبوب FLUX.1-dev NIM بهروزرسانی دریافت کرده است. این بهروزرسانی، پشتیبانی از طیف وسیعتری از GPUهای RTX را فراهم میکند.
کسانی که به دنبال راهی ساده و بدون کدنویسی برای ورود به توسعهٔ هوش مصنوعی هستند میتوانند از Project G-Assist — دستیار هوش مصنوعی رایانههای RTX در اپلیکیشن انویدیا — استفاده کنند تا افزونههایی برای کنترل برنامهها و تجهیزات رایانه با استفاده از زبان طبیعی ایجاد کنند. افزونههای جدیدی از جامعه اکنون در دسترساند، از جمله جستوجوی وب Google Gemini، اسپاتیفای، توییچ، IFTTT و SignalRGB.
شتابدهی استنتاج هوش مصنوعی با TensorRT برای RTX
پشته نرمافزاری رایانههای مجهز به هوش مصنوعی امروزی، توسعهدهندگان را مجبور به مصالحه در عملکرد یا سرمایهگذاری در بهینهسازیهای سفارشی برای سختافزار خاص میکند.
Windows ML را برای حل این چالشها ساختند. Windows ML توسط ONNX Runtime پشتیبانی میشود و بهطور یکپارچه به یک لایه اجرای هوش مصنوعی بهینهشده که توسط هر سازنده سختافزار ارائه و نگهداری میشود، متصل میگردد.
برای GPUهای GeForce RTX، Windows ML بهطور خودکار از کتابخانه استنتاج TensorRT برای RTX استفاده میکند تا عملکرد بالا و استقرار سریع را فراهم کند. در مقایسه با DirectML، TensorRT بیش از ۵۰٪ عملکرد سریعتر را برای بارهای کاری هوش مصنوعی در رایانهها ارائه میدهد.
Windows ML همچنین مزایای بهبود کیفیت تجربه را برای توسعهدهندگان فراهم میکند. این سیستم میتواند بهطور خودکار سختافزار مناسب — GPU، CPU یا NPU — را برای اجرای هر قابلیت هوش مصنوعی انتخاب کند و ارائهدهندهٔ اجرای مربوط به آن سختافزار را دانلود نماید، بدون نیاز به بستهبندی آن فایلها درون برنامه. این کار امکان میدهد بهینهسازیهای عملکرد جدید TensorRT بلافاصله پس از آماده شدن در اختیار کاربران قرار گیرد.
بهینهسازی مدل AI در لحظه روی دستگاه
TensorRT، کتابخانهای که در ابتدا برای مراکز داده ساخته شده بود، برای رایانههای RTX AI بازطراحی شده است. بهجای تولید از پیش موتورهای TensorRT و بستهبندی آنها همراه برنامه، TensorRT برای RTX از ساخت موتور در لحظه روی دستگاه استفاده میکند تا نحوه اجرای مدل هوش مصنوعی را برای GPU مخصوص RTX کاربر تنها در چند ثانیه بهینهسازی کند. همچنین بستهبندی این کتابخانه سادهسازی شده و اندازه فایل آن به شکل قابل توجهی، تا ۸ برابر کاهش یافته است.
TensorRT برای RTX امروز از طریق نسخهٔ پیشنمایش Windows ML در اختیار توسعهدهندگان قرار دارد و در ماه ژوئن بهعنوان یک SDK مستقل در NVIDIA Developer عرضه خواهد شد.
توسعهدهندگان میتوانند اطلاعات بیشتری را در وبلاگ معرفی TensorRT برای RTX یا وبلاگ Windows ML مایکروسافت مطالعه کنند.
گسترش اکوسیستم هوش مصنوعی در رایانههای ویندوز 11
توسعهدهندگانی که به دنبال افزودن قابلیتهای هوش مصنوعی یا افزایش عملکرد برنامههای خود هستند، میتوانند از طیف گستردهای از SDKهای انویدیا استفاده کنند. این موارد شامل NVIDIA CUDA و TensorRT برای شتابدهی GPU؛ NVIDIA DLSS و Optix برای گرافیک سهبعدی؛ NVIDIA RTX Video و Maxine برای چندرسانهای؛ و NVIDIA Riva و ACE برای هوش مصنوعی مولد میشوند.
برنامههای برتر این ماه بهروزرسانیهایی را منتشر میکنند تا قابلیتهای منحصربهفردی را با استفاده از این SDKهای انویدیا فعال کنند، از جمله:
- LM Studio، که با انتشار یک بهروزرسانی، نسخه CUDA برنامه خود را ارتقا داد و عملکرد را بیش از ۳۰٪ افزایش داد.
- Topaz Labs، که یک مدل ویدئویی هوش مصنوعی مولد برای بهبود کیفیت ویدئو منتشر میکند که توسط CUDA شتابدهی شده است.
- Chaos Enscape و Autodesk VRED، که DLSS 4 را برای عملکرد سریعتر و کیفیت تصویر بهتر اضافه میکنند.
- Bilibili، که ویژگیهای NVIDIA Broadcast مانند پسزمینه مجازی را برای بهبود کیفیت پخش زنده یکپارچهسازی میکند.
انویدیا مشتاق است به همکاری با مایکروسافت و توسعهدهندگان برتر برنامههای هوش مصنوعی ادامه دهد تا به آنها کمک کند قابلیتهای هوش مصنوعی خود را از طریق Windows ML و یکپارچهسازی TensorRT بر روی دستگاههای مجهز به RTX شتاب دهند.
هوش مصنوعی محلی با میکروسرویسهای NIM و AI Blueprints بهسادگی در دسترس است
شروع توسعه هوش مصنوعی روی رایانهها میتواند دلهرهآور باشد. توسعهدهندگان و علاقهمندان هوش مصنوعی باید از بین بیش از ۱.۲ میلیون مدل هوش مصنوعی در Hugging Face انتخاب کنند، آن را به فرمتی تبدیل کنند که روی رایانه بهخوبی اجرا شود، تمام وابستگیهای لازم برای اجرا را پیدا و نصب کنند و مراحل دیگر.
NVIDIA NIM شروع کار را آسان میکند، با ارائه فهرستی گزینششده از مدلهای هوش مصنوعی، بستهبندیشده با تمام فایلهای مورد نیاز برای اجرای آنها و بهینهسازیشده برای دستیابی به عملکرد کامل روی GPUهای RTX. و از آنجا که این مدلها در کانتینر قرار دارند، همان میکروسرویس NIM میتواند بدون مشکل روی رایانهها یا در فضای ابری اجرا شود.
میکروسرویسهای NVIDIA NIM از طریق build.nvidia.com یا از طریق برنامههای برتر هوش مصنوعی مانند Anything LLM، ComfyUI و AI Toolkit برای Visual Studio Code قابل دانلود هستند.
عملکرد ۲ برابری میکروسرویسهای FLUX روی GPUهای Blackwell
در جریان COMPUTEX، انویدیا میکروسرویس FLUX.1-schnell NIM — یک مدل تولید تصویر از Black Forest Labs برای تولید سریع تصویر — را منتشر خواهد کرد و میکروسرویس FLUX.1-dev NIM را بهروزرسانی میکند تا سازگاری با طیف گستردهای از GPUهای GeForce RTX سری ۵۰ و ۴۰ اضافه شود.
این میکروسرویسهای NIM با TensorRT و مدلهای کوانتیزه شده عملکرد سریعتری را امکانپذیر میسازند. روی GPUهای NVIDIA Blackwell، آنها بیش از دو برابر سریعتر از اجرای بومی عمل میکنند، به لطف بهینهسازیهای FP4 و RTX.
توسعهدهندگان هوش مصنوعی همچنین میتوانند با NVIDIA AI Blueprints کار خود را سریعتر آغاز کنند — گردشکارها و پروژههای نمونهای که از میکروسرویسهای NIM استفاده میکنند.
انویدیا ماه گذشته NVIDIA AI Blueprint برای هوش مصنوعی مولد با راهنمایی سهبعدی منتشر کرد، روشی قدرتمند برای کنترل ترکیببندی و زاویههای دوربین تصاویر تولید شده با استفاده از یک صحنه سهبعدی بهعنوان مرجع. توسعهدهندگان میتوانند این بلوپرینت متنباز را برای نیازهای خود تغییر دهند یا با افزودن قابلیتهای اضافی گسترش دهند.
افزونهها و پروژههای نمونه جدید Project G-Assist اکنون در دسترس هستند
انویدیا اخیراً Project G-Assist را بهعنوان یک دستیار هوش مصنوعی آزمایشی و یکپارچه با اپلیکیشن انویدیا منتشر کرد. G-Assist به کاربران امکان میدهد سیستم GeForce RTX خود را با فرمانهای ساده صوتی و متنی کنترل کنند و رابط کاربری راحتتری نسبت به کنترلهای دستی پراکنده در پنلهای کنترل قدیمی ارائه میدهد.
توسعهدهندگان همچنین میتوانند از Project G-Assist برای ساخت آسان افزونهها، آزمایش موارد استفاده دستیار و انتشار آنها از طریق Discord و GitHub انویدیا استفاده کنند.
ابزار ساخت افزونه Project G-Assist
این ابزار یک اپلیکیشن مبتنی بر ChatGPT که امکان توسعه بدون کدنویسی یا با کدنویسی کم با استفاده از فرمانهای زبان طبیعی را فراهم میکند. همچنین شروع به ایجاد افزونهها را آسان میسازد. این افزونههای سبک و مبتنی بر جامعه از تعریفهای ساده JSON و منطق Python استفاده میکنند.
نمونههای جدید افزونه متنباز اکنون در GitHub در دسترس هستند و روشهای متنوعی را نشان میدهند که هوش مصنوعی روی دستگاه میتواند گردشکارهای رایانه و بازی را بهبود بخشد. این موارد شامل:
- Gemini: افزونه موجود Gemini که از مدل بزرگ زبان رایگان مبتنی بر ابر گوگل استفاده میکند، بهروزرسانی شده تا قابلیت جستجوی وب در زمان واقعی را نیز شامل شود.
- IFTTT: افزونهای که به کاربران امکان میدهد خودکارسازیها را در صدها نقطه انتهایی سازگار ایجاد کنند تا روالهای IoT اجرا شوند — مانند تنظیم نور اتاق یا پردههای هوشمند، یا ارسال آخرین اخبار بازی به دستگاه موبایل.
- Discord: افزونهای که به کاربران اجازه میدهد بهراحتی نکات برجسته بازی یا پیامها را مستقیماً به سرورهای Discord به اشتراک بگذارند بدون اینکه بازی مختل شود.
برای نمونههای بیشتر — از جمله کنترل موسیقی بدون دست از طریق Spotify، بررسی وضعیت پخش زنده با Twitch و موارد دیگر — میتوانید مخزن GitHub را بررسی کنید.
کنترل یکپارچه نورپردازی و ادغام در Langflow
شرکتها در حال پذیرش هوش مصنوعی بهعنوان رابط جدید رایانههای شخصی هستند. برای مثال، SignalRGB در حال توسعه یک افزونه G-Assist است که امکان کنترل یکپارچه نورپردازی در بین چندین سازنده را فراهم میکند. کاربران بهزودی قادر خواهند بود این افزونه را مستقیماً از اپلیکیشن SignalRGB نصب کنند.
با معرفی این محصول، جامعه هوش مصنوعی همچنین قادر خواهد بود از G-Assist بهعنوان یک مؤلفه سفارشی در Langflow استفاده کند — که به کاربران امکان میدهد قابلیتهای فراخوانی تابع را در گردشکارهای کمکد یا بدون کدنویسی، برنامههای هوش مصنوعی و جریانهای عاملیتدار ادغام کنند.
علاقهمندان به توسعه و آزمایش افزونههای Project G-Assist دعوت شدهاند تا به کانال Discord توسعهدهندگان انویدیا بپیوندند تا همکاری کنند، آثار خود را به اشتراک بگذارند و پشتیبانی دریافت کنند.
هر هفته، سری وبلاگ RTX AI Garage نوآوریها و محتوای هوش مصنوعی مبتنی بر جامعه را برای کسانی که میخواهند بیشتر درباره میکروسرویسهای NIM و AI Blueprints، ساخت عوامل هوش مصنوعی، گردشکارهای خلاقانه، انسانهای دیجیتال، برنامههای بهرهوری و موارد دیگر روی رایانهها و ایستگاههای کاری مجهز به هوش مصنوعی یاد بگیرند، ارائه میدهد.
مقایسه NVIDIA DGX™ Spark و RTX AI PCs: تفاوتها، شباهتها و کاربردها
پیشتر در مقاله مجزایی ابررایانه NVIDIA DGX™ Spark به صورت کامل معرفی شد، لذا در این بخش به بیان کاربردها و تفاوت های این دو نوع محصول می پردازیم. هر دو محصول برای شتابدهی هوش مصنوعی طراحی شدهاند، اما در مقیاس، هدف و نحوه استفاده تفاوتهای قابل توجهی دارند.
انویدیا DGX™ Spark یک پلتفرم سازمانی و مقیاسپذیر ارائه میدهد. این پلتفرم، مخصوص مراکز داده و تیمهای تحقیقاتی طراحی شده است. سیستم آن، از پردازندههای گرافیکی بسیار قدرتمند بهره میبرد. این سیستم، معماری پیشرفته DGX را نیز در خود جای داده است. این ترکیب، پردازش حجم عظیمی از دادهها را ممکن میسازد. همچنین، اجرای مدلهای پیچیده یادگیری عمیق را نیز امکانپذیر میکند. DGX Spark بهینهسازیهایی از جمله TensorRT و NGC containers دارد تا مدلها سریع و کارآمد روی سختافزار اجرا شوند. این محصول عمدتاً برای توسعه هوش مصنوعی صنعتی، تحقیقات علمی و پروژههای سازمانی با نیاز پردازشی بالا استفاده میشود.
رایانههای شخصی مجهز به هوش مصنوعی انویدیا، یک راهکار شخصی ارائه میدهند. این راهکار، برای میزکار یا ایستگاه کاری شخصی طراحی شده است. تمرکز اصلی آن، فراهم کردن محیطی سریع و در دسترس است. توسعهدهندگان و علاقهمندان به هوش مصنوعی، کاربران اصلی این سیستمها هستند.
این رایانهها از پردازندههای گرافیکی انویدیا بهره میبرند. آنها از ابزارهایی مانند TensorRT و NVIDIA NIM نیز استفاده میکنند. این ابزارها، به مدلهای هوش مصنوعی سرعت میبخشند. آنها همچنین اجرای میکروسرویسها را ممکن میسازند.
یک ویژگی کلیدی این رایانهها، اجرای سریع مدلهای هوش مصنوعی مولد است. آنها توسعه گردشکارهای خلاقانه را تسهیل میکنند. این سیستمها، اجرای برنامههای مبتنی بر هوش مصنوعی را روی یک دستگاه شخصی ممکن میسازند.
تفاوتهای کلیدی:
- مقیاس و هدف: DGX Spark برای سازمانها و مراکز داده با حجم پردازشی بالا است، در حالی که RTX AI PCs برای توسعه و تجربه هوش مصنوعی روی دسکتاپ طراحی شدهاند.
- سختافزار: DGX Spark شامل GPUهای متعدد و معماری DGX است، RTX AI PCs بر GPUهای RTX و امکانات مصرفکننده تمرکز دارد.
- کاربرد: DGX Spark مناسب آموزش مدلهای بزرگ و پردازش داده عظیم است، RTX AI PCs مناسب شتابدهی مدلهای محلی، توسعه، تست و اجرای هوش مصنوعی مولد در دسکتاپ میباشد.
جمعبندی نهایی:
| NVIDIA DGX Spark | RTX AI PCs | |
|---|---|---|
| نوع سختافزار | یک ابررایانه (مجموعهای از سرورهای غولپیکر) | یک دسته/رده از لپتاپها و کامپیوترهای رومیزی شخصی |
| وضعیت | یک محصول خاص و مجزا | یک مفهوم و استاندارد |
| تولیدکننده | شرکت انویدیا | شرکتهای مختلف سازنده کامپیوتر (ایسوس، دل، اچپی، لنوو و…) |
