NVIDIA از دستگاه جدیدی به نام DGX Spark رونمایی کرده است که هدف آن سادهسازی استقرار محلی عاملهای هوش مصنوعی برای توسعهدهندگان است. این سیستم شامل NemoClaw است و از خوشهبندی چند گرهای پشتیبانی میکند؛ هر دوی این ویژگیها برای کاهش زمان راهاندازی و آسانتر کردن اجرای عاملهای هوش مصنوعی بر روی زیرساختهای محلی طراحی شدهاند.
DGX Spark چه امکاناتی ارائه میدهد
DGX Spark حول دو ویژگی کلیدی ساخته شده است: NemoClaw و قابلیت خوشهبندی چند گره. NemoClaw کارهای سنگین هماهنگسازی جریانهای کاری عاملهای هوش مصنوعی را بهصورت محلی انجام میدهد، در حالی که خوشهبندی چند گرهای به توسعهدهندگان اجازه میدهد چند واحد DGX Spark را برای انجام کارهای بزرگتر یا پیچیدهتر به یکدیگر متصل کنند. NVIDIA اعلام کرده است که این ابزارها استقرار سریعتر عاملهای هوش مصنوعی محلی را امکانپذیر میکنند، هرچند شرکت هنوز مشخصات فنی دقیق یا قیمتی منتشر نکرده است.
خوشهبندی چند گرهای چگونه کار میکند
برای توسعهدهندگانی که نیاز دارند عاملهای هوش مصنوعی خود را فراتر از یک ماشین واحد مقیاسدهی کنند، قابلیت خوشهبندی DGX Spark این فرآیند را سادهتر میکند. به جای پیکربندی دستی شبکه و متعادلسازی بار بین دستگاههای جداگانه، Spark میتواند بهطور خودکار ارتباط بین گرهها را مدیریت کند. این کار اصطکاک ناشی از انتقال از یک تست تکعاملی به یک محیط تولید چندعاملی را کاهش میدهد، همه اینها بدون اتکا به سرویسهای ابری انجام میشود.
چرا استقرار محلی هوش مصنوعی اهمیت دارد
اجرای عاملهای هوش مصنوعی بهصورت محلی به توسعهدهندگان کنترل بیشتری بر حریم خصوصی دادهها، تأخیر و هزینه میدهد. هوش مصنوعی مبتنی بر ابر میتواند پرهزینه باشد و وابستگی به ارائهدهندگان خارجی ایجاد کند. DGX Spark به عنوان راهی برای نگه داشتن بارهای کاری در محل (در محل سازمان) و در عین حال بهرهمندی از شتابدهی سختافزاری و ارکستراسیون در سطح خوشه قرار گرفته است. تمرکز NVIDIA بر سادهسازی راهاندازی محلی نشان میدهد که شرکت شرط بسته است که تعداد بیشتری از توسعهدهندگان تمایل دارند عاملهای هوش مصنوعی را خارج از فضای ابری آزمایش و مستقر کنند.
توسعهدهندگان اکنون میتوانند از طریق کانالهای معمول سختافزاری NVIDIA به دنبال DGX Spark بگردند. شرکت تاریخ عرضه یا قیمت مشخصی را اعلام نکرده است، بنابراین مشخص نیست که این دستگاه چقدر سریع به بازار میرسد.




