אנבידיה רוצה לעשות מהפכה בתחום הדאטה סנטרים: כל ההכרזות החשובות מ-GTC

Blackwell Ultra Image באדיבות NVIDIA

ענקית הטכנולוגיה NVIDIA ערכה אמש את כנס ה-GTC השנתי שלה בסן חוזה, ובו הכריזה על שורה של מוצרים חדשים וסימנה בניאון ירוק זרחני את הכיוון שאליו התעשייה הולכת – הבינה המלאכותית הופכת לחלק בלתי נפרד מהעבודה היומיומית שלנו, ואנבידיה רוצה להיות זו שמשנה את הדרך שבה ארגונים עובדים ומתייעלים. אז מה בדיוק היה על הבמה אתמול, אילו הכרזות נוגעות ישירות בעולמם של אנשי ה-IT ולמה כדאי לשמור תקציב כבר מעכשיו? בוא נתחיל.

Blackwell Ultra: עידן חדש של AI

ההכרזה המרכזית בכנס הייתה Blackwell Ultra, פלטפורמה ששואפת לשנות את הדרך שבה אנו מריצים מודלים של AI. אנבידיה טוענת שלא מדובר בעוד עדכון חומרה, אלא בקפיצת מדרגה אמיתית. אז על מה בדיוק מדובר? אם עד היום התמודדתם עם צווארי בקבוק בביצועי AI, הפלטפורמה החדשה מביאה שיפור של פי 1.5 במהירות FP4 Inference בהשוואה לדור הקודם. אבל זה רק קצה הקרחון – המערכת המלאה, NVL72, משלבת 72 יחידות של Blackwell Ultra GPU לצד 32 יחידות Grace CPU, ומסוגלת להגיע ל־1.1 ExaFLOPS של עוצמת עיבוד. אנבידיה מציעה גם גרסה בקנה מידה עצום – SuperPOD Blackwell Ultra, שמאחד 576 יחידות GPU ו־288 יחידות Grace CPU לאשכול מחשוב אחד שיכול להתמודד עם משימות AI מהכבדות ביותר.

אז Blackwell Ultra היא מהירה יותר, אבל גם מותאמת לעידן ה־AI Reasoning וה־Agentic AI, והמשמעות היא שתוכל להריץ מודלים מורכבים בלי להרגיש את העומס. למי שעובדים עם AI בענן, הפלטפורמה משתלבת באופן מושלם עם NVIDIA DGX Cloud, כך שתוכלו לעבור בין סביבת עבודה מקומית לענן בצורה חלקה, בלי לשלם את המחיר של ביצועים נמוכים יותר.

מחשבי-על אישיים

כדי להריץ מודלי AI מתקדמים, חברות נדרשות היום להחזיק חוות שרתים, וגם כאן NVIDIA מנסה ללכת ALL IN ולשנות את סביבת העבודה עם שני מחשבי-על אישיים:

DGX Spark – מחשב-על שולחני קומפקטי. עם סופר-צ'יפ NVIDIA GB10 Grace Blackwell, הוא מאפשר להריץ מודלים בגודל של 400 מיליארד פרמטרים ישירות מהשולחן שלך. מדובר בפתרון אמיתי למפתחים ולחוקרים שצריכים כוח חישוב חזק, אבל בלי להיות תלויים בענן.

DGX Station – נועד עבור מי שרוצים לא רק רוצים להריץ מודלים, אלא גם לאמן אותם. הוא מבוסס על Blackwell Ultra ו-Grace, מגיע עם 784GB זיכרון RAM וכולל 300GB זיכרון גרפי, מה שמספק ביצועים של 20PFLOPS. במילים פשוטות – מדובר במחשב שמסוגל להתמודד עם מודלי שפה גדולים (LLMs) ועם משימות AI מורכבות בלי לקרוס. בנוסף, המחשב כולל את שבב ConnectX-8 SuperNIC שפותח בישראל, מה שמאפשר לחבר כמה יחידות יחד ולבנות לעצמך אשכול AI פרטי.

NVIDIA DGX Spark and NVIDIA DGX Station באדיבות NVIDIA

סוף לצווארי בקבוק של מרכזי הנתונים

בואו נדבר על תשתיות. כי גם החומרה הכי מתקדמת בעולם לא שווה הרבה אם היא לא יכולה להעביר את הנתונים מספיק מהר. NVIDIA הכריזה בכנס על שבבי תקשורת חדשים מסוג Silicon Photonics, שפותחו במרכז הפיתוח שלה בישראל, והם הולכים לשנות לגמרי את הדרך שבה דאטה-סנטרים בנויים.

עד היום, כל GPU במרכזי נתונים היה מחובר לשבב תקשורת (NIC), ובין השבבים לסוויצ'ים יש ממירים אופטיים שתפקידם להמיר את האותות החשמליים לאותות אופטיים, ולהפך. אבל הבעיה היא פשוטה: הממירים הללו זוללים חשמל – הם אחראיים לכ-10% מצריכת האנרגיה של מרכזי נתונים.על כל 400 אלף GPUs, יש 2.4 מיליון ממירים שצורכים 40MW (!) ומדובר ברכיב יקר, גם בקנייה וגם בתחזוקה, אבל עד היום אי אפשר היה בלעדיו.

במקום להמשיך לבזבז חשמל, אנבידיה שילבה את הסיבים האופטיים ישירות בתוך שבב התקשורת החדש שלה – Spectrum-X ו-Quantum-X. בתוך השבב יש מנוע אופטי ייעודי, שממיר את האותות ללא צורך בממירים חיצוניים. המשמעות היא ניסיון לבצע מהפכה בתקשורת דאטה-סנטרים וזה מה שאנחנו אמורים לקבל: שיפור של פי 3.5 ביעילות האנרגטית – פחות בזבוז חשמל, פחות חום, פחות עלויות, שרידות רשת גבוהה פי 10, מרכז הנתונים לא אמור לקרוס יותר בגלל עומסי תקשורת וגם הקמת דאטה-סנטרים חדשים מהירה יותר ב-30% – פחות תשתיות מסובכות, פחות סיבוכים בפריסה.

אז מה זה אומר בפועל? אם אתם מתכננים או מתחזקים תשתיות AI, החידוש הזה יכול לשנות לגמרי את הדרך שבה חושבים על תקשורת מרכזי נתונים. אנבידיה הציגה אתמול שבבים שמאפשרים לחבר מיליוני GPUs תחת אותה רשת, לנהל אותם בצורה פשוטה יותר ולחתוך משמעותית את עלויות החשמל והתחזוקה.

לפי NVIDIA, מדובר בפריצת דרך אמיתית. בפועל, זה תלוי באופן שבו השוק יאמץ את זה, ואת זה נוכל לראות כשהמוצרים יתחילו להגיע בהמשך השנה.

AI Reasoning וסוכני AI חכמים

NVIDIA מתחדשת גם בתחום המודלים הפתוחים עם Llama Nemotron Reasoning Models, שנבנו מהיסוד כדי לבצע הסקת מסקנות, תכנון והחלטות מורכבות. מי שעובדים עם מערכות ארגוניות, ישמחו לדעת שחברות כמו מיקרוסופט, אמדוקס וחברות נוספות כבר שילבו את המודלים האלה בפלטפורמות שלהן. נוסף על כך, אנבידיה הציגה את AI-Q, פתרון שמאפשר לחבר את הידע הארגוני ישירות לסוכני AI, כך שהם יוכלו לספק תשובות מבוססות נתונים ולשפר תהליכים עסקיים באופן אוטומטי.

AI-Q Blueprint image באדיבות NVIDIA

חומרה וגם תוכנה

חברות טכנולוגיה שבעבר היו מזוהות אך ורק עם חומרה כבר מזמן חצו את הקווים לעולם התוכנה, ו-NVIDIA היא דוגמה מצוינת לכך. לצד החידושים המרשימים במחשוב ובתקשורת, החברה הכריזה גם על חידושים בתחום ה-AI והמודלים הפתוחים – והפעם, עם טביעת יד משמעותית של הצוות הישראלי שלה. בנוסף, NVIDIA לא מסתפקת במודלים מבוססי טקסט – היא נכנסת חזק לבינה מלאכותית פיזית עם Isaac GR00T N1, המודל הפתוח הראשון לרובוטים דמויי אדם.

GR00T N1 Image באדיבות NVIDIA

רובוטים חכמים יותר – AI שמבין את הסביבה

אם עד היום רובוטים נדרשו לתכנות ידני מורכב כדי להבין את סביבתם ולפעול בהתאם, המודל החדש של אנבידיה עושה קפיצת מדרגה עם מערכת קוגניטיבית דו-שכבתית: שכבה ראשונה – תגובה מהירה. מבוססת על אינטואיציה ורפלקסים, כך שהרובוט יכול להגיב באופן מיידי לשינויים ולמצבים בלתי צפויים. שכבה שנייה – חשיבה עמוקה. עושה שימוש ב-Vision Language Models (VLM) כדי לנתח את הסביבה, להבין
הוראות ולבצע משימות מורכבות באופן מושכל.

המודל יהיה זמין דרך Hugging Face, מה שיאפשר למפתחים לשלב אותו בקלות במערכות קיימות. הרובוטים שיתבססו על Isaac GR00T יוכלו לזהות ולהתמודד עם אובייקטים נפוצים, לבצע משימות מורכבות הכוללות שלבים מרובים ולפעול בצורה יותר טבעית וחכמה מאי פעם.

Newton – מנוע פיזיקלי שמכשיר רובוטים לעולם האמיתי

לצד המודל החדש, החברה הציגה גם את Newton, מנוע פיזיקלי פתוח שנועד ללמד רובוטים איך לבצע משימות מסובכות יותר, ולדמות תרחישים מורכבים לפני היישום בעולם האמיתי. Newton פותח בשיתוף Google DeepMind ו-Disney Research, ואחת החברות הראשונות שכבר הודיעו על אימוצו היא דיסני, שמתכננת לשלב אותו בפרויקטים בתחום הרובוטיקה שלה.