CES 2024:NVIDIA 通过新的笔记本电脑、GPU 和工具提供生成式 AI

在 CES 2024 上,NVIDIA 推出了一系列硬件和软件,旨在释放 Windows 11 PC 上生成式 AI 的全部潜力。

在 PC 上本地运行生成式 AI 对于隐私、延迟和成本敏感型应用程序至关重要。在 CES 上,NVIDIA 将在整个技术堆栈中带来新的创新,以实现 PC 上的生成式 AI 时代。RTX GPU 能够以最高的性能运行最广泛的应用程序。这些 GPU 中的 Tensor Core 可显著提高 AI 在要求最苛刻的工作和娱乐应用中的性能。

NVIDIA 推出了 GeForce RTX 40 SUPER 系列 GPU。GeForce RTX 4080 SUPER 生成 AI 视频的速度比 GeForce RTX 3080 Ti 快 1.5 倍以上,图像生成速度比 GeForce RTX 3080 Ti 快 1.7 倍以上。 SUPER GPU 上的 Tensor Core 每秒可提供高达 836 万亿次 AI 操作 (TOPS),为游戏、创作和日常生产力带来变革性的 AI 功能。

本月晚些时候,每家顶级原始设备制造商 (OEM) 的新笔记本电脑开始发货——包括宏碁、华硕、戴尔、惠普、联想、微星、雷蛇、三星等。这些系统带来了一整套开箱即用的生成式 AI 功能。

NVIDIA RTX 台式机和移动工作站采用 NVIDIA Ada Lovelace 架构,可提供应对企业工作流程挑战所需的性能。

配备 RTX GPU 的移动工作站可以运行 NVIDIA AI Enterprise 软件,例如 TensorRT 和 NVIDIA RAPIDS,以实现简化、安全的生成式 AI 和数据科学开发。每个 RTX A800 40 GB GPU 都包含 NVIDIA AI Enterprise 的三年许可证,为 AI 和数据科学提供工作站开发平台。

AI Workbench 是一个统一的工具包,允许开发人员快速创建、测试和自定义预训练的生成式 AI 模型和大型语言模型 (LLM),将于本月晚些时候发布测试版。它使开发人员能够灵活地协作处理项目并将其迁移到任何支持 GPU 的环境。它还提供对 GitHub 等流行存储库的简化访问。

为 PC 用例构建 AI 模型后,可以通过高性能 AI 推理库 NVIDIA TensorRT 对其进行优化,以充分利用 RTX GPU 上的 Tensor Core。NVIDIA 最近发布了 TensorRT-LLM,将 TensorRT 扩展到基于文本的应用程序,这是一个用于加速大型语言模型的开源库。TensorRT-LLM 的最新更新现已推出,它将 Phi-2 添加到不断增长的 PC 预优化模型列表中,与其他推理后端相比,其运行速度提高了五倍。

借助这些新工具和库,PC 开发人员已准备好在目前由 RTX GPU 加速的 500 多款 AI 驱动的 PC 游戏和应用程序之上交付更多生成式 AI 应用程序。

在 CES 上,NVIDIA 及其开发者合作伙伴将发布多款新的生成式 AI 应用和服务,包括 NVIDIA RTX Remix,这是一个用于创建经典游戏 RTX 重制版的平台。它将于本月晚些时候发布公开测试版,其中包含生成式 AI 纹理工具,可将经典游戏的纹理转换为现代 4K 基于物理的渲染 (PBR) 材质。

NVIDIA ACE 微服务也即将发布,包括生成式 AI 语音和动画模型,使开发人员能够将智能、动态的数字化身添加到游戏中。借助 NVIDIA 技术演示 Chat with RTX,AI 爱好者可以使用一种称为检索增强生成 (RAG) 的流行技术轻松地将 PC LLM 连接到自己的数据。它由 TensorRT-LLM 加速,使用户能够与他们的笔记、文档和其他内容进行交互。它也可以作为开源参考项目提供,因此开发人员可以轻松地将相同的功能实现到自己的应用程序中。

在 CES 2024 上了解有关 NVIDIA 发布这些公告和其他公告的更多信息。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/392045.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

MATLAB导出图程序

本文将以代码的形式快速介绍MATLAB导出图到Paper 1 从simulation导出数 2 与simulation同源文件夹下创建导图m文件 代码如下: % 实验后的数据处理用 M-文件 % clear all % 清空工作空间 % close all      % 关闭所有图形窗口 % load adp.mat …

双指针算法+例题

1、性质 双指针算法&#xff0c;实质上是把朴素算法O&#xff08;n^2),发现一些性质&#xff0c;转换成 O&#xff08;N&#xff09;时间复杂度。 2、图解核心思想 3、代码模板 for(int i0,j0;i<n;i) {while(j<i && check(i,j)) j;//每道题目的具体逻辑 } 4…

对树莓派上配置mdadm的一些补充

1、如果要重新配置该如何回退到初始状态&#xff1f; 答&#xff1a;可参考以下指令&#xff1a; cat /proc/mdstat sudo umount /dev/md0 sudo mdadm --stop /dev/md0 sudo mdadm --zero-superblock /dev/sda sudo mdadm --zero-superblock /dev/sdb sudo nano /etc/fstab&a…

ModuleNotFoundError: No module named ‘torchvision.models.utils‘报错的一种解决方法

最近在做一个BEV项目&#xff0c;在配置环境的时候&#xff0c;遇到了报错的一个问题&#xff1a; ModuleNotFoundError: No module named ‘torchvision.models.utils’ 我开始以为是我没有安装torchvision pip install torchvision -i http://pypi.douban.com/simple输入这…

CSS-基础-MDN文档学习笔记

CSS构建基础 查看更多学习笔记&#xff1a;GitHub&#xff1a;LoveEmiliaForever MDN中文官网 CSS选择器 选择器是什么 CSS 选择器是 CSS 规则的第一部分&#xff0c;它用来选择HTML元素&#xff0c;选择器所选择的元素&#xff0c;叫做选择器的对象 选择器列表 如果有多…

实战 | 使用CNN和OpenCV实现数字识别项目(步骤 + 源码)

导 读 本文主要介绍使用CNN和OpenCV实现数字识别项目,含详细步骤和源码。 前 言 在当今世界,深度学习和图像处理技术正在各个应用领域得到利用。在这篇博文中,我们将使用卷积神经网络 (CNN) 和 OpenCV 库完成数字识别项目。我们将逐步掌握该项目如何执行。 项目准…

安装 SEED-XDS560v2 Driver.exe

安装 SEED-XDS560v2 Driver.exe References CCS 5.5.0.00077 安装目录 D:\ti\ccsv5\ SEED-XDS560v2 Driver.exe 安装目录 D:\ti\ccsv5\ccs_base References [1] Yongqiang Cheng, https://yongqiang.blog.csdn.net/

【51单片机实验笔记】开关篇(二) 矩阵按键

目录 前言原理图分析矩阵按键扫描算法 软件实现1. 矩阵键盘检测2. 简易计算器实现 总结 前言 本节内容&#xff0c;我们学习一下矩阵按键&#xff0c;它是独立按键的阵列形式&#xff0c;常见的应用即键盘。 本节涉及到的封装源文件可在《模块功能封装汇总》中找到。 本节完…

jmeter-10调试取样器

文章目录 作用设置使用举例 作用 jmeter中添加调试取样器&#xff0c;可以用于检测测试过程的值如&#xff1a;变量、参数、系统设置等 设置 选择线程组右键 >>> 添加 >>> 取样器 >>> 调试取样器&#xff08;Debug Sampler&#xff09; jmeter …

Docker 镜像仓库是什么?有哪些镜像仓库命令?

1. Docker 的架构 &#xff08;图片来源&#xff1a;Docker架构图&#xff09; Registry&#xff08;Docker 仓库&#xff09; &#xff1a; Docker 仓库用来保存镜像&#xff0c;Docker 官方提供了一个公共的 Docker 仓库&#xff0c;称为 Docker Hub&#xff0c;开发者可以在…

函数、极限、连续——刷题(4

目录 1.题目&#xff1a;2.解题思路和步骤&#xff1a;3.总结&#xff1a;小结&#xff1a; 1.题目&#xff1a; 2.解题思路和步骤&#xff1a; 记住这个公式即可&#xff1a; 所以就很容易求解了&#xff1a; 3.总结&#xff1a; 记住这个公式即可&#xff1a; 小结&am…

使用 Coze 搭建 TiDB 助手

导读 本文介绍了使用 Coze 平台搭建 TiDB 文档助手的过程。通过比较不同 AI Bot 平台&#xff0c;突出了 Coze 在插件能力和易用性方面的优势。文章深入讨论了实现原理&#xff0c;包括知识库、function call、embedding 模型等关键概念&#xff0c;最后成功演示了如何在 Coze…

GIS使用 RUSLE 方法绘制土壤侵蚀风险图

侵蚀是指土壤在水或风的作用下离开其所在位置,它分为两种:自然侵蚀和加速侵蚀。水土流失实际上是一个自然过程,因此形成了肥沃的三角洲平原,但在人类活动的影响下,这一过程加速,水土流失超过了应有的程度。因此,农业生产率下降,生产成本上升,水坝寿命缩短,水质下降,…

11-k8s中网络资源service

一、service资源概述 每当我们企业的业务pod迭代功能的时候&#xff0c;都会修改pod&#xff0c;修改后重新启动pod&#xff0c;ip就会变化&#xff0c;那么在生产环境当中&#xff0c;从用户到宿主机、从宿主机到pod&#xff0c;这一个访问流程&#xff0c;都是事先写好的&…

【JavaScript】面试手写题精讲之数组(下)

引入 这章主要讲的是数组的排序篇&#xff0c;我们知道面试的时候&#xff0c;数组的排序是经常出现的题目。所以这块还是有必要进行一下讲解的。笔者观察了下前端这块的常用算法排序题&#xff0c;大概可以分为如下 冒泡排–> 稳定排序插入排序–> 稳定排序选择排序–…

你了解API测试吗?如何充分的测试一个API?

什么是API&#xff1f; API代表应用程序接口。API是软件系统中的中间层&#xff0c;负责数据源与用户看到的图形用户界面&#xff08;GUI&#xff09;之间的数据通信。换句话说&#xff0c;API是软件的业务层&#xff0c;它在表示层和数据层之间创建连接。 API测试侧重于所谓的…

Leecode之面试题消失的数字

一.题目及剖析 https://leetcode.cn/problems/missing-number-lcci/description/ 方法有很多,这里将两种时间复杂度为O(N)的方法 二.思路引入 第一种方法 先将0-n的总和求出来,在求出数组的总和,在做差就能得到消失的数字,不过要注意的是数据有可能溢出,这个方法很简单就不再…

Acwing二分和前缀和(二)

机器人跳跃问题 原题链接&#xff1a;https://www.acwing.com/activity/content/problem/content/1570/ 二分查找更新条件只有两种&#xff1a; Rmid;else Lmid1&#xff1a;mid(LR)/2Lmid;else R mid-1&#xff1a;mid(LR1)/2 这两种更新条件的结果是一样的。 #include<…

【Unity】【VR开发】针对VR项目的优化版Unity Build Settings

【背景】 编辑器中做了功能后,打包后却总会画面不满意,所以到处学习,总结成本篇,希望有用。 【准备】 本篇总结基于Unity 2021 LTS。 模板选择3D(URP) 如果URP不支持所用的部分Assets,那么也可以选择Built-in管线,不过URP肯定画面效果上要胜过Built-in。 HDRP不适用…

解决:docker创建Redis容器成功,但无法启动Redis容器、也无报错提示

解决&#xff1a;docker创建Redis容器成功&#xff0c;但无法启动Redis容器、也无报错提示 一问题描述&#xff1a;1.docker若是直接简单使用run命令&#xff0c;但不挂载容器数据卷等参数&#xff0c;则可以启动Redis容器2.docker复杂使用run命令&#xff0c;使用指定redis.co…