Nvidia Jetson Orin Nano Super kompakt generatív AI szuperszámítógép

Az NVIDIA bemutatta legújabb kompakt generatív AI szuperszámítógépét, a Jetson Orin Nano Super Developer Kit-et, amely jelentős teljesítménynövekedést kínál csökkentett áron.


A tenyérnyi méretű eszköz 249 dolláros áron érhető el, szemben az előző modell 499 dolláros árával. Az új fejlesztői készlet akár 1,7-szeres generatív AI teljesítménynövekedést biztosít, 70%-kal növelve a teljesítményt 67 INT8 TOPS-ra, és 50%-kal növelve a memória sávszélességet 102 GB/s-ra az elődhöz képest.


A tejlesítmény növekedése különböző modelleken
A tejlesítmény növekedése különböző modelleken


A fejlesztői készlet egy Jetson Orin Nano 8 GB-os system-on-module-t (SoM) és egy referencia hordozótáblát tartalmaz, amely ideális platformot nyújt az edge AI alkalmazások prototípusának készítéséhez. A SoM egy NVIDIA Ampere architektúrájú GPU-t tartalmaz tenzormagokkal és egy hatmagos ARM CPU-val, lehetővé téve több AI alkalmazás egyidejű futtatását és a magas teljesítményű következtetést. Továbbá, akár négy kamera támogatására is képes, magasabb felbontást és képfrissítési sebességet biztosítva a korábbi verziókhoz képest.


Az NVIDIA szoftverfrissítéseket is biztosít a Jetson Orin Nano Super számára, amelyek növelik a generatív AI teljesítményt. Ezek a frissítések a Jetson Orin NX és Orin Nano sorozatú modulok számára is elérhetők, lehetővé téve a meglévő felhasználók számára a teljesítménynövekedés kihasználását.



A Jetson Orin Nano Super ideális választás fejlesztők, hobbisták és diákok számára, akik generatív AI, robotika vagy számítógépes látás területén szeretnének projekteket megvalósítani. Az AI világának fejlődésével az eszköz hozzáférhető platformot biztosít az ötletek megvalósításához.



Osszd meg ezt a cikket
 A Google bemutatta az Agent2Agent (A2A) nyílt forráskódú protokollt
Jensen Huang (az NVIDIA CEO-ja) nemrégiben elmondott beszédében a mesterséges intelligencia fejlődését több szakaszra osztotta és a jelenlegi szakaszra az Agentic AI korszakaként hivatkozott. Bár előadásában már a főként a következő szakaszra fókuszált a fizikai AI korszakára, nem szabad elfelejtenünk, hogy az Agentic AI korszaka is még csak idén indult el, így annak kifejlett érett formáját nem láthattuk. Hogy milyen lesz majd ez a fejlettebb forma abba enged betekintést a Google legújabb bejelentése amelyben bemutatták a nyílt forráskódú Agener2Agent protokollt. A protokoll célja, hogy hidat képezzen a különböző platformok, keretrendszerek és gyártók által létrehozott MI ágensek között, elősegítve ezzel a zökkenőmentes kommunikációt és együttműködést.
Bajban az Apple a mesterséges intelligencia fejlesztések terén?
Trump vámjainak hatására úgy tűnik egyre több gonddal kell az Apple-nek megküzdenie. Ennek egyik oka, hogy a vámokon túl, amik eléggé megtépázták az Apple részvényeit, belső konfliktusok is vannak, különösen az AI integrációért felelős részlegnél. Tripp Mickle a The New Yourk Times újságírója egyenesen arról ír, hogy az Apple nem képes semmilyen új innovatív dologgal előrukkolni mostanában. Bár ez valószínűleg nincs így, hiszen hosszas huzavona után az Apple Intelligence-t végül sikerült elindítania a cégnek, de az kétségtelen, hogy a mesterséges intelligencia területén vannak lemaradásai a versenytársakhoz képest.
Új együttműködés a Netflix és az OpenAI között
A Netflix nemrégiben kezdte el tesztelni az új, mesterséges intelligencia alapú keresési funkciót, amely az OpenAI technológiáját használja a tartalomkeresés javítására. Ez a funkció jelentős változást jelent a hagyományos keresési módszerekhez képest, mivel lehetővé teszi a felhasználók számára, hogy filmeket és tévéműsorokat találjanak konkrét kifejezések, például hangulatuk vagy szituációs preferenciáik alapján, nem pedig csak címek, műfajok vagy színésznevek alapján.
Erős turbulencia a Meta Llama modelljei körül
Még egy hete sincs a piacon a Llama 4 máris erős kritikákat kapott a felhasználóktól. Mint korábban írtam a Llama 4 egyik újdonsága, hogy egy olyan architektúrát használ, amely különböző modulokból épül fel ezért lehetővé teszi, hogy sokkal nagyobb tényleges paraméterrel rendelkezzen, mint amennyit aktívan használ, ezért elméletileg jóval jobb teljesítményt kellene nyújtania. Több független felhasználói teszt alapján azonban, mégsem hozza az elvárt eredményeket főleg matematikai és kódolási feladatok esetében. Egyesek szerint a Meta erősen manipulálta a benchmarkokat, hogy minél jobb eredményeket tudjon felmutatni. Míg mások úgy vélik, hogy elképzelhető, hogy valamilyen belső modellverziót futtattak a benchmarkokon és a piacra már egy jóval szerényebb képességű modellt dobtak.