2026. július 24., péntek · Eszközök

Az NVIDIA bemutatta a Vera CPU-t: Olympus magokkal az ágens AI munkaterhelésekre tervezve

Az NVIDIA technikai blogján ismertette a Vera CPU architektúráját, amelyet az Olympus processzormag köré épített, kifejezetten ágens AI munkaterhelésekre. A vállalat szerint a processzor az egyszálú teljesítmény maximalizálására fókuszál, mivel az ágens rendszerek szekvenciális, elágazás-intenzív és késleltetés-érzékeny programutakat futtatnak, amelyek eltérnek a hagyományos felhős CPU-k terhelésétől. Az NVIDIA állítása alapján a chip 3,4 TB/s sávszélességű koherenciafabrikot és akár 1,2 TB/s összesített sávszélességű LPDDR5X memóriát tartalmaz. A skálázhatóságot koherens NVLink-C2C, PCIe 6.4, CXL 3.1 és bizalmas számítástechnikai megoldások támogatják.

Miért fontos?

Az NVIDIA saját CPU-val célozza az ágens AI infrastruktúra kulcsfontosságú, egyszálú teljesítményre érzékeny rétegét.

Források

NVIDIA Technical Blog Hivatalos

Említve a tudásbázisban

szereplő Nvidia

Kapcsolódó témák

Napi összefoglalók AI eszközök #NVIDIA Vera CPU#ágens AI

Napi összefoglaló

Ez a hír a 2026. július 24., péntek napi AI összefoglaló része; a hír kanonikus helye ott, a napi kártyán van.

Kapcsolódó hírek

Az NVIDIA bemutatta a Vera CPU-t, amely 1,8-szoros teljesítménynövekedést ígér az ágens AI munkaterhelésekhez

Az NVIDIA saját közleménye szerint a Vera CPU architektúra 1,8-szoros fenntartott magteljesítményt nyújt teljes foglalatterhelés mellett a hagyományos x86-os adatközponti processzorokhoz képest. A monolitikus chipkialakítás 88 Olympus magot, egységes gyorsítótárat és Scalable Coherency Fabric technológiát tartalmaz, amellyel az NVIDIA állítása szerint 40%-kal alacsonyabb késleltetést és háromszoros magonkénti memória-sávszélességet érnek el a korábbi CPU-k felénél kisebb energiafogyasztás mellett. A cég kiemeli, hogy a Vera CPU csökkenti a GPU-k várakozási idejét az ágens AI rendszerek többlépéses munkafolyamataiban – sandbox-futtatások, eszközhívások, KV-cache koordináció terén –, ezáltal javítva a megerősítéses tanulás áteresztőképességét és a rendszerszintű hatékonyságot.

Ethernet-hálózatok újragondolása AI-gyárak számára: NVIDIA és Meta bejelentése

Az NVIDIA saját közleménye szerint Spectrum-X Ethernet nevű architektúrája hardveres gyorsítású adaptív útvonalválasztással, célzott torlódáskezeléssel és NIC-alapú terheléselosztással old meg olyan problémákat, amelyekkel a hagyományos Ethernet nem birkózik meg óriási GPU-klaszterekben. A vállalat saját mérései szerint hibaátállásnál 2,68 ezredmásodperces a késleltetés a hagyományos Ethernet 1,08 másodpercéhez képest. Ezzel párhuzamosan a Meta bejelentette a MetaRoCE nevű, saját fejlesztésű RDMA-átviteli protokollját, amelyet milliós GPU-számú AI-infrastruktúrára terveztek, és amelynek specifikációját, referencia-implementációját az Open Compute Projecten keresztül teszi elérhetővé.

AWS központi katalógust hozott létre AI-ügynökök és MCP-szerverek felfedezésére

Az AWS hivatalos bejelentése szerint közzétette az Agentic Resource Discovery (ARD) nyílt specifikációt, amely az AI-ügynökök, eszközök és Model Context Protocol (MCP) szerverek felfedezését hivatott egységesíteni. Ehhez kapcsolódóan bemutatták az AWS Agent Registry szolgáltatást, egy központi, kereshető katalógust ügynökök, MCP-szerverek és eszközök számára. A rendszer regisztrációkra és rekordokra épül: adminisztrátorok hozzák létre a katalógust, közzétevők írják le erőforrásaikat, kurátorok hagyják jóvá vagy utasítják el a bejegyzéseket, a felhasználók és AI-ügynökök pedig hibrid (szemantikus és kulcsszavas) kereséssel találják meg a jóváhagyott erőforrásokat. Az AWS állítása szerint ez megoldja, hogy a szervezetekben elszigetelten kezelt AI-eszközök ne skálázódjanak egyetlen kliensen túl.

AWS: mesterséges intelligenciával automatizált metaadat-javítás és harmonizálás

Az AWS hivatalos blogbejegyzése egy munkafolyamatot mutat be, amely nagy nyelvi modellek segítségével automatizálja a különböző forrásokból származó adathalmazok metaadatainak összehangolását. A cég állítása szerint a rendszer az Amazon Bedrock szolgáltatást használja sématovábbítási javaslatokhoz, míg az S3 tárolja a sémákat és eredményeket, a DynamoDB a feladatokat követi, a Cognito hitelesít, az ECS pedig a számítást biztosítja. A leírás szerint a folyamat a feltöltött fájlok párhuzamos ellenőrzésével indul: a sémastruktúra egyezését és az egyes mezők értékeit is vizsgálja. Hibák esetén a rendszer célzott javítási javaslatokat generál, amelyeket a felhasználó hagy jóvá, így emberi felügyelet mellett vagy teljesen autonóm ügynök-alapú munkafolyamatként is működhet.