HyperAIHyperAI

Command Palette

Search for a command to run...

NVIDIA und Microsoft erweitern KI-Computing auf Windows-PCs

Auf dem Microsoft Ignite haben NVIDIA und Microsoft ihre Full-Stack-Zusammenarbeit ausgeweitet. Ziel ist es, Unternehmen den Aufbau, die Anpassung und den Betrieb intelligenter Anwendungen zu erleichtern – von Azure-Infrastruktur über industrielle Systeme bis zu Windows-PCs. Im Mittelpunkt steht die Verfügbarkeit von Azure-Virtual Machines auf Basis von NVIDIA Vera Rubin NVL72 in Azure-Rechenzentren. Die Systeme sind für anspruchsvolle Reasoning- und Agentic-Anwendungen sowie für Training und Inferenz großer Modelle ausgelegt. Zudem treiben beide Unternehmen Confidential Computing für Bare-Metal- und Rack-Scale-KI-Infrastruktur voran, um sensible Modelle und Daten während der Verarbeitung zu schützen; NVIDIA Confidential Computing und Attestierung sollen Kunden die Prüfung der Umgebung ermöglichen. Für mehr Leistung bei begrenzter Energieversorgung kooperieren sie außerdem bei der Effizienz mit NVIDIA MaxLPS. Die jüngsten MLPerf-Ergebnisse unterstreichen die gemeinsame Optimierung: In MLPerf Training v6.1 skalierte Azure mit GB200-NVL72-Systemen auf 10.240 NVIDIA-GPUs beim DeepSeek-V3-Modell, die größte Skalierung der Runde. In MLPerf Inference v6.1 führten Azure-Systeme mit NVIDIA GB300 NVL72 laut Signal65 die Cloud-Einreichungen bei der interaktiven Durchsatzleistung für DeepSeek-R1 um über 10 Prozent an. Für Unternehmen erweitert Microsoft Foundry die Möglichkeiten, offene Modelle anzupassen und einzusetzen. Das serverlose Programmed-Training-Angebot gibt Entwicklern Kontrolle über Post-Training-Workflows, während Foundry die Infrastruktur verwaltet. Foundry Managed Compute unterstützt nun das Deployment eigener Modellgewichte und verbindet Anpassung mit Betrieb über Microsofts Managed Services. Die NVIDIA-Nemotron-3.5-Reihe auf Foundry Managed Compute deckt unterschiedliche Anforderungen ab: Nemotron 3.5 Super für langlaufende Agenten in Coding-, Research- und Geschäftsprozessen, Lightning für schnelle Antworten und Tool-Nutzung. Ergänzende Modelle wie Nemotron Embed und Rerank, Parse und Content Safety unterstützen Suche, Dokumentenextraktion und Sicherheitsprüfung; Bolt und Transcribe folgen. EY nutzte Programmed Training, um Nemotron-Modelle für die Klassifizierung von Einkaufsdatensätzen anzupassen, und erzielte 55 Prozent höhere Genauigkeit bei 15-fach niedrigeren Kosten als mit proprietären Frontier-Modellen. Auch am Edge und auf Endgeräten wird die Zusammenarbeit ausgeweitet. Foundry Local unterstützt Nemotron 3.5 in Azure-Local-Umgebungen; Azure Local soll zudem NVIDIA RTX PRO 6000 Blackwell GPUs von Hardwarepartnern sowie die Edge-Plattformen Jetson Thor und Jetson Orin unterstützen, etwa für Maschinelles Sehen, Robotik und autonome Abläufe. NVIDIA-Cosmos-Modelle für Physical AI kommen ebenfalls zu Foundry Local. Auf Windows-PCs mit NVIDIA RTX Spark wollen beide Unternehmen lokale LLM-Erfahrungen demonstrieren. Für GPU-beschleunigte Windows-365-Cloud-PCs kommen Direct-Stream-Funktionen mit bis zu zwei 4K-Streams bei 60 Bildern pro Sekunde und niedriger Latenz; eine begrenzte Vorschau ist offen, die öffentliche Vorschau ist für Anfang 2027 geplant. Für wissenschaftliche Forschung erweitern NVIDIA BioNeMo Agent Toolkit und ALCHEMI Toolkit den Microsoft-Discovery-Katalog. Sie bringen Modelle für Life Sciences, Wirkstoffforschung sowie Material- und Chemiewissenschaften in die agentische Forschungsplattform. Eine erste Integration nutzt RFD4-Proteina, entwickelt mit dem Institute for Protein Design der University of Washington, um Kandidaten für Protein-Strukturen und Aminosäuresequenzen zu erzeugen. Microsoft setzt zudem NVIDIA Dynamo für Reinforcement-Learning-Rollout-Inferenz im Post-Training ein und nutzt RTX PRO 6000 Blackwell GPUs für Bing-Suchmodelle. Auf dem Ignite zeigen NVIDIA und Microsoft Demonstrationen von Enterprise-Anwendungen über Robotik bis lokaler KI, darunter ein GB300-NVL72-Rack und RTX-Spark-Geräte.

Verwandte Links