💡Новая архитектура ИИ ускоряет работу с огромными объёмами данных

NVIDIA представила Helix Parallelism — уникальную архитектуру, позволяющую нейросетям в реальном времени обрабатывать гигантские массивы текста, словно энциклопедии, и при этом обслуживать в 32 раза больше пользователей без потери скорости.

Когда AI-инструменты берутся за сверхсложные задачи вроде анализа юридических архивов или поддержания долгосрочных диалогов с пользователями, основная проблема кроется в обработке контекста. Чем больше токенов — тем выше нагрузка на память видеокарт. Каждый новый ответ требует повторного доступа к KV-кэшу (истории переписки или текстов), а также перезагрузки весов Feed-Forward Network, что серьёзно тормозит отклик системы.

Helix «расщепляет» слои трансформера на две части — attention и FFN — и обрабатывает их независимо. Во время attention-фазы используется новый подход KV Parallelism (KVP), позволяющий распределить кэш между видеокартами без дублирования. Это снимает избыточную нагрузку с памяти. Затем система переключается в режим Tensor Parallelism, перераспределяя ресурсы для вычислений FFN. Всё это дополняется технологией HOP-B, которая перекрывает коммуникацию и вычисления между GPU, устраняя задержки.

Модель DeepSeek-R1 объёмом 671 миллиард параметров и контекстом на миллион токенов в тестах показала: Helix позволяет обслуживать в 32 раза больше запросов с той же задержкой, что и предыдущие архитектуры.

🤖 «МИР Робототехники»

#МирРобототехники #ИИ #Инновации #ИскусственныйИнтеллект #NVIDIA #Helix #BlackwellGPU

📸 Новый ИИ-инструмент NVIDIA обеспечивает точное редактирование 3D-сцен и фотореалистичных изображений

На конференции CVPR 2025 компания анонсировала DiffusionRenderer — нейросетевой движок нового поколения, который объединяет точность традиционной графики с гибкостью генеративного ИИ.

Теперь пользователи могут не просто «генерировать картинки», а точечно управлять сценой: менять освещение, редактировать материалы, извлекать геометрию и даже трансформировать обычные 2D-видео в полноценные 3D-представления. Всё это — в фотореалистичном качестве и с минимальными временными затратами.

Применений у технологии — масса: от геймдева и кино до обучения роботов и беспилотников в симулированных условиях с разнообразными сценами и освещением. Исследователи видят огромный потенциал в том, чтобы через DiffusionRenderer создавать сложные датасеты для ИИ-моделей — без необходимости собирать данные в реальном мире.

🤖 «МИР Робототехники»

#МирРобототехники #Робототехника #NVIDIA #AI #ИИ #МашинноеОбучение #3Dграфика #Нейросети