Nvidia на конференции GTC Taipei выпустила целую коллекцию открытых инструментов для физического ИИ, анонсировала настольный суперкомпьютер DGX Station для Windows и представила новую версию модели Alpamayo 2 Super для управления беспилотными автомобилями. Все три анонса образуют единую стратегию компании: сделать разработку роботов, автономных транспортных средств и агентных ИИ-систем настолько же доступной, насколько сегодня доступна разработка программного обеспечения.
Персональный суперкомпьютер
Один из самых интересных анонсов — DGX Station для Windows. До сих пор мощные ИИ-вычисления требовали серверного зала: компании арендовали или строили дата-центры на Linux, тогда как рядовые сотрудники работали на Windows. Nvidia совместно с Microsoft решила эту проблему, упаковав вычислительную мощность дата-центра в устройство размером с рабочую станцию.
DGX Station способна локально запускать ИИ-модели объемом до 1 трлн параметров — для сравнения, GPT-4 оценивается примерно в 1,8 трлн параметров, то есть речь идет о фронтирных моделях, которые до этого требовали облака или серверной инфраструктуры. Устройство также может одновременно обслуживать сотни автономных агентов — программ, которые самостоятельно выполняют задачи без участия человека.
Читайте также
Nvidia инвестирует миллиарды в технологию, которая может радикально изменить будущее ИИ
Продажи начнутся в четвертом квартале 2026 года через ASUS, Dell Technologies, Gigabyte, HP, MSI и Supermicro.
«DGX Station — это буквально суперкомпьютер на Windows — в ОС, где миллионы людей уже проектируют, разрабатывают и создают каждый день», — заявил вице-президент Nvidia по корпоративным платформам Крис Марриотт.
Роботы и беспилотные авто есть у нас дома
Второй блок анонсов касается разработчиков роботов, автономных машин и промышленных систем. Nvidia открыла крупную библиотеку готовых инструментов — по сути, пошаговых инструкций для ИИ-агентов, которые описывают, как решать конкретные задачи: генерировать обучающие данные, запускать симуляцию, проверять результаты. Раньше каждая компания писала эти процессы с нуля; теперь их можно взять готовыми и адаптировать под свою компанию.
Несколько партнеров уже сообщили об измеримых результатах. Так, тайваньский производитель электроники Pegatron сократил время обучения моделей визуального контроля качества на 67%, используя синтетически сгенерированные изображения дефектов вместо реальных.
Delta Electronics повысила точность выявления брака пайки на металлических деталях на 17%. Китайские разработчики автопилотов Li Auto, Afari и DeepRoute.ai генерируют более 300 тыс. виртуальных сцен вождения в сутки для обучения своих систем. Инструменты доступны бесплатно через GitHub.
Читайте также
Nvidia и GV вложили $200 млн в разработку «говорящих» цифровых людей
Отдельно Nvidia выпустила новую версию открытой ИИ-модели для беспилотных автомобилей — Alpamayo 2 Super. Если предыдущее поколение содержало 10 млрд параметров, то новая версия содержит 32 млрд. Модель умеет не просто прокладывать маршрут, но и объяснять свои решения — например, почему она решила уступить дорогу или перестроиться. Это важно для регуляторов и сертификации.
Параллельно компания представила AlpaGym — среду, в которой беспилотник учится на собственных ошибках в симуляторе, а не только на записях реальных поездок, — и OmniDreams, инструмент для создания виртуальных сценариев редких и опасных ситуаций на дороге. С момента запуска семейство Alpamayo скачали около 400 тыс. раз. Публичный выход Alpamayo 2 Super ожидается летом 2026 года.
В совокупности три анонса отражают сдвиг в бизнес-модели Nvidia: компания последовательно движется от продажи чипов к созданию полноценной платформы, на которой строится разработка физического ИИ. Чем глубже разработчики встраиваются в инфраструктуру Nvidia, тем сложнее им переключиться на конкурентов — будь то AMD, Intel или китайские производители ускорителей.
Подпишитесь на «Инк» в Telegram. Там мы пишем нескучным языком о самом важном для предпринимателей. Подписаться.