
漢德百科全書 | 汉德百科全书
IT-Times




Automobil
***Technologie
California-CA
IT-Times
FPGA
IT-Times
Verarbeitungseinheiten - CPU, GPU, NPU, APU, TPU, VPU, FPGA, QPU, IPU, PIC
IT-Times
IC
IT-Times
Motherboard
IT-Times
Halbleitertechnologie
IT-Times
Internet of Things
IT-Times
Games-Industrie
IT-Times
PCI-SIG
IT-Times
MCU
IT-Times
Artificial Intelligence
Partner des Organisationskomitees von Paris 2024
Unternehmen
*Größte Halbleiterhersteller
Vereinigte Staaten
Wissenschaft und Technik
Global Innovators

Intel Corporation (von englisch Integrated electronics, deutsch integrierte Elektronik; NASDAQ-Küzel INTC) ist ein US-amerikanischer Halbleiterhersteller mit Hauptsitz im kalifornischen Santa Clara (Silicon Valley).
英特尔(英语:Intel Corporation)是世界上第二大的半导体公司[5],也是首家推出x86架构中央处理器(CPU)的公司,总部位于美国加利福尼亚州圣克拉拉。由罗伯特·诺伊斯、高登·摩尔、安迪·葛洛夫,以“集成电子”(Integrated Electronics)之名在1968年7月18日共同创办公司,将高阶芯片设计能力与领导业界的制造能力结合在一起。英特尔也有开发主板芯片组、网卡、闪存、绘图芯片(GPU),与对通信与运算相关的产品等。“Intel Inside”的广告标语,Pentium系列处理器以及与微软组成的“Wintel”联盟在1990年代间非常成功地打响英特尔的品牌名号。
AI-Ran-Allianz

Automobil
***Technologie

Automobil
*Selbstfahrendes Kraftfahrzeug
California-CA
Fertigung und Innovation
IAA Mobility
IAA Mobility
2025
IT-Times
IC
IT-Times
Graphics card/Video card
IT-Times
Games-Industrie
IT-Times
Halbleitertechnologie
IT-Times
Fahrerassistenzsysteme
IT-Times
IT-Times
Artificial Intelligence
IT-Times
HPC
Leben und Style
Nvidia
Unternehmen
*Größte Halbleiterhersteller
Vereinigte Staaten

Die Nvidia Corporation (Eigenschreibweise: NVIDIA,[3] Aussprache: /ɪnˈvɪdiə/, von lateinisch Invidia, Neid) ist einer der größten Entwickler von Grafikprozessoren und Chipsätzen für Personal Computer, Server und Spielkonsolen. Der Hauptsitz liegt in Santa Clara, Kalifornien. Die Nvidia Corporation besitzt keine eigenen Fertigungsstätten und arbeitet somit nach dem Fabless-Prinzip.
NVIDIA(Nvidia Corporation,/ɛnˈvɪdiə/;台湾与香港译为辉达,中国大陆译为英伟达),创立于1993年1月,是美国一家以设计和销售图形处理器(GPU)为主的无厂半导体公司,总部设在加利福尼亚州的圣克拉拉,位于硅谷的中心位置。NVIDIA最出名的产品线是为个人与游戏玩家所设计的GeForce系列,为专业CGI工作站而设计的Quadro系列,以及为服务器和高效运算而设计的Tesla系列,虽然起家于PC电脑的显卡业务,英伟达也曾涉及移动芯片Tegra的设计,但智能机市场对此响应不大,不过近年却利用这些研发经验,目前朝向人工智能和机器视觉的市场发展,也是图形处理器上重要的开发工具CUDA的发明者。

| 1999 | GeForce 256 |
|---|---|
| 2000 | GeForce 2 series |
| 2001 | GeForce 3 series |
| 2002 | GeForce 4 series |
| 2003 | GeForce FX series |
| 2004 | GeForce 6 series |
| 2005 | GeForce 7 series |
| 2006 | GeForce 8 series |
| 2007 | |
| 2008 | GeForce 9 series |
| GeForce 200 series | |
| 2009 | GeForce 100 series |
| GeForce 300 series | |
| 2010 | GeForce 400 series |
| GeForce 500 series | |
| 2011 | |
| 2012 | GeForce 600 series |
| 2013 | GeForce 700 series |
| 2014 | GeForce 800M series |
| GeForce 900 series | |
| 2015 | |
| 2016 | GeForce 10 series |
| 2017 | |
| 2018 | GeForce 20 series |
| 2019 | GeForce 16 series |
| 2020 | GeForce 30 series |
| 2021 | |
| 2022 | GeForce 40 series |




Einblicke in technologische Durchbrüche

Einheitliche KI-Architektur
Blackwell besteht aus 208 Milliarden Transistoren mit einem TSMC-4NP-Prozess, der den Erwartungen an die Führungsrolle von NVIDIA im Bereich beschleunigte Berechnungen entspricht, und seine Grafikprozessoren sind die leistungsstärksten Chips, die jemals entwickelt wurden. Die beiden Dies sind so groß wie möglich. Sie bieten die schnellste Kommunikationsleistung für KI-Operationen und maximieren gleichzeitig die Energieeffizienz. Sie sind über eine Chip-zu-Chip-NVHyperfuse-Schnittstelle miteinander verbunden, die 10 Terabyte pro Sekunde (TB/s) unterstützt. So wird eine transparente Einzel-GPU-Ansicht für alle Caches und Kommunikation möglich.
Generative KI-Engine
Außer der Transformer Engine-Technologie, die Training mit der Präzision von FP8 und FP16 beschleunigt, wird mit Blackwell die neue generative KI-Engine eingeführt. Die generative KI-Engine nutzt die angepasste Blackwell Tensor Core-Technologie zur Beschleunigung der Inferenz für generative KI und große Sprachmodelle (LLMs) mit neuen auf Präzision fokussierten Formaten, einschließlich Community-definierter Microscaling(MX)-Formate. Die Formate MXFP4, MXFP6, MXFP8 und MXINT8 der generativen KI-Engine bieten eine enorme Beschleunigung für moderne LLMs mit verbesserter Leistung durch geringeren Platzbedarf und mehr Durchsatz als FP8 und FP16.


Sichere KI
LLMs bergen ein enormes Potenzial für Unternehmen. Die Umsatzoptimierung, die Bereitstellung von Geschäftsinformationen und die Unterstützung bei der Erstellung generativer Inhalte sind nur einige der Vorteile. Doch die Einführung von LLMs kann für Unternehmen schwierig sein, da sie sie schulen müssen und dafür private Daten verwenden, die entweder Datenschutzbestimmungen unterliegen oder proprietäre Informationen enthalten, deren Offenlegung Risiken birgt. Blackwell umfasst NVIDIA Confidential Computing, das mit starker hardwarebasierter Sicherheit vertrauliche Daten und KI-Modelle vor unbefugtem Zugriff schützt.
Erfahren Sie mehr über Confidential Computing von NVIDIA
NVLink, NVSwitch und NVLink-Switch-Systeme
Um das volle Potenzial von Exascale-Computing und KI-Modellen mit Billionen Parametern auszuschöpfen, ist eine schnelle, nahtlose Kommunikation zwischen allen Grafikprozessoren innerhalb eines Server-Clusters erforderlich. Die fünfte Generation von NVLink ist eine Scale-up-Verbindung, die beschleunigte Leistung für KI-Modelle mit Billionen oder mehreren Billionen Parametern bietet.
Die vierte Generation von NVIDIA NVSwitch™ ermöglicht 130 TB/s GPU-Bandbreite in einer NVLink-Domäne mit 72 GPUs (NVL72) und bietet viermal mehr Bandbreiteneffizienz mit FP8-Unterstützung von NVIDIA Scalable Hierarchical Aggregation and Reduction Protocol (SHARP)™. Mithilfe von NVSwitch unterstützt das NVIDIA NVLink-Switch-System Cluster mit mehr als einem einzelnen Server bei denselben beeindruckenden Verbindungsgeschwindigkeiten von 1,8 TB/s. Multi-Server-Cluster mit NVLink skalieren die GPU-Kommunikation angepasst an die zunehmende Rechenleistung, sodass NVL72 den 9-fachen GPU-Durchsatz unterstützen kann als ein einzelnes System mit acht GPUs.
Weitere Informationen zu NVIDIA NVLink und NVSwitch


Dekomprimierungs-Engine
Bei Datenanalysen und Datenbank-Workflows wurden die Berechnungen traditionell auf CPUs durchgeführt. Beschleunigte Datenwissenschaft kann die Leistung von durchgängigen Analysen steigern, die Wertschöpfung beschleunigen und gleichzeitig die Kosten senken. Datenbanken, einschließlich Apache Spark, spielen im Bereich Datenanalyse eine entscheidende Rolle bei der Verarbeitung und Analyse großer Datenmengen.
Blackwells Dekomprimierungs-Engine und die Möglichkeit, auf riesige Mengen an Speicher der NVIDIA Grace™-CPU über eine High-Speed-Verbindung von 900 Gigabyte pro Sekunde (GB/s) bidirektionaler Bandbreite zuzugreifen, beschleunigen die gesamte Pipeline von Datenbankabfragen für höchste Leistung bei Datenanalysen und Datenwissenschaft. Dank der Unterstützung der neuesten Komprimierungsformate wie LZ4, Snappy und Deflate ist Blackwell 20-mal schneller als CPUs und 7-mal schneller als NVIDIA H100 Tensor Core-GPUs bei Abfrage-Benchmarks.
RAS-Engine für Zuverlässigkeit, Verfügbarkeit und Wartungsfreundlichkeit
Blackwell bietet intelligente Ausfallsicherheit mit einer dedizierten Engine für Zuverlässigkeit, Verfügbarkeit und Wartungsfreundlichkeit (Reliability, Availability, and Serviceability, RAS), um potenzielle Fehler frühzeitig zu identifizieren und Ausfallzeiten zu minimieren. Die KI-gestützten Funktionen für vorausschauendes Management von NVIDIA überwachen kontinuierlich den allgemeinen Zustand über Tausende von Datenpunkten von Hardware und Software, um die Ursachen für Ausfallzeiten und fehlende Effizienz vorherzusagen und zu eliminieren. Dadurch entsteht eine intelligente Ausfallsicherheit, die Zeit, Energie und Rechenkosten spart.
Die RAS-Engine von NVIDIA bietet detaillierte Diagnoseinformationen, mit denen Problembereiche identifiziert und Wartungsarbeiten geplant werden können. Die RAS-Engine reduziert die Durchlaufzeit, indem sie die Ursachen von Problemen schnell lokalisiert, und minimiert Ausfallzeiten durch eine effektive Problembehebung.



