คลังเก็บป้ายกำกับ: NVIDIA

หลุดข้อมูล RTX 3060 และ 3060Ti ราคาราว 7,000 – 14,000 บาท คาดเปิดตัวเดือนหน้า

ร้านค้าบน Taobao ของจีนได้อัพข้อมูลของการ์ดจอ RTX 3060 และ 3060Ti บนหน้าร้านและระบุราคาอยู่ที่ช่วงประมาณ 1,499 ถึง 2,998 (ราว 7,000 – 14,000 บาท) พร้อมระบุว่าจะวางขายหลังเดือนหน้า ซึ่งก็เป็นไปได้ว่า NVIDIA อาจเปิดตัวการ์ดจอรุ่นเล็กภายในเดือนหน้า (ถ้าข้อมูลหน้าร้านนี้เชื่อได้)

ขณะเดียวกันมีข้อมูลสเปคของ RTX 3060Ti บน GPU-Z หลุดออกมาว่ามี CUDA คอร์ที่ 4,864 วีแรม GDDR6 8GB คล๊อก 1.4GHz บูสต์ 1.6GHz โดยข้อมูลของเวนเดอร์การ์ดจอตัวนี้คือ HP คาดว่าอาจจะเป็นการ์ดจอบนโน้ตบุ๊กเกมมิ่ง

ที่มา – Notebookcheck, Tom’s Hardware

No Description

No Description
*ภาพจาก TechPowerup

Topics: 

from:https://www.blognone.com/node/119249

[Guest Post] โรงพยาบาลศิริราช ช่วยชีวิตผู้คนได้มากขึ้นด้วย Medical Imaging Solution ที่พัฒนาและขับเคลื่อนโดย NVIDIA

โรงพยาบาลที่ใหญ่ที่สุดของประเทศไทยและโรงพยาบาลแห่งแรกในเอเชียตะวันออกเฉียงใต้ที่ใช้การถ่ายภาพเอกซเรย์ทรวงอกโดยใช้ซอฟต์แวร์ NVIDIA Clara

 

รศ.นพ. ตรงธรรม ทองดี จากภาควิชารังสีวิทยาคณะแพทยศาสตร์ศิริราชพยาบาลมหาวิทยาลัยมหิดล

 

NVIDIA ประกาศว่าโรงพยาบาลศิริราช ของประเทศไทยเป็นโรงพยาบาลแห่งแรกในเอเชียตะวันออกเฉียงใต้ที่ติดตั้งระบบ NVIDIA DGX A100 สองชุดสำหรับงานวิจัยทางด้านการแพทย์และใช้งานด้านการรักษาพยาบาล

                                        NVIDIA DGX A100

 

ฮาร์ดแวร์ของ NVIDIA ได้ทำหน้าที่ในการขับเคลื่อนซอฟต์แวร์ NVIDIA Clara, ทางโรงพยาบาลได้พัฒนาโซลูชันการถ่ายภาพเอ็กซ์เรย์ทรวงอกสำหรับวัณโรคซึ่งช่วยลดเวลาที่ต้องใช้ในการวิเคราะห์ การสแกน และเร่งการตัดสินใจเพื่อช่วยชีวิตคนได้มากขึ้น

                                                   NVIDIA Clara

 

ในฐานะโรงพยาบาลรัฐบาลที่ใหญ่ที่สุดในประเทศไทย โรงพยาบาลศิริราชมีเตียงมากกว่า 2,500 เตียง และรองรับผู้ป่วยนอกกว่า 8,000 คนต่อวัน เป็นโรงพยาบาลของมหาวิทยาลัยมหิดลที่มีคณะแพทยศาสตร์ เน้นการวิจัยทางการแพทย์ ยารักษาโรค และการดูแลสุขภาพ

 

ความยากในการวิเคราะห์ข้อมูลภาพเอ็กซ์เรย์จำนวนมหาศาล

ภาควิชารังสีวิทยาของโรงพยาบาลเป็นแห่งแรกในประเทศไทยที่สำรวจงานวิจัยและการประยุกต์ใช้ AI ในภาพรังสีวิทยา ได้แก่ การถ่ายภาพรังสีทั่วไป (General X-ray),  เอกซ์เรย์คอมพิวเตอร์ (CT) การถ่ายภาพด้วยคลื่นสนามแม่เหล็ก (MRI) โดยใช้ระบบประมวลผล NVIDIA DGX A100

ในแต่ละวันโรงพยาบาลจะมีผู้ป่วย X-ray 800-1000 คน, CT 130-150 คน และการ MRI 80-90 คนในแต่ละวันและปริมาณข้อมูลมีมากทำให้ยากสำหรับรังสีแพทย์ในการวิเคราะห์และอ่านผลอย่างทันท่วงทีเพื่อประสิทธิภาพทางคลินิก

“เราต้องให้ความสำคัญกับการจำแนกภาพเพื่อตรวจสอบร่องรอยของโรคที่เป็นไปได้จากภาพจำนวนมากเพื่อช่วยให้รังสีแพทย์วินิจฉัยได้รวดเร็วมากขึ้น การวัดปริมาตรของอวัยวะและเนื้องอกในการประเมินเบื้องต้นและการติดตามผลยังเป็นกระบวนการที่ต้องใช้เวลานานและต้องใช้การวาดภาพด้วยตนเอง” รศ.นพ. ตรงธรรม ทองดี จากภาควิชารังสีวิทยาคณะแพทยศาสตร์ศิริราชพยาบาลมหาวิทยาลัยมหิดล กล่าว

โรงพยาบาลศิริราชใช้ประโยชน์จาก AI ในโซลูชันที่ประกอบด้วยระบบ NVIDIA DGX A100 สองระบบ และ NVIDIA V100 เวิร์คสเตชั่น 6 ระบบ และ NVIDIA P6000 GPU รวมถึง NVIDIA Clara Deploy and Train, CUDA, cuDNN และ TensorRT ในการประมวลผล

ออกแบบมาเพื่อเป็นแพลตฟอร์มอเนกประสงค์สำหรับเวิร์คโหลดด้าน AI โดยเฉพาะ, NVIDIA DGX A100 ที่มี NVIDIA A100 Tensor Core GPU ทำหน้าที่ในการประมวลผล สามารถให้ประสิทธิภาพการทำงานได้ในระดับ 5 petaFLOPS เพื่อให้หน่วยงานต่าง ๆ สามารถรวมการฝึกอบรม การอนุมาน และการวิเคราะห์ไว้ในโครงสร้างพื้นฐาน AI ที่เป็นหนึ่งเดียว ทำให้ง่ายต่อการปรับใช้ ซึ่งรวมถึงการเข้าถึงโดยตรงไปยังผู้เชี่ยวชาญด้าน AI ของ NVIDIA

NVIDIA Clara Train นำเสนอเทคนิคต่าง ๆ เช่น AutoML การเรียนรู้แบบรวมศูนย์ที่รักษาความเป็นส่วนตัวและถ่ายทอดการเรียนรู้เพื่อช่วยนักวิจัยสร้างโมเดล AI ที่แข็งแกร่ง NVIDIA Clara Deploy จัดเตรียมเฟรมเวิร์คอ้างอิงเพื่อใช้โมเดล AI และเขียนเวิร์คโฟลว์ของแอปพลิเคชันรอบ ๆ เพื่อเปิดใช้งานการเชื่อมต่อในสภาพแวดล้อมของโรงพยาบาล

 

ตัดสินใจได้เร็วขึ้น แม่นยำขึ้น และดีขึ้น

AI ได้พิสูจน์แล้วว่ามีความแม่นยำสูงสำหรับการแบ่งกลุ่มภาพถ่ายทางการแพทย์ “การฝึกชุดข้อมูล 3 มิติด้วย NVIDIA V100 ใช้เวลาเพียงสองวันเมื่อเทียบกับ 80 วันด้วย CPU การทำงานของ GPU ช่วยให้เร็วขึ้น 40 เท่า และเพิ่มความแม่นยำ ซีพียูไม่สามารถใช้งานได้จริงในการวิจัยและการใช้งานทางการตรวจรักษา” รศ.นพ. ตรงธรรม ทองดี กล่าว “ นอกจากนี้เนื่องจาก NVIDIA GPU มีความสามารถในการรองรับปริมาณงานที่สูงทำให้เวิร์คโฟลว์ทางด้านการตรวจรักษาดำเนินไปอย่างราบรื่นโดยไม่มีปัญหาคอขวด ในสถานการณ์ฉุกเฉินการตีความภาพที่เร็วขึ้นสามารถช่วยให้แพทย์ตัดสินใจในการรักษาได้ดีขึ้นเพื่อช่วยชีวิตผู้ป่วย”

“NVIDIA Clara ช่วยให้โรงพยาบาลสามารถคิดค้นและเร่งการเดินทางสู่การแพทย์ที่แม่นยำ” เดนนิส อัง ผู้อำนวยการฝ่ายธุรกิจองค์กรสำหรับภูมิภาค SEA และ ANZ ของ NVIDIA กล่าว “การตัดสินใจของโรงพยาบาลศิริราช ในการลงทุนโซลูชันด้าน AI ที่ใช้ NVIDIA ช่วยให้รังสีแพทย์สามารถตัดสินใจได้รวดเร็วและแม่นยำยิ่งขึ้น ซึ่งจะช่วยชีวิตผู้คนได้มากขึ้น รวมทั้งสร้างพิมพ์เขียวที่สถานพยาบาลในภูมิภาคสามารถนำไปเป็นต้นแบบเพื่อปรับใช้ โดยเทคโนโลยีล้ำสมัยนี้จะช่วยปรับปรุงการดูแลผู้ป่วยและเพิ่มผลลัพธ์ทางการรักษาได้อย่างมาก”

 

เกี่ยวกับ NVIDIA

NVIDIA เป็นบริษัท ประมวลผลด้าน AI, เป็นผู้พัฒนา GPU ในปีคุ 2542 จุดประกายการเติบโตของตลาดเกมพีซีนิยามใหม่ของกราฟิกคอมพิวเตอร์สมัยใหม่และปฏิวัติการประมวลผลแบบขนาน เมื่อไม่นานมานี้การเรียนรู้เชิงลึกของ GPU ได้จุดประกาย AI ยุคใหม่ซึ่งเป็นยุคถัดไปของการประมวลผลด้วย GPU ที่ทำหน้าที่เป็นสมองของคอมพิวเตอร์หุ่นยนต์และรถยนต์ที่ขับเคลื่อนด้วยตัวเองซึ่งสามารถรับรู้และเข้าใจโลกได้ ข้อมูลเพิ่มเติมที่ http://nvidianews.nvidia.com/

 

from:https://www.techtalkthai.com/nvidia-medical-imaging-solution/

Nvidia ถูกใช้ใน Supercomputer ที่ประมวลผลด้าน AI เร็วที่สุดในโลก

โซลูชันของ Nvidia กำลังถูกนำไปใช้ในเครือข่าย Supercomputer ที่สามารถประมวลผลด้าน AI ได้เร็วที่สุดในโลก โดยตั้งอยู่ในอิตาลีเพื่อรองรับการใช้ปฏิบัติงานด้านการวิจัยและเทคโนโลยีในยุโรป

credit : NVidia

Supercomputer ตัวนี้มีโค้ดว่า ‘Leonardo’ โดยมีประสิทธิภาพที่สามารถประมวลผลทศนิยม 16 ตำแหน่งได้สูงถึง 10 Exaflop ซึ่งเกิดจาก Ampere GPU จะ NVidia ถึง 14,000 ตัว ทั้งนี้ Leonardo ถูกสร้างโดยบริษัทสัญชาติฝรั่งเศสที่ชื่อ Atos แต่ Supercomputer นี่จะถูกกำกับดูแลภายใต้ Cineca ซึ่งเป็นสมาคมมหาวิทยาลัยในอิตาลี

Leonardo เป็นเพียง 1 ใน 4 Supercomputer ที่จะเกิดขึ้นในยุโรป โดยอีก 3 ตัวจะตั้งอยู่ในสาธารณรัฐเช็ก สาธารณรัฐสโลวีเนีย และลักเซมเบิร์ก โดย Atos จะทำขั้น 2 ตัว ส่วน HPE จัดสร้างขึ้นอีก 1 ตัว แต่ทั้งหมดใช้เทคโนโลยีของ Nvidia รวมถึงส่วน Networking จาก Mellanox ซึ่งก็อยู่ภายใต้ Nvidia เช่นกัน

ที่มา : https://techcrunch.com/2020/10/15/nvidia-will-power-worlds-fastest-ai-supercomputer-to-be-located-in-europe/ และ https://thenextweb.com/neural/2020/10/15/worlds-fastest-ai-supercomputer-is-coming-to-italy/

from:https://www.techtalkthai.com/nvidia-is-powering-the-fastest-ai-processing-in-leonardo-supercomputer/

VMware จับมือ Nvidia พัฒนา AI ควบคู่ไปกับด้านเน็ตเวิร์ก

ใครที่ก่อนหน้านี้ยังสงสัยว่า Nvidia จะโดดลงมาเล่นในตลาดระดับองค์กรจริงหรือเปล่านั้น? คงกระจ่างกันแล้วตอนนี้จากข้อตกลงความร่วมมือกับ VMware ที่ประกาศขึ้นในงานประชุม VMworld 2020 ที่วางแผนจะผสานเทคโนโลยีหลักของกันและกัน

ด้วยเป้าหมายหลักในการร่วมพัฒนาและร่วมมือด้านเน็ตเวิร์ก โดย Nvidia จะนำเอาเครื่องมือวิจัยด้านซอฟต์แวร์ AI ของ Nvidia NGC มาผนวกรวมกับแพลตฟอร์มของ VMware อย่าง vSphere, Cloud Foundation, และ Tanzu

ซึ่งจะช่วยเร่งความเร็วในการนำ AI มาใช้ประโยชน์ เปิดให้องค์กรทั้งหลายนำโครงสร้างพื้นฐานที่มีอยู่มาทำงานร่วมกับ AI เพื่อจัดการแอพพลิเคชั่นทั้งหมดผ่านชุดการดำเนินงานเดียวกัน ยกระดับโครงสร้างพื้นฐานให้พร้อมสำหรับ AI

โดยจะมีการเก็บข้อมูลกระจายทั่วทั้งดาต้าเซ็นเตอร์ คลาวด์ และส่วนของ Edge ซึ่งสำหรับความร่วมมือแรกนี้เรียกว่า Project Monterey เป็นสถาปัตยกรรมที่ยกระดับการทำงานของ AI ด้วยเทคโนโลยี SmartNIC และ DPU ตัวล่าสุดอย่าง BlueField-2 ของ Nvidia

ที่มา : Networkworld 

from:https://www.enterpriseitpro.net/vmware-nvidia-partner-to-boost-ai/

มหาวิทยาลัย CKML ในไทยประกาศติดตั้ง NVIDIA DGX POD รวมพลังประมวลผล 30 เพตาฟลอบ

มหาวิทยาลัย CKML ซึ่งเป็นความร่วมมือระหว่างมหาวิทยาลัยคาร์เนกีเมลลอน และและสถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง ประกาศติดตั้ง NVIDIA DGX POD ชุดเซิร์ฟเวอร์ DGX A100 แบบยกตู้ ประกอบไปด้วยเซิร์ฟเวอร์ DGX A100 ทั้งหมด 6 ชุด พลังประมวลผลรวม 30 เพตาฟลอบ เน็ตเวิร์คภายในใช้ Mellanox Spectrum 100GbE และสวิตช์ Quantum 200Gbps Infiniband และสตอเรจอีก 2.5 เพตาไบต์

แถลงข่าวของทาง NVIDIA ไม่ได้ระบุว่า CKML เป็นหน่วยงานลำดับที่เท่าใดที่ใช้เครื่อง DGX POD แต่เมื่อเดือนพฤษภาคมจุฬาลงกรณ์มหาวิทยาลัยเป็นหน่วยงานแรกในไทยที่ติดตั้งเครื่อง DGX A100

งานวิจัยของ CKML ตอนนี้ใช้ปัญญาประดิษฐ์ที่ปลายทาง (Edge) ที่พัฒนาอยู่บนบอร์ด Jetson AGX Xavier และ Jetson Nano การใช้ DGX POD จะช่วยเร่งความเร็วในการฝึกโมเดลปัญญาประดิษฐ์ต่อไป

ที่มา – จดหมายข่าว NVIDIA

No Description

from:https://www.blognone.com/node/118992

Nvidia ต้องการนำ DPU BlueField ใหม่นี้มาใช้กับเซิร์ฟเวอร์ทุกเครื่อง

Nvidia เตรียมขยายตลาดดาต้าเซ็นเตอร์ของตัวเองด้วยชิปตัวใหม่ที่จะแบ่งเบาภาระการประมวลผล “ที่สำคัญ” ทั้งโหลดงานด้านเครือข่าย สตอเรจ และความปลอดภัยออกจากซีพียูกลาง รวมทั้งสร้างความสามารถใหม่ๆ ด้านความปลอดภัยและไฮเปอร์ไวเซอร์ด้วย

โดยยักษ์ใหญ่ด้านผลิตชิปรายนี้มองว่าควรทำกับ “เซิร์ฟเวอร์ทุกเครื่องนับจากนี้เป็นต้นไป” พร้อมทั้งเปิดตัวชิปประเภทใหม่ที่เรียกว่า Data Processing Unit หรือ DPU ประเดิมด้วยรุ่นใหม่ล่าสุดอย่าง BlueField ในงาน GTC 2020 ประจำฤดูใบไม้ร่วงเมื่อวันจันทร์ที่ผ่านมา

ชิปใหม่นี้อยู่ในรูปการ์ด PCIe ที่ใช้ซอฟต์แวร์ DOCA ในฐานะ “สถาปัตยกรรมดาต้าเซ็นเตอร์ที่อยู่บนชิปเดียว” รูปแบบใหม่ ใช้คอร์ของชิป Arm ร่วมกับเทคโนโลยี ConnectX-6 SmartNIC ที่ Nvidia ได้มาจากการซื้อกิจการของ Mellanox Technologies

และในผลิตภัณฑ์บางรุ่นก็จะใช้สถาปัตยกรรม GPU สำหรับดาต้าเซ็นเตอร์ด้วย อย่างไรก็ดี ถึงแม้ DPU จะมีการพัฒนามาก่อนที่ Nvidia จะเริ่มคิดซื้อบริษัทผลิตชิปสัญชาติอังกฤษ Arm เสียอีก แต่ครั้งนี้ก็ถือเป็นก้าวสำคัญที่ Nvidia ต้องการเป็น “บริษัทที่พัฒนาขึ้นระดับดาต้าเซ็นเตอร์” ด้วย

ที่มา : CRN

from:https://www.enterpriseitpro.net/nvidia-dpu-bluefield/

AMD เตรียมปิดดีลซื้อ Xilinx ด้วยมูลค่าสูงกว่า 3 หมื่นล้านเหรียญสหรัฐฯ

สำนักข่าว Wall Street Journal รายงานเมื่อวันพฤหัสที่ผ่านมาว่า AMD กำลังจะปิดดีลที่จะซื้อกิจการผู้ผลิตชิปแบบเขียนโปรแกรมได้อย่าง Xilinx ด้วยมูลค่าสูงมากกว่า 3 หมื่นล้านดอลลาร์สหรัฐฯ ที่นับเป็นความเคลื่อนไหวครั้งยิ่งใหญ่

ดีลนี้จะทำให้ AMD มีอีกสุดยอดผลิตภัณฑ์ที่จะขึ้นมาต่อกรกับยักษ์ใหญ่อย่าง Intel และ Nvidia ได้ ทางสื่อ WSJ เผยว่าการพูดคุยระหว่างสองบริษัทดังกล่าวมีความคืบหน้ามาก จนอาจได้ข้อตกลงเร็วที่สุดภายในสัปดาห์หน้า

แต่ก็ยังตั้งข้อควรระวังไว้ว่าการเจรจาอาจเกิดอุปสรรคอีก เนื่องจากก่อนหน้านี้ก็เคยหยุดการดีลกันมาแล้วครั้งหนึ่ง ทั้งนี้ทั้งสองบริษัทยังไม่มีใครให้ความเห็นกับข่าวนี้ตั้งแต่คืนวันพฤหัส เป็นที่น่าสังเกตุว่าข่าวดีลครั้งนี้เกิดขึ้นให้หลังไม่ถึงเดือน หลังจากที่คู่แข่งอย่าง Nvidia เผยแผนการที่จะซื้อธุรกิจผู้ออกแบบชิปสัญชาติอังกฤษ Arm ด้วยมูลค่ามากกว่า 4 หมื่นล้านเหรียญฯ

สำหรับบริษัท Xiliinx ตั้งอยู่ที่แคลิฟอร์เนีย ก่อตั้งมาตั้งแต่ปี 1984 พัฒนาชิปที่เขียนโปรแกรมใหม่ได้ที่เรียกว่า FPGA

ที่มา : CRN

from:https://www.enterpriseitpro.net/amd-nearing-deal-to-acquire-xilinx/

ก้าวแรกหลังซื้อกิจการ NVIDIA ประกาศพอร์ตซอฟต์แวร์ชุดใหญ่ไปรันบน Arm

ความเคลื่อนไหวแรกหลัง NVIDIA ซื้อ Arm คือการประกาศพอร์ตซอฟต์แวร์ของตัวเองจำนวนมากไปรันบนสถาปัตยกรรม ARM

ฝั่งของฮาร์ดแวร์นั้น NVIDIA มีผลิตภัณฑ์ที่เป็น ARM อยู่ก่อนหน้าแล้วพอสมควร (ตัวล่าสุดคือ BlueField DPU ที่ได้มาจากการซื้อ Mellanox) และคงต้องใช้เวลาสักพักเราถึงจะเริ่มเห็นผลิตภัณฑ์ใหม่ๆ ออกตามมา

แต่ฝั่งซอฟต์แวร์นั้นทำได้เลย นอกจาก CUDA on ARM ที่เคยประกาศไปแล้ว ยังมี NVIDIA AI ชุดซอฟต์แวร์เทรนนิ่ง AI, NVIDIA Rapids สำหรับงาน data science, HPC SDK สำหรับงานคอมพิวเตอร์สมรรถนะสูง, Nsight เครื่องมือสำหรับ visualization เป็นต้น

No Description

ซอฟต์แวร์เหล่านี้มักใช้กับเซิร์ฟเวอร์ ศูนย์ข้อมูล หรืองานอุปกรณ์ฝังตัว ที่เดิมทียังรองรับเฉพาะการรันบนซีพียู x86 เท่านั้น แต่เมื่อ NVIDIA เป็นเจ้าของ Arm แล้ว และประกาศเอาไว้ชัดว่าต้องการผลักดันซีพียู ARM ในฝั่งเซิร์ฟเวอร์เต็มรูปแบบ บริษัทจึงเดินหน้าพอร์ตซอฟต์แวร์ให้ทำงานบน ARM ทันที

ตัวอย่างที่จับต้องได้ที่สุดคือ Fugaku ซูเปอร์คอมพิวเตอร์อันดับ 1 ของโลกในตอนนี้ ใช้ซีพียู Fujitsu A64FX ที่เป็น ARM และมีชุดคำสั่งใหม่ Scalable Vector Extensions (SVE) ที่ยังใช้งานกันไม่แพร่หลายนัก ในฐานะที่ NVIDIA มีซอฟต์แวร์สาย AI จำนวนมากสำหรับรันบนคอมพิวเตอร์สมรรถนะสูง การพอร์ตซอฟต์แวร์เหล่านี้ให้รันบน Arm และรองรับ SVE จึงเป็นสิ่งที่ต้องทำโดยธรรมชาติอยู่แล้ว

ที่มา – NVIDIA

Topics: 

from:https://www.blognone.com/node/118859

NVidia ออก Jetson Nano 2GB ในราคาเพียง 59 เหรียญสหรัฐฯ

NVdia ได้ประกาศออกชุดฮาร์ดแวร์ขนาดเล็ก ‘Jetson Nano 2GB’ สำหรับมือใหม่ที่ต้องการทำด้านหุ่นยนต์และรองรับการประมวลผลด้าน AI ด้วย

credit : Zdnet

Jetson Nano 2GB ถูกหั่นราคาลงจากบอร์ดรุ่นใหญ่อย่าง Xavier NX และ AGX Xavier ซึ่งมีราคาแพงกว่าหลายเท่า โดย Jetson Nano ใช้ Cortex A57 1.43 GHz ซึ่งมี GPU Maxwell 128 Core มาด้วย โดยมีให้เลือก 2 รุ่นในหน่วยความจำแบบ 2 GB และ 4GB ราคา 59 เหรียญสหรัฐฯและ 99 เหรียญสหรัฐฯ ตามลำดับ

เทคโนโลยีของ NVidia ไม่ได้โดดเด่นในส่วนของฮาร์ดแวร์เพียงเท่านั้น เพราะยังได้นำเสนอทั้ง บทเรียนออนไลน์ รองรับกับ NVidia Jetpack SDK และมาพร้อมกับ Container Runtime บน Linux นอกจากนี้ยังมีไลบรารีและเครื่องมือใน CUDA-X ซึ่งพร้อมทำงานในเรื่องของ AI/ML และงานประมวลผลข้อมูล ไปจนถึง NVidia ยังมี Jetson AI Edge Platform สนับสนุนการทำงานด้านหุ่นยนต์ด้วย

กล่าวคือ Jetson Nano เป็นชุดพัฒนาที่ใช้งานด้านหุ่นยนต์และมีสภาพแวดล้อมในการต่อยอดด้าน AI ในราคาย่อมเยาว์นั่นเอง จึงเหมาะกับผู้เริ่มต้นศึกษาทดลอง

ที่มา : https://www.zdnet.com/article/nvidia-unveils-jetson-nano-2gb-for-students-and-robot-hobbyists/ และ https://www.anandtech.com/show/16138/nvidia-gives-jetson-nano-dev-kit-a-trim-2gb-model-for-59

from:https://www.techtalkthai.com/nvidia-debuts-jetson-nano-2gb-for-59-us-dollars/

CEO ของ NVIDIA เผยการ์ดจอ GeForce RTX 3080 และ 3090 ขาดตลาดยาวจนถึงปี 2021

หลังจากที่ NVIDIA ได้เปิดตัว RTX 3000 Series ไปเมื่อต้นเดือนที่ผ่านมา กระแสตอบรับต่างๆ ถือว่าออกมาดีมาก เพราะด้วยการพัฒนาที่ก้าวกระโดดเป็นอย่างมากเมื่อเทียบกับ RTX 2000 Series ไม่แปลกที่ทั้ง RTX 3080 และ 3090 จะขาดตลาดไม่พอขาย ซึ่งทาง CEO ของ NVDIA หรือ Jensen Huang ออกมาเผยว่ากว่าสต๊อกของจะกลับมาเป็นปกติคงต้องรอถึงช่วงต้นปี 2021 เลยทีเดียว

สำหรับปัญหาการขาดแคลน RTX 3080 และ 3090 นี้ ทาง NVIDIA ระบุว่าเกิดจากการที่มีความต้องการของผู้บริโภคมากเกินไป จนไม่สามารถผลิตได้ทัน ซึ่งทาง NVIDIA คาดคะเนผิด และได้ออกมาขออภัยในความล่าช้าที่เกิดขึ้นนี้

เราเชื่อว่าความต้องการการ์ดจอ RTX รุ่นใหม่ของ NVIDIA นี้จะมีมากกว่าจำนวนที่เราผลิตได้ทั้งหมด ยิ่งช่วงวันหยุดยาวสิ้นปี ความต้องการก็ยิ่งมีมากขึ้น ทำให้เราซวยซ้ำซวยซ้อนของขาดตลาดไม่พอขายไปตลอดสิ้นปี 2020 ไตรมาส 4 ปีนี้ถือเป็นฤดูกาลที่ยิ่งใหญ่ของเราจริงๆ

Jensen Huang กล่าว

นอกจากนี้ NVIDIA ก็ได้เลื่อนการวางจำหน่ายกราฟิกการ์ด GeForce RTX 3070 ไปวันที่ 29 ตุลาคม 2020 นี้อีกด้วย เพื่อไม่ให้สินค้าขาดตลาดอย่างหนักเหมือนตอน RTX 3080 กับ 3090 นั่นเอง บอกเลยว่าใครที่ได้ RTX 3000 Series ไปครอบครองช่วงนี้ถือว่าโชคดีสุดๆ ครับผม

 

ที่มา : tomshardware

from:https://droidsans.com/ceo-nvidia-geforce-rtx-3080-3090-shortages/