GTC ပါရီတွင် NVIDIA သည် AI မောင်းနှင်သော အခြေခံအဆောက်အအုံ၊ ဒစ်ဂျစ်တယ်အမွှာများ၊ ရိုဘော့တစ်များနှင့် အလိုအလျောက်မောင်းနှင်သော ယာဉ်များတွင် ၎င်း၏ဦးဆောင်မှုကို အားဖြည့်ပေးသည့် ကျယ်ပြန့်သောကြေငြာချက်များ ထုတ်ပြန်ခဲ့သည်။ ပွဲ၏ အဓိကအကြောင်းအရာ—ရုပ်ပိုင်းဆိုင်ရာ AI—သည် ဒစ်ဂျစ်တယ်နှင့် ရုပ်ပိုင်းဆိုင်ရာကမ္ဘာများကို ပေါင်းကူးပေးရန်၊ မိတ်ဖက်များနှင့် ဖောက်သည်များအား ပိုမိုစမတ်ကျသော၊ ဘေးကင်းသော၊ ပိုမိုရေရှည်တည်တံ့သော စနစ်များကို တည်ဆောက်ရန် စွမ်းဆောင်နိုင်စေရန် NVIDIA ၏ ကတိကဝတ်ကို အလေးပေးဖော်ပြခဲ့သည်။ နည်းပညာဆိုင်ရာ အရောင်းပညာရှင်များအတွက်၊ ဤဆန်းသစ်တီထွင်မှုများသည် မြို့ပြဖွံ့ဖြိုးတိုးတက်မှု၊ ထုတ်လုပ်မှုနှင့် ရွေ့လျားနိုင်မှုတို့တွင် အရေးတကြီးဆုံးစိန်ခေါ်မှုများကို ဖြေရှင်းပေးသည့် ဖြေရှင်းချက်များ၏ ခိုင်မာသောအစုစုကို ကိုယ်စားပြုသည်။
Smart City AI အတွက် Omniverse ပုံစံ- ရေရှည်တည်တံ့သော မြို့ပြအနာဂတ်များကို ဖော်ဆောင်ပေးခြင်း
NVIDIA သည် Omniverse၊ Cosmos၊ NeMo နှင့် Metropolis ပလက်ဖောင်းများကို ပေါင်းစပ်ထားသည့် reference framework တစ်ခုဖြစ်သည့် Omniverse Blueprint ကို မိတ်ဆက်ခဲ့သည်။ ဤ blueprint သည် မြို့များနှင့် ၎င်းတို့၏လုပ်ဖော်ကိုင်ဖက်များအား simulation-ready၊ photorealistic digital twin များ ဖန်တီးရာတွင် အထောက်အကူပြုရန် ဒီဇိုင်းထုတ်ထားပြီး မြို့တော်လုပ်ငန်းဆောင်တာများနှင့် အခြေခံအဆောက်အအုံများကို အကောင်းဆုံးဖြစ်စေသည့် AI agent များ တီထွင်ခြင်း၊ စမ်းသပ်ခြင်းနှင့် ဖြန့်ကျက်ခြင်းတို့ကို အထောက်အကူပြုရန် ရည်ရွယ်ပါသည်။
မြို့ပြလူဦးရေ ၂၀၅၀ ပြည့်နှစ်တွင် နှစ်ဆတိုးလာမည်ဟု ခန့်မှန်းထားသောကြောင့် မြို့ကြီးများသည် ရေရှည်တည်တံ့သော ဝန်ဆောင်မှုများနှင့် ထိရောက်သော အများပြည်သူစီမံကိန်းရေးဆွဲခြင်းများကို ပေးအပ်ရန် ဖိအားများ တိုးပွားလာနေသည်။ Omniverse Blueprint သည် ချောမွေ့စွာ ပေါင်းစပ်မှုနှင့် စီမံခန့်ခွဲမှုကို ဖြစ်စေသည့် ပေါင်းစည်းထားသော software stack တစ်ခုကို ပံ့ပိုးပေးခြင်းဖြင့် မြို့ပြအတိုင်းအတာ ဒစ်ဂျစ်တယ်အမွှာများ တည်ဆောက်ခြင်းနှင့် စီမံခန့်ခွဲခြင်း၏ ရှုပ်ထွေးမှုကို ဖြေရှင်းပေးသည်။ Omniverse သည် ရုပ်ပိုင်းဆိုင်ရာ တိကျသော သရုပ်ဖော်မှုများကို စွမ်းအားပေးသည်၊ Cosmos သည် AI မော်ဒယ်လေ့ကျင့်မှုအတွက် ပေါင်းစပ်ဒေတာကို ထုတ်ပေးသည်၊ NeMo သည် ဘာသာစကားကြီးများနှင့် အမြင်အာရုံ-ဘာသာစကားမော်ဒယ်များကို စီစဉ်ပြီး ပိုမိုကောင်းမွန်အောင် ပြုလုပ်သည်။ တစ်ချိန်တည်းမှာပင်၊ Metropolis သည် အချိန်နှင့်တပြေးညီ ထိုးထွင်းသိမြင်မှုများကို ပေးစွမ်းရန်အတွက် ဗီဒီယိုခွဲခြမ်းစိတ်ဖြာမှုအတွက် AI အေးဂျင့်များကို ဖြန့်ကျက်သည်။
လုပ်ငန်းစဉ်ကို ပိုမိုကောင်းမွန်အောင် ပြုလုပ်ထားသည်- ဆော့ဖ်ဝဲရေးသားသူများသည် လေကြောင်း သို့မဟုတ် မြေပုံဒေတာကို အသုံးပြု၍ SimReady ဒစ်ဂျစ်တယ်အမွှာများကို ဖန်တီးကြပြီး TAO နှင့် NeMo Curator ဖြင့် AI မော်ဒယ်များကို လေ့ကျင့်ပေးပြီး အသေးစိတ်ချိန်ညှိကာ စောင့်ကြည့်ခြင်းနှင့် လုပ်ငန်းလည်ပတ်မှုဆိုင်ရာ အသိဉာဏ်အတွက် အချိန်နှင့်တပြေးညီ AI အေးဂျင့်များကို ဖြန့်ကျက်ကြသည်။ SNCF Gares&Connexions၊ K2K၊ Milestone Systems နှင့် Bentley အပါအဝင် အစောပိုင်းအသုံးပြုသူများသည် ပြုပြင်ထိန်းသိမ်းမှု၊ စွမ်းအင်ထိရောက်မှုနှင့် အများပြည်သူဘေးကင်းရေးတို့တွင် တိုင်းတာနိုင်သော တိုးတက်မှုများကို ရရှိရန် ပုံစံငယ်ကို အသုံးချနေကြပြီဖြစ်သည်။
ဥပမာအားဖြင့် SNCF Gares&Connexions သည် ၎င်း၏ ရထားဘူတာရုံ ၃၀၀၀ ကွန်ရက်တစ်လျှောက်တွင် digital twin များနှင့် AI အေးဂျင့်များကို အကောင်အထည်ဖော်ခဲ့ပြီး အချိန်မှန် ကြိုတင်ကာကွယ်ပြုပြင်ထိန်းသိမ်းမှုနှုန်း ၁၀၀% ရရှိခဲ့ကာ ရပ်တန့်ချိန်နှင့် တုံ့ပြန်မှုအချိန်များကို ထက်ဝက်လျှော့ချပေးခဲ့ပြီး စွမ်းအင်သုံးစွဲမှုကို ၂၀% လျှော့ချပေးခဲ့သည်။ စစ္စလီတွင် NVIDIA ၏ AI Blueprint နှင့် Nebius cloud ဖြင့်တည်ဆောက်ထားသော K2K ၏ AI အေးဂျင့်များသည် အချိန်နှင့်တပြေးညီ အများပြည်သူဘေးကင်းရေးသတိပေးချက်များကို ပေးဆောင်သည်။ Milestone Systems ၏ Project Hafnia သည် AI မော်ဒယ်ဖွံ့ဖြိုးတိုးတက်မှုအတွက် အမည်မဖော်လိုသော၊ စည်းမျဉ်းစည်းကမ်းနှင့် ကိုက်ညီသော ဗီဒီယိုဒေတာပလက်ဖောင်းတစ်ခုကို ဖန်တီးနေပြီး Linker Vision နှင့် AVES Reality တို့သည် SimReady Omniverse twin များထဲသို့ 3D မြို့ဂျီသြမေတြီကို ယူဆောင်လာကြသည်။
DiffusionRenderer နှင့် Cosmos Predict
NVIDIA Research သည် inverse နှင့် forward rendering တို့ကို စွမ်းဆောင်ရည်မြင့်အင်ဂျင်တစ်ခုတည်းအဖြစ် ပေါင်းစပ်ပေးသည့် neural rendering နည်းပညာတစ်ခုဖြစ်သည့် DiffusionRenderer ဖြင့် AI-powered rendering ၏ နယ်နိမိတ်များကို ဆက်လက်တွန်းအားပေးနေပါသည်။ ဤနည်းပညာသည် content ဖန်တီးသူများနှင့် physical AI developer များအား 2D ဗီဒီယိုများတွင် အလင်းရောင်ကို တည်းဖြတ်ခြင်း၊ AV နှင့် robotics လေ့ကျင့်ရေးအတွက် synthetic data များထုတ်လုပ်ခြင်းနှင့် မကြုံစဖူး လက်တွေ့ဆန်သော photorealistic မြင်ကွင်းများကို ဖန်တီးနိုင်စေပါသည်။
DiffusionRenderer သည် 2D ဗီဒီယိုဒေတာကိုသာ အသုံးပြု၍ မြင်ကွင်းများကို de-light နှင့် re-light လုပ်နိုင်ပြီး 3D geometry မလိုအပ်ဘဲ normals နှင့် material roughness ကဲ့သို့သော ရှုပ်ထွေးသောဂုဏ်သတ္တိများကို ခန့်မှန်းနိုင်သည်။ ၎င်းသည် အရိပ်အသစ်များ၊ ရောင်ပြန်ဟပ်မှုများနှင့် အလင်းရောင်အခြေအနေများကို ဖန်တီးနိုင်စေပြီး autonomous system များအတွက် training dataset များ၏ မတူကွဲပြားမှုနှင့် အရည်အသွေးကို မြှင့်တင်ပေးသည်။
DiffusionRenderer ကို Cosmos Predict-1 နှင့် ပေါင်းစပ်ခြင်းဖြင့် NVIDIA သည် ပေါင်းစပ်ဒေတာထုတ်လုပ်မှု၏ အရည်အသွေးနှင့် တသမတ်တည်းရှိမှုကို ပိုမိုတိုးတက်ကောင်းမွန်စေခဲ့သည်။ ပိုမိုကျယ်ပြန့်သော Cosmos ပလက်ဖောင်း၏ အစိတ်အပိုင်းတစ်ခုဖြစ်သည့် Cosmos Predict သည် ကမ္ဘာ့အဆင့်မီ အခြေခံမော်ဒယ်များနှင့် ရုပ်ပိုင်းဆိုင်ရာ AI ဖွံ့ဖြိုးတိုးတက်မှုအတွက် အရှိန်မြှင့်ထားသော ဒေတာပိုက်လိုင်းများကို ပံ့ပိုးပေးပါသည်။ ဤတိုးတက်မှုများသည် မော်တော်ကား၊ ရိုဘော့တစ်နှင့် ဖန်တီးမှုမီဒီယာကဲ့သို့သော မြင့်မားသောတိကျမှုရှိသော သရုပ်ဖော်မှုနှင့် ဒေတာတိုးမြှင့်မှုအပေါ် မှီခိုနေရသော စက်မှုလုပ်ငန်းများအတွက် အရေးကြီးပါသည်။
FoundationStereo၊ Scene Flow နှင့် Difix3D+
NVIDIA ရဲ့ သုတေသနအဖွဲ့တွေဟာ ကွန်ပျူတာအမြင်နဲ့ AI မှာ အရှိန်အဟုန်နဲ့ ဆက်လက်တိုးတက်နေပြီး CVPR မှာ စာတမ်းအတော်များများကို အသိအမှတ်ပြုထားပါတယ်။ FoundationStereo ဟာ 2D ရုပ်ပုံတွေကနေ 3D သတင်းအချက်အလက်တွေကို ပြန်လည်တည်ဆောက်ပေးပြီး လက်ရှိနည်းလမ်းတွေထက် သာလွန်ကောင်းမွန်အောင် လုပ်ဆောင်ပေးပြီး နယ်ပယ်အသီးသီးမှာ ယေဘုယျအားဖြင့် အသုံးချနိုင်ပါတယ်။ Brown University နဲ့အတူ တီထွင်ထားတဲ့ Zero-Shot Monocular Scene Flow Estimation မော်ဒယ်ဟာ ရုပ်ပုံတစ်ခုတည်းကနေ 3D ရွေ့လျားမှုနယ်ပယ်တွေကို ခန့်မှန်းပေးပါတယ်။ Difix3D+ ဟာ 3D မြင်ကွင်းပြန်လည်တည်ဆောက်မှုတွေမှာ artifacts တွေကို ဖယ်ရှားပေးပြီး digital twins နဲ့ simulation environments တွေရဲ့ အရည်အသွေးကို မြှင့်တင်ပေးပါတယ်။
NVIDIA ၏ Autonomous Grand Challenge တွင် စဉ်ဆက်မပြတ် အသိအမှတ်ပြုခံရခြင်း—သုံးနှစ်ဆက်တိုက် အနိုင်ရခြင်း—သည် end-to-end autonomous system ဖွံ့ဖြိုးတိုးတက်မှုတွင် ကုမ္ပဏီ၏ ဦးဆောင်မှုကို ပြသနေပါသည်။
စက်မှုလုပ်ငန်း အလိုအလျောက်လုပ်ဆောင်ခြင်းကို အရှိန်မြှင့်တင်ခြင်း
ဥရောပထုတ်လုပ်သူများသည် အလုပ်သမားရှားပါးမှုနှင့် ရေရှည်တည်တံ့ခိုင်မြဲမှုဆိုင်ရာ လိုအပ်ချက်များနှင့် ရင်ဆိုင်နေရသောကြောင့် NVIDIA သည် ဘေးကင်းသော၊ AI မောင်းနှင်သော နောက်မျိုးဆက် စက်ရုပ်များကို ဖန်တီးပေးနေပါသည်။ GTC Paris တွင် Agile Robots၊ Extend Robotics၊ Universal Robots နှင့် အခြားကုမ္ပဏီများအပါအဝင် ထိပ်တန်းစက်ရုပ်ကုမ္ပဏီများသည် NVIDIA ၏ပလက်ဖောင်းများမှ စွမ်းအားပေးသော တိုးတက်မှုများကို ပြသခဲ့ကြသည်။
NVIDIA Isaac GR00T N1.5 သည် humanoid robot ကျိုးကြောင်းဆင်ခြင်ခြင်းအတွက် open foundation မော်ဒယ်တစ်ခုဖြစ်ပြီး ပစ္စည်းကိုင်တွယ်ခြင်းနှင့် ထုတ်လုပ်ခြင်းအတွက် ပိုမိုကောင်းမွန်သော လိုက်လျောညီထွေဖြစ်မှုနှင့် ညွှန်ကြားချက်များကို လိုက်နာခြင်းတို့ကို ပေးဆောင်ပါသည်။ RTX PRO 6000 အတွက် အကောင်းဆုံးဖြစ်အောင်ပြုလုပ်ထားသော နောက်ဆုံးပေါ် Isaac Sim နှင့် Isaac Lab frameworks များကို developer preview အတွက် ရရှိနိုင်ပြီး အဆင့်မြင့် simulation နှင့် learning ကို ပံ့ပိုးပေးပါသည်။
NVIDIA Halos သည် ပြည့်စုံသော ဘေးကင်းရေးစနစ်တစ်ခုဖြစ်ပြီး ယခုအခါ ရိုဘော့တစ်နည်းပညာအထိ တိုးချဲ့ထားပြီး ဟာ့ဒ်ဝဲ၊ AI မော်ဒယ်များနှင့် ဆော့ဖ်ဝဲလ်များကို ပေါင်းစပ်ထားခြင်းဖြင့် ဖွံ့ဖြိုးတိုးတက်မှု လုပ်ငန်းစဉ်တစ်လျှောက်လုံး လုပ်ဆောင်နိုင်သော ဘေးကင်းရေးကို သေချာစေပါသည်။ ANSI အမျိုးသား အသိအမှတ်ပြုဘုတ်အဖွဲ့ (ANAB) မှ အသိအမှတ်ပြုထားသော Halos AI Systems Inspection Lab သည် ရိုဘော့တစ်နှင့် မော်တော်ကားအပလီကေးရှင်းများအတွက် လိုက်နာမှုနှင့် ဘေးကင်းရေး အတည်ပြုချက်ကို ပေးပါသည်။ NVIDIA IGX ပလက်ဖောင်းနှင့် Holoscan Sensor Bridge အတွက် ဘေးကင်းရေး တိုးချဲ့မှု အထုပ်အသစ်များသည် ဘေးကင်းရေးလုပ်ဆောင်ချက်များနှင့် အာရုံခံကိရိယာမှ တွက်ချက်သည့် ဗိသုကာလက်ရာများ ပေါင်းစပ်မှုကို ပိုမိုရိုးရှင်းစေပါသည်။
AV အဆုံးမှအဆုံး AI၊ ဘေးကင်းရေးနှင့် ပေါင်းစပ်ဒေတာ
NVIDIA DRIVE သည် အလိုအလျောက်မောင်းနှင်နိုင်သောနှင့် အလိုအလျောက်မောင်းနှင်မှုမြင့်မားသော ယာဉ်များဆီသို့ ကမ္ဘာလုံးဆိုင်ရာပြောင်းလဲမှုကို ဆက်လက်လုပ်ဆောင်နေပါသည်။ ဦးဆောင်ကားထုတ်လုပ်သူများနှင့်အတူ ထုတ်လုပ်နေပြီဖြစ်သော full-stack AV software platform သည် အလိုအလျောက်မောင်းနှင်နိုင်သော ယာဉ်များ၏ ဘေးကင်းလုံခြုံသော၊ တိုးချဲ့နိုင်သော နှင့် ထိရောက်သော ဖွံ့ဖြိုးတိုးတက်မှုကို ဖြစ်စေပါသည်။ NVIDIA ၏ modular ချဉ်းကပ်မှုသည် ဖောက်သည်များအား ADAS မှ အပြည့်အဝအလိုအလျောက်မောင်းနှင်မှုအထိ အရာအားလုံးကို ပံ့ပိုးပေးသည့် stack တစ်ခုလုံး သို့မဟုတ် သီးခြားအစိတ်အပိုင်းများကို လက်ခံကျင့်သုံးနိုင်စေပါသည်။
ကွန်ပျူတာသုံးလုံးပါဝင်သော ဖြေရှင်းချက်—AI လေ့ကျင့်ရေးအတွက် DGX စနစ်များ၊ သရုပ်ဖော်ခြင်းနှင့် ပေါင်းစပ်ဒေတာအတွက် Omniverse နှင့် Cosmos နှင့် ယာဉ်အတွင်းတွက်ချက်မှုအတွက် DRIVE AGX—သည် AV ဖွံ့ဖြိုးတိုးတက်မှုအတွက် ပြည့်စုံသော လမ်းကြောင်းတစ်ခုကို ပံ့ပိုးပေးပါသည်။ ဤဗိသုကာလက်ရာသည် မော်တော်ကားထုတ်လုပ်သူများအား လက်တွေ့ကမ္ဘာမောင်းနှင်မှုဒေတာကို သရုပ်ဖော်မိုင်ဘီလီယံပေါင်းများစွာအဖြစ် ပြောင်းလဲနိုင်စေပြီး အတည်ပြုခြင်းနှင့် စဉ်ဆက်မပြတ်တိုးတက်မှုကို အရှိန်မြှင့်တင်ပေးပါသည်။
NVIDIA ရဲ့ end-to-end AV software ဟာ deep learning နဲ့ foundation model တွေကို အသုံးပြုပြီး sensor data တွေကို process လုပ်ပြီး vehicle action တွေကို ထိန်းချုပ်ပေးပါတယ်။ ရိုးရာ modular pipelines တွေထက် ကျော်လွန်ပြီး Omniverse Blueprint for AV simulation နဲ့ Cosmos Predict-2 world foundation model တွေက ခိုင်မာပြီး လူသားလို မောင်းနှင်မှုစနစ်တွေ ဖွံ့ဖြိုးတိုးတက်မှုကို ပိုမိုမြှင့်တင်ပေးပါတယ်။
Cosmos Predict-2 သည် ပိုမိုကောင်းမွန်သော နောက်ခံအချက်အလက်နားလည်မှုနှင့် ဗီဒီယိုထုတ်လုပ်မှုဖြင့် အလိုအလျောက်ယာဉ် (AV) လေ့ကျင့်မှုအတွက် ပေါင်းစပ်ဒေတာဖန်တီးမှုကို အရှိန်မြှင့်တင်ပေးသည်။ လက်တွေ့ကမ္ဘာမောင်းနှင်မှုဒေတာဆိုင်ရာ လေ့ကျင့်မှုအပြီးတွင် multi-view ဗီဒီယိုများထုတ်လုပ်နိုင်စေပြီး အချက်အလက်အစုများကို တိုးမြှင့်ပေးပြီး စိန်ခေါ်မှုရှိသောအခြေအနေများတွင် မော်ဒယ်စွမ်းဆောင်ရည်ကို တိုးတက်စေသည်။ Gatik၊ Oxa၊ Plus နှင့် Uber ကဲ့သို့သော စက်မှုလုပ်ငန်းဦးဆောင်သူများသည် ၎င်းတို့၏ AV ဖွံ့ဖြိုးတိုးတက်မှုကို တိုးချဲ့ရန် Cosmos Predict ကို အသုံးပြုနေကြပြီဖြစ်သည်။
ဦးဆောင် open-source AV simulator ဖြစ်သော CARLA သည် ယခုအခါ Cosmos Transfer နှင့် NuRec API များကို ပေါင်းစပ်ထားပြီး developer များအနေဖြင့် high-fidelity synthetic scenes များကို ဖန်တီးနိုင်ပြီး ကွဲပြားသော driving scenarios များကို simulate လုပ်နိုင်ပါသည်။ Cosmos-generated clips ၄၀,၀၀၀ ပါရှိသော NVIDIA Physical AI Dataset သည် လေ့ကျင့်မှုနှင့် အတည်ပြုချက်အတွက် ကြွယ်ဝသော အရင်းအမြစ်တစ်ခုကို ပံ့ပိုးပေးပါသည်။
NVIDIA Halos ဖြင့် အဆုံးမှအဆုံး ဘေးကင်းရေး
AV ဖွံ့ဖြိုးတိုးတက်ရေးတွင် ဘေးကင်းရေးသည် အဓိကကျနေဆဲဖြစ်သည်။ ယခုနှစ်အစောပိုင်းတွင် စတင်မိတ်ဆက်ခဲ့သော NVIDIA Halos သည် cloud-to-car spectrum တစ်လျှောက်တွင် ဘေးကင်းသော ဖွံ့ဖြိုးတိုးတက်မှုနှင့် ဖြန့်ကျက်မှုကို သေချာစေရန် hardware၊ software နှင့် AI မော်ဒယ်များကို ပေါင်းစပ်ထားသော ပြည့်စုံသော ဘေးကင်းရေးပလက်ဖောင်းတစ်ခုကို ပေးဆောင်သည်။ DriveOS ဘေးကင်းရေးအသိအမှတ်ပြု operating system သည် တင်းကျပ်သော မော်တော်ကားစံနှုန်းများနှင့် ကိုက်ညီပြီး Halos သည် simulation၊ လေ့ကျင့်မှုနှင့် ဖြန့်ကျက်မှုတစ်လျှောက်လုံးတွင် guardrails များကို ပံ့ပိုးပေးသည်။
Bosch၊ Easyrain၊ Nuro နှင့် အခြားစက်မှုလုပ်ငန်းဦးဆောင်သူများသည် ၎င်းတို့၏ထုတ်ကုန်များကို NVIDIA နည်းပညာများနှင့် ဘေးကင်းစွာပေါင်းစပ်ထားခြင်းကို အတည်ပြုရန်အတွက် Halos AI Systems Inspection Lab နှင့် ပူးပေါင်းခဲ့ကြသည်။ ဤပူးပေါင်းဆောင်ရွက်မှုချဉ်းကပ်မှုသည် AV စနစ်များသည် အမြင့်ဆုံးလုပ်ဆောင်နိုင်စွမ်းဘေးကင်းရေးစံနှုန်းများနှင့် ကိုက်ညီကြောင်းသေချာစေပြီး စက်မှုလုပ်ငန်း၏ AI-defined မော်တော်ယာဉ်များဆီသို့ ကူးပြောင်းမှုကို ပံ့ပိုးပေးပါသည်။
NVIDIA ရဲ့ ရုပ်ပိုင်းဆိုင်ရာ AI ရဲ့ အနာဂတ်အတွက် ပုံစံ
GTC ပါရီတွင် NVIDIA ၏ ကြေငြာချက်များသည် AI၊ simulation နှင့် လက်တွေ့ကမ္ဘာစနစ်များ ပေါင်းစည်းခြင်းအတွက် အဓိကအခိုက်အတန့်တစ်ခုဖြစ်သည်။ စမတ်မြို့များ၊ ရိုဘော့တစ်များနှင့် အလိုအလျောက်ယာဉ်များအတွက် ပေါင်းစည်းထားသောပလက်ဖောင်းများနှင့် ရည်ညွှန်းပုံစံများကို ပေးအပ်ခြင်းဖြင့် NVIDIA သည် မိတ်ဖက်များနှင့် ဖောက်သည်များအား ဆန်းသစ်တီထွင်မှုကို အရှိန်မြှင့်တင်ရန်၊ ဘေးကင်းရေးကို မြှင့်တင်ရန်နှင့် ရေရှည်တည်တံ့သော တိုးတက်မှုကို မောင်းနှင်ရန် စွမ်းဆောင်နိုင်စေပါသည်။
အမေဇုံ