Na GTC 2026 em San Jose, o CEO da NVIDIA, Jensen Huang, apresentou um discurso de abertura delineando a plataforma de infraestrutura de IA de próxima geração da empresa e um conjunto abrangente de anúncios que abrangem silício, sistemas, software e parcerias de ecossistema. Com mais de 30,000 participantes de mais de 190 países, a GTC 2026 serviu como palco para a atualização de plataforma mais abrangente da NVIDIA desde o lançamento do Blackwell, ancorada na implementação completa da arquitetura Vera Rubin e na integração da tecnologia Groq 3 LPU ao ecossistema de data center da NVIDIA. Como Huang afirmou no palco, o ponto de inflexão da IA ativa chegou, e o Vera Rubin está dando início ao que a NVIDIA descreve como a maior expansão de infraestrutura da história.
O tema central da apresentação principal foi o surgimento de uma quarta lei de escalabilidade da IA: a escalabilidade agentiva, na qual os sistemas de IA se comunicam não apenas com humanos, mas também com outros agentes de IA, impulsionando uma demanda exponencial por inferência de baixa latência e amplo contexto em uma escala sem precedentes. A NVIDIA posicionou a plataforma Vera Rubin como a base de infraestrutura para atender a essa nova fronteira. Ela combina sete chips co-projetados em cinco novos sistemas de escala de rack, construídos especificamente para a fábrica de IA. A plataforma também recebeu o endosso dos laboratórios Frontier AI: o CEO e cofundador da Anthropic, Dario Amodei, observou: “Empresas e desenvolvedores estão usando o Claude para raciocínios cada vez mais complexos, fluxos de trabalho agentivos e decisões de missão crítica. Isso exige uma infraestrutura capaz de acompanhar o ritmo. A plataforma Vera Rubin da NVIDIA nos fornece a capacidade de computação, rede e design de sistema para continuarmos entregando resultados, ao mesmo tempo em que aprimoramos a segurança e a confiabilidade das quais nossos clientes dependem.” O CEO da OpenAI, Sam Altman, afirmou: “A infraestrutura da NVIDIA é a base que nos permite continuar expandindo as fronteiras da IA. Com a NVIDIA Vera Rubin, executaremos modelos e agentes mais poderosos em escala massiva e forneceremos sistemas mais rápidos e confiáveis para centenas de milhões de pessoas.”
Plataforma Vera Rubin: Abrindo a fronteira da IA Agencial
Baseada na arquitetura Vera Rubin NVL72, apresentada inicialmente na CES 2026, a GTC 2026 expandiu a plataforma para um ecossistema abrangente de fábricas de IA em escala de pods. A NVIDIA define isso como uma mudança de chips discretos e servidores independentes para sistemas totalmente integrados em escala de rack, implantações em escala de pods e fábricas de IA autônomas. A plataforma Vera Rubin reúne CPUs NVIDIA Vera, GPUs Rubin, switches NVLink 6, SuperNICs ConnectX-9, DPUs BlueField-4, switches Ethernet Spectrum-6 e uma LPU NVIDIA Groq 3 recém-integrada, todos projetados para operar como um único supercomputador de IA unificado com profundo codesenvolvimento em computação, rede e armazenamento, suportado por um ecossistema de mais de 80 parceiros MGX com uma cadeia de suprimentos global.
A NVIDIA afirma que a plataforma oferece até 10 vezes mais taxa de transferência de inferência por watt e um décimo do custo por token em comparação com a geração Blackwell em todo o espectro de cargas de trabalho de IA. Para o treinamento de grandes modelos Mixture-of-Experts, o Vera Rubin requer apenas um quarto das GPUs para atingir desempenho equivalente. O NVL72 se integra perfeitamente com as tecnologias NVIDIA Quantum-X800 InfiniBand e Spectrum-X Ethernet para manter alta utilização em clusters de GPUs massivos, reduzindo o tempo de treinamento e o custo total de propriedade.
Comparação geracional: Blackwell Ultra vs. Vera Rubin NVL72
| Especificação | GB300 NVL72 (Blackwell Ultra) | VR NVL72 (Vera Rubin) |
|---|---|---|
| Arquitetura Computacional | ||
| Contagem de GPU | 72 GPUs Blackwell Ultra | 72 GPUs Rubin |
| Contagem de CPU | 36 CPUs Grace | 36 CPUs Vera |
| Núcleos de CPU | 72 núcleos ARM por CPU | 88 núcleos ARM Olympus por CPU |
| Desempenho de IA | ||
| Desempenho de inferência FP4 | 1.44 ExaFLOPS | 3.6 ExaFLOPS |
| NVFP4 por GPU (Inferência) | 20 PFLOPS | 50 PFLOPS |
| NVFP4 por GPU (Treinamento) | 10 PFLOPS | 35 PFLOPS |
| Memória | ||
| Tipo de memória da GPU | HBM3e | HBM4 |
| Largura de banda da memória da GPU | ~8 TB/s | ~22 TB/s |
| Interconexão | ||
| Geração NVLink | NV Link 5 | NV Link 6 |
| Largura de banda NVLink (por GPU) | 1.8 TB / s | 3.6 TB / s |
| Largura de banda NVLink em escala de rack | 130 TB / s | 260 TB / s |
| Networking | ||
| NIC de expansão horizontal | ConnectX-8 (800 Gb/s) | ConnectX-9 (1.6 TB/s) |
| Interconexão CPU-GPU | NVLink-C2C (900 GB/s) | NVLink-C2C (1.8 TB/s) |
Os produtos baseados na arquitetura Vera Rubin estarão disponíveis por meio de parceiros a partir do segundo semestre de 2026. Isso inclui os principais provedores de nuvem, como Amazon Web Services, Google Cloud, Microsoft Azure e Oracle Cloud Infrastructure, bem como os parceiros de nuvem da NVIDIA: CoreWeave, Crusoe, Lambda, Nebius, Nscale e Together AI. Espera-se que fabricantes globais de sistemas, como Dell Technologies, HPE, Lenovo e Supermicro, forneçam servidores baseados em produtos Vera Rubin, assim como ASUS, Foxconn, GIGABYTE, Inventec, Pegatron, QCT, Wistron e Wiwynn.
De CPX a LPX: como a aquisição da Groq pela NVIDIA remodelou a aceleração de decodificação.
No ano passado, durante o AI Infra Summit, a NVIDIA anunciou o rack CPX em algumas configurações projetadas para acelerar consultas de inferência de contexto longo. Quando cobrimos esse anúncio, surgiram várias dúvidas sobre a função real do CPX. À primeira vista, embora fosse um conceito arquitetônico interessante, o CPX não parecia oferecer nada substancialmente além da própria GPU Rubin, exceto talvez uma aceleração adicional para operações de atenção.
Em seguida, veio a aquisição da Groq, que foi extremamente popular no setor e gerou especulações sobre como a NVIDIA integraria a tecnologia LPU da Groq à plataforma Vera Rubin. Bem, a NVIDIA esclareceu tudo na GTC 2026 com o anúncio do LPX. Pelo que foi apresentado, parece que o conceito de rack CPX evoluiu para o Groq 3 LPX Rack, com o foco original do CPX no processamento de contexto dando lugar a uma arquitetura de aceleração de decodificação fundamentalmente diferente, construída em torno do silício da Groq.
GPU Rubin vs. LPU Groq 3: Arquiteturas Complementares
| Especificação | GPU Rubin | Groq 3 LPU (LP30) |
|---|---|---|
| Tipo de memória | HBM4 | SRAM empilhada |
| Capacidade de memória (por chip) | 288 GB | 500 MB |
| Largura de banda de memória | 22 TB / s | 150 TB / s |
| Resistência (Strength) | Treinamento de alto rendimento e pré-enchimento | Decodificação de tokens com latência ultrabaixa |
| desenvolvimento | VR NVL72 (72 por rack) | Rack LPX (256 por rack) |
| Memória agregada do rack | ~20.7 TB HBM4 | 128 GB de SRAM |
| Aumentar a largura de banda (Rack) | NVLink 6 de 260 TB/s | 640 TB / s |
Um único rack LPX abriga 256 LPUs Groq 3. Com cada LPU contendo aproximadamente 500 MB de SRAM empilhada, o rack fornece cerca de 128 GB de SRAM on-chip agregada e 640 TB/s de largura de banda de escalonamento, projetada especificamente para aceleração de decodificação de latência ultrabaixa. O contraste entre os dois tipos de processador é marcante: uma GPU Rubin fornece 288 GB de HBM4 com largura de banda de 22 TB/s, enquanto a LPU troca capacidade por largura de banda bruta, fornecendo 150 TB/s de seu pool de SRAM por chip. Quando implantados em conjunto com o VR NVL72 por meio de uma interconexão personalizada baseada em Spectrum X, os dois racks devem processar cada token de decodificação cooperativamente, com a decodificação de atenção existente na camada Rubin e as camadas Feed Forward sendo descarregadas para as LPUs. Otimizada para modelos com trilhões de parâmetros e contexto com milhões de tokens, a arquitetura LPX, desenvolvida em conjunto com a Vera Rubin, maximiza a eficiência em termos de energia, memória e computação. O LPX Rack possui refrigeração líquida completa, é construído sobre a infraestrutura MGX e estará disponível no segundo semestre de 2026, coincidindo com o lançamento mais amplo da Vera Rubin.
É importante destacar que a NVIDIA confirmou que nenhuma alteração no CUDA é necessária. A LPU opera como um acelerador para a pilha CUDA existente em execução nas plataformas Vera e NVL72, com computação descarregada de forma transparente por token. Durante a sessão de perguntas e respostas da GTC, a NVIDIA descreveu a LPU como um "impulsionador de modelos de decodificação" e explicou que trabalhará "em estreita colaboração com os laboratórios de IA e os criadores de modelos de ponta que estão implementando esses modelos com trilhões de parâmetros" para viabilizar a próxima geração de serviços de modelos premium e ultra-premium. Muitos dos fundadores e engenheiros da Groq se juntaram à NVIDIA, e a colaboração entre as duas equipes tem sido excelente, impulsionando o roadmap da Groq para a infraestrutura MGX. A implementação da LPU se concentrará inicialmente em criadores de modelos e provedores de serviços, em vez de ampla disponibilidade para OEMs. Aguardamos ansiosamente as melhorias de desempenho no mundo real resultantes da integração entre a NVIDIA e a Groq.
Rack de CPU Vera: Computação projetada especificamente para aprendizado por reforço e cargas de trabalho com agentes.
Por que a IA Agética exige uma nova classe de CPU?
Para entender por que a NVIDIA construiu um rack de CPUs dedicado, é útil compreender como o aprendizado por reforço (RL) funciona na fase de pós-treinamento do desenvolvimento moderno de IA. O pós-treinamento é a etapa posterior ao pré-treinamento de um modelo em um conjunto de dados massivo, na qual o modelo é refinado e especializado para casos de uso específicos.
Em um cenário de aprendizado por reforço, o ciclo de treinamento envolve três componentes principais: um modelo de política (o modelo que está sendo treinado), um ambiente no qual o modelo executa ações e recebe feedback, e um sinal de recompensa que avalia a qualidade dessas ações. O modelo de política gera saídas candidatas, que são então executadas no ambiente, pontuadas pelo modelo de recompensa, e os gradientes resultantes são usados para atualizar a política.
Para cargas de trabalho de IA com agentes, esse ambiente de RL não é uma simulação abstrata; é um verdadeiro ambiente computacional de teste. Considere, por exemplo, o pós-treinamento de um modelo de codificação com agentes usando ferramentas como o Claude Code ou agentes de codificação autônomos similares. Nesse cenário, são necessários três conjuntos distintos de computação operando simultaneamente. Primeiro, há um conjunto de aceleradores de GPU para treinamento, que atualizam os pesos do modelo de política. Segundo, aceleradores de inferência executam o checkpoint atual do modelo de política para gerar ações candidatas (edições de código, chamadas de ferramentas, operações com arquivos) em escala. Terceiro, e crucialmente, há um grande conjunto de computação convencional de CPU, onde os ambientes de RL reais são executados. É nesses ambientes que os agentes executam o código gerado, executam conjuntos de testes, realizam chamadas de ferramentas, emitem consultas SQL, compilam binários, interagem com sistemas de arquivos e realizam todas as operações de teste que produzem os sinais de recompensa que retroalimentam o ciclo de treinamento.
A escala desse requisito computacional convencional é substancial. Cada execução do modelo de política pode desencadear dezenas de chamadas de ferramentas sequenciais, cada uma das quais deve ser executada, avaliada e retornada antes que a próxima etapa possa prosseguir. Ao gerar milhares de pontos de dados em paralelo durante o treinamento, é necessário um enorme conjunto de CPUs rápidas para evitar que o cluster de treinamento da GPU trave na execução do ambiente. Qualquer latência no pool de sandbox da CPU se traduz diretamente em ciclos ociosos da GPU e desperdício de poder computacional no treinamento. A mesma dinâmica se aplica ao tempo de inferência para sistemas agentes implantados. Cada chamada de ferramenta, compilação de código e execução de sandbox que um agente realiza é trabalho de CPU que deve ser concluído com rapidez suficiente para manter o pipeline agente de ponta a ponta responsivo. Como afirma o material de imprensa da NVIDIA, a CPU não está mais simplesmente dando suporte ao modelo; ela o está impulsionando.
O Vera CPU Rack: a resposta da NVIDIA
Para atender a essa necessidade, a NVIDIA lançou a CPU Vera, que a empresa considera o primeiro processador do mundo desenvolvido especificamente para a era da IA ativa e do aprendizado por reforço. O Vera CPU Rack é um sistema dedicado em escala de rack que contém 256 processadores Vera com refrigeração líquida, capazes de suportar mais de 22,500 ambientes de CPU simultâneos, cada um operando de forma independente com desempenho máximo. As fábricas de IA podem ser implantadas e dimensionadas rapidamente para dezenas de milhares de instâncias simultâneas e ferramentas ativas em um único rack. O rack oferece 400 TB de memória total, 300 TB/s de largura de banda de memória agregada e 64 DPUs BlueField-4, todos compatíveis com os ecossistemas Vera Rubin e DGX e construídos na arquitetura de referência modular NVIDIA MGX.
O próprio processador Vera é construído com 88 núcleos Olympus personalizados, projetados pela NVIDIA, com total compatibilidade com Armv9.2. Cada núcleo suporta duas tarefas simultâneas usando a tecnologia NVIDIA Spatial Multithreading. O subsistema de memória de baixo consumo de segunda geração é baseado em LPDDR5X, oferecendo até 1.2 TB/s de largura de banda, o dobro da largura de banda com metade do consumo de energia em comparação com CPUs de uso geral.
Além das características de desempenho, o Vera Rack também aborda uma preocupação prática da cadeia de suprimentos: organizações que operam fábricas de IA na escala de dezenas de milhares de GPUs precisam de frotas igualmente massivas de CPUs para a execução do ambiente, e obter esse volume de processadores x86 de alto desempenho da AMD ou da Intel na escala e no prazo necessários pode apresentar desafios significativos de aquisição e disponibilidade. Um rack de CPUs NVIDIA integrado verticalmente simplifica essa dependência.
Entre os clientes que colaboram com a NVIDIA para implementar a CPU Vera estão Alibaba, ByteDance, Meta e Oracle Cloud Infrastructure, bem como CoreWeave, Crusoe, Lambda, Nebius, Nscale, Cloudflare, Together AI e Vultr. Os parceiros de fabricação incluem Dell Technologies, HPE, Lenovo, Supermicro, ASUS, Cisco, Foxconn, GIGABYTE e QCT, entre outros.
BlueField-4 STX e NVIDIA CMX: A arquitetura de referência por trás do armazenamento de memória de contexto de inferência
Na CES 2026, a NVIDIA anunciou a plataforma Inference Context Memory Storage (ICMS), uma nova classe de infraestrutura de armazenamento nativa para IA, criada especificamente para o gerenciamento de cache chave-valor em inferência LLM em larga escala. Na GTC 2026, a NVIDIA apresentou a arquitetura de referência que a alimenta: o BlueField-4 STX, um design modular que estende a memória da GPU por todo o pod para contexto agentivo e dados de cache chave-valor. A primeira implementação em escala de rack do STX é a nova plataforma de armazenamento de memória de contexto NVIDIA CMX, que expande a memória da GPU com uma camada de contexto de alto desempenho para sistemas de inferência e agentivos escaláveis.
A necessidade de uma camada de armazenamento dedicada torna-se evidente ao analisarmos a escalabilidade da inferência baseada em Transformers. Cada token gerado deve considerar todos os tokens anteriores por meio do mecanismo de atenção, e o cache de chave-valor (KV) armazena matrizes de atenção pré-computadas para reutilização, evitando recálculos. O problema é que o tamanho do cache KV cresce com o comprimento da sequência e o tamanho do lote. Em ambientes multi-inquilinos que lidam com milhares de solicitações simultâneas em janelas de contexto com milhões de tokens, a memória HBM da GPU se esgota. Os operadores precisam reduzir os tamanhos dos lotes, encurtar as janelas de contexto ou adicionar mais GPUs, o que prejudica a economia ou a capacidade.
O BlueField-4 STX resolve esse problema fornecendo uma camada de armazenamento compartilhada de alta largura de banda, projetada especificamente para padrões de acesso ao cache KV, que fica entre a HBM da GPU e o armazenamento convencional. Ele é acelerado pela plataforma Vera Rubin e utiliza um processador BlueField-4 otimizado para armazenamento, que combina a CPU Vera com a SuperNIC ConnectX-9, juntamente com a rede Ethernet Spectrum-X, NVIDIA DOCA e o software NVIDIA AI Enterprise. A NVIDIA afirma que a plataforma CMX oferece até 5 vezes mais tokens por segundo em comparação com o armazenamento tradicional, 4 vezes mais eficiência energética em comparação com as arquiteturas de CPU tradicionais para armazenamento de alto desempenho e 2 vezes mais rápida a ingestão de dados para dados de IA corporativos.
A NVIDIA também está lançando o DOCA Memos, uma nova estrutura DOCA que potencializa o armazenamento BlueField-4 com processamento de cache KV dedicado para aumentar a taxa de transferência de inferência, ao mesmo tempo que melhora significativamente a eficiência energética. O resultado é um contexto abrangente para todo o POD (Ponto de Domínio) que proporciona interações mais rápidas e complexas com agentes de IA, serviços de IA mais escaláveis e maior utilização geral da infraestrutura. Isso se integra ao projeto de código aberto NVIDIA Dynamo, que fornece a estrutura de software para fases de pré-preenchimento/decodificação desagregadas, roteamento inteligente e descarregamento de armazenamento em camadas.
A STX é uma arquitetura de referência que a NVIDIA não vende diretamente, mas fornece a parceiros do ecossistema de armazenamento. Entre os provedores de armazenamento que estão desenvolvendo infraestrutura de próxima geração com base na STX, estão Cloudian, DDN, Dell Technologies, Everpure, Hitachi Vantara, HPE, IBM, MinIO, NetApp, Nutanix, VAST Data e WEKA. Parceiros de fabricação que estão construindo sistemas baseados em STX incluem AIC, Supermicro e QCT. Laboratórios de IA e provedores de nuvem líderes que planejam adotar a STX para armazenamento de memória de contexto incluem CoreWeave, Crusoe, IREN, Lambda, Mistral AI, Nebius, Oracle Cloud Infrastructure e Vultr. As plataformas baseadas em STX estarão disponíveis por meio de parceiros no segundo semestre de 2026.
Projeto de referência da fábrica de IA DSX de Vera Rubin e projeto DSX do Omniverse
Além de racks e pods individuais, a NVIDIA anunciou o design de referência Vera Rubin DSX AI Factory e a disponibilidade geral do NVIDIA Omniverse DSX Blueprint, que juntos fornecem uma estrutura abrangente para projetar, construir e operar infraestrutura de IA co-criada, maximizando tokens por watt e acelerando o tempo até a primeira produção. Ao integrar de forma eficiente computação, rede, armazenamento, energia e refrigeração, a arquitetura aumenta a eficiência energética e garante que as fábricas de IA possam escalar de forma confiável sob cargas de trabalho contínuas e de alta intensidade, mantendo o máximo tempo de atividade.
A plataforma de software Rubin DSX é aberta, modular e componível, conectando o hardware do cluster com os sistemas de energia e refrigeração. Ela inclui diversas bibliotecas de componentes: o DSX Max-Q permite o provisionamento dinâmico de energia em toda a fábrica de IA, resultando na implantação de 30% mais infraestrutura de IA em um data center com energia fixa. O DSX Flex permite que as fábricas de IA se tornem ativos flexíveis em relação à rede elétrica, desbloqueando o que a NVIDIA estima ser 100 gigawatts de energia ociosa na rede, uma capacidade crítica, visto que a energia é atualmente o maior gargalo para a construção de infraestrutura de IA, com mais de US$ 300 bilhões em atrasos na aquisição de equipamentos e mais de 200 GW em projetos aguardando em filas de interconexão nos EUA. O DSX Exchange permite a integração escalável e segura de sinais de computação, rede, energia, potência e refrigeração entre agentes de TI, tecnologia operacional e operações. Os modelos DSX Sim validam as fábricas de IA como gêmeos digitais de alta fidelidade usando a plataforma NVIDIA DSX Air.
O Omniverse DSX Blueprint, agora disponível para o público em geral em build.nvidia.com e totalmente compatível com o design de referência Vera Rubin DSX, permite que os desenvolvedores criem gêmeos digitais fisicamente precisos de suas fábricas de IA, simulem operações em tempo real e otimizem o desempenho antes do início da construção ou implantação. Isso unifica energia, refrigeração, rede e operações em um único ambiente para acelerar o retorno do investimento e a eficiência da IA.
Entre os líderes do setor que contribuíram para a arquitetura e o projeto do DSX, estão Cadence, Dassault Systèmes, Eaton, Jacobs, Nscale, Phaidra, Procore Technologies, PTC, Schneider Electric, Siemens, Switch, Trane Technologies e Vertiv. Notavelmente, a Nscale e a Caterpillar estão implementando os projetos de referência DSX Vera Rubin na Virgínia Ocidental, em um complexo de vários gigawatts descrito como uma das maiores fábricas de IA do mundo. No setor de energia, a Emerald AI, a GE Vernova, a Hitachi e a Siemens Energy estão utilizando a arquitetura de referência DSX para liberar capacidade da rede elétrica e fornecer a energia necessária para a construção de novas fábricas de IA. A Phaidra integrou o DSX Max-Q em um agente de IA de autoaprendizagem que oferece aproximadamente 10% mais poder computacional, reduzindo picos de temperatura e mantendo a segurança.
NVIDIA Agent Toolkit e OpenCLAW: A pilha de software para agentes autônomos
A TC 2026 também destacou o rápido crescimento das cargas de trabalho de IA com agentes, com a NVIDIA descrevendo os agentes autônomos como a carga de trabalho de crescimento mais rápido que a empresa já viu. O OpenCLAW foi o elemento central dos anúncios de software, descrito como provavelmente o lançamento de software mais importante da história e uma estrutura de orquestração para agentes de longa duração e autoevolutivos chamados CLAWs, sistemas autônomos que podem planejar, agir e executar missões inteiras em vez de tarefas individuais. A NVIDIA caracterizou os CLAWs como a nova camada de aplicação para IA, observando que passamos de perguntas como "o quê, como ou por quê" para perguntas como "construir, criar ou fazer".
A NVIDIA anunciou o NVIDIA Agent Toolkit, uma coleção totalmente de código aberto de modelos, ambientes de execução e projetos para construir, avaliar e otimizar agentes autônomos de longa duração. Os principais componentes incluem os modelos abertos Nemotron para raciocínio, codificação e fala; Nemo para criação de perfis e personalização de agentes; NIM para inferência de modelos; e Dynamo 1.0 para escalabilidade horizontal. As novas adições incluem o NVIDIA OpenShell, um ambiente de execução de segurança de código aberto que fornece diretrizes de rede, privacidade e segurança baseadas em políticas para a execução de agentes, e o IQ, um projeto de código aberto que combina inteligência de ponta e de modelos abertos para agentes de pesquisa avançada, o primeiro sistema de pesquisa a alcançar o topo dos benchmarks Deep Research Bench 1 e Complex Deep Research Bench 2. Uma nova habilidade do cuOPT traz expertise em problemas de otimização descritos em linguagem natural.
A NVIDIA também anunciou o Nemo CLAW, sua contribuição para a comunidade OpenCLAW, desenvolvido em colaboração com Peter Steinberger, um dos criadores do OpenCLAW. O Nemo CLAW instala o OpenCLAW, juntamente com os modelos Nemotron e o ambiente de execução OpenShell, em um único comando, fornecendo uma base para que os agentes desenvolvam e aprendam novas habilidades enquanto operam dentro de diretrizes de privacidade e segurança definidas. Ele pode ser executado em qualquer plataforma, desde infraestrutura em nuvem até PCs RTX locais, DGX Station e DGX Spark.
DGX Spark e DGX Station: Plataformas locais de desenvolvimento CLAW
Reconhecendo que muitos desenvolvedores preferem ambientes de desenvolvimento locais com controle total sobre seus recursos computacionais, a NVIDIA apresentou duas novas plataformas, criadas especificamente para o desenvolvimento de agentes CLAW. O DGX Spark é uma plataforma de alto desempenho e baixo consumo de energia para executar agentes autônomos seguros e sempre ativos. Sistemas DGX Spark e de parceiros OEM baseados em GB10 já estão disponíveis globalmente. O DGX Station, posicionado como a plataforma definitiva para desenvolvimento local de CLAW, permite que os desenvolvedores executem modelos com inteligência de ponta totalmente em infraestruturas locais, sem necessidade de conectividade com a nuvem. Isso é fundamental para o desenvolvimento, pois permite que tudo permaneça local, garantindo controle e segurança completos. Os sistemas DGX Station estarão disponíveis para encomenda em parceiros OEM a partir de 16 de março de 2026.
Módulos Espaciais Vera Rubin: Infraestrutura de IA Além da Terra
A NVIDIA anunciou que suas mais recentes plataformas de computação acelerada estão inaugurando uma nova era de inovação espacial, levando a computação de IA para centros de dados orbitais (ODCs), inteligência geoespacial e operações espaciais autônomas. O Módulo Espacial NVIDIA Vera Rubin oferece até 25 vezes mais poder de computação de IA para inferência espacial do que a GPU NVIDIA H100, permitindo que grandes modelos de linguagem e modelos de fundamentos avançados operem diretamente em órbita. Sua arquitetura CPU-GPU altamente integrada fornece o desempenho e a memória necessários para processar fluxos de dados massivos de instrumentos espaciais em tempo real.
Juntamente com o módulo espacial Vera Rubin, a NVIDIA IGX Thor oferece durabilidade de nível industrial para ambientes de missão crítica em órbita, enquanto o Jetson Orin proporciona inferência de IA de alto desempenho em um módulo ultracompacto otimizado para espaçonaves com restrições de tamanho, peso e potência (SWaP). Em solo, a GPU RTX PRO 6000 Blackwell Server Edition oferece desempenho até 100 vezes mais rápido em comparação com sistemas legados baseados em CPU para processamento de inteligência geoespacial. Parceiros, incluindo Aetherflux, Axiom Space, Kepler Communications, Planet Labs, Sophia Space e Starcloud, estão desenvolvendo essas plataformas para missões espaciais de próxima geração, abrangendo data centers orbitais, operações espaciais autônomas e observação da Terra em tempo real.
NVIDIA Dynamo 1.0: O Sistema Operacional de Inferência para Fábricas de IA
Completando os anúncios da GTC 2026, a NVIDIA iniciou a produção do software de código aberto Dynamo 1.0, que a empresa posiciona como o primeiro sistema operacional distribuído para inferência em fábricas de IA. Assim como o sistema operacional de um computador coordena hardware e aplicativos, o Dynamo 1.0 funciona como a camada de orquestração distribuída para fábricas de IA, gerenciando perfeitamente os recursos de GPU e memória em todo o cluster para suportar cargas de trabalho de IA complexas e heterogêneas em escala.
O Dynamo 1.0 distribui o trabalho de inferência entre GPUs com roteamento inteligente e a capacidade de mover dados entre GPUs e camadas de armazenamento de menor custo, reduzindo o desperdício de computação e aliviando as restrições de memória. Para IA com agentes e cargas de trabalho de contexto longo, o Dynamo pode rotear solicitações para GPUs que já possuem os dados de cache KV mais relevantes de etapas anteriores e, em seguida, liberar essa memória quando não for necessária, uma capacidade que se integra diretamente à arquitetura de armazenamento BlueField-4 STX/ICMS. Em benchmarks recentes do setor, o Dynamo aumentou o desempenho de inferência das GPUs NVIDIA Blackwell em até 7 vezes, reduzindo o custo total e aumentando as oportunidades de receita para milhões de GPUs implantadas, tudo isso com software livre e de código aberto.
A NVIDIA está acelerando o ecossistema de código aberto ao integrar as otimizações do Dynamo e do TensorRT-LLM em frameworks de inferência populares, incluindo LangChain, llm-d, LMCache, SGLang e vLLM. Os principais componentes do Dynamo, KVBM para gerenciamento de memória, NIXL para movimentação rápida de dados entre GPUs e Grove para escalonamento simplificado, também estão disponíveis como módulos independentes. A NVIDIA também contribui com kernels CUDA do TensorRT-LLM para o projeto FlashInfer, permitindo a integração nativa em frameworks de código aberto.
A abrangência da adoção é notável. A plataforma de inferência da NVIDIA agora está integrada a provedores de nuvem, incluindo AWS, Microsoft Azure, Google Cloud e Oracle Cloud Infrastructure, bem como aos parceiros de nuvem da NVIDIA: Alibaba Cloud, CoreWeave, Crusoe, DigitalOcean, Nebius, Nscale e Together AI. Empresas nativas de IA, como Cursor, Hebbia e Perplexity, adotaram a plataforma, assim como os provedores de endpoints de inferência Baseten, Deep Infra e Fireworks. Empresas globais, incluindo Amazon, AstraZeneca, BlackRock, ByteDance, Coupang, Instacart, Meituan, PayPal, Pinterest, Shopee e SoftBank Corp., adotaram a pilha de inferência da NVIDIA. O Dynamo 1.0 já está disponível para desenvolvedores em todo o mundo.
Amazon