NVIDIA 与微软于 11 月 19 日宣布扩大 AI 计算合作,范围涵盖 Azure 基础设施、企业模型定制、工业系统和 Windows PC。关键区别在于,这组公告同时包含已运行的基础设施、预览和未来能力。
NVIDIA 的 Ignite 公告描述了从大规模训练、推理到模型在企业数据附近运行的一条共同路径。性能数字和客户成果只适用于特定系统与评估,而不是整个产品组合。
Rubin 基础设施与 Blackwell 成绩是不同的事
NVIDIA 表示,Vera Rubin NVL72 系统已在 Azure 数据中心运行,可支持高要求推理、智能体负载及大规模训练和推理。Azure 的 Rubin 服务仍被描述为预览。
双方还在合作将机密计算扩展至裸金属和整机架基础设施。远程证明用于在释放敏感模型、数据或密钥前验证环境。围绕 NVIDIA MaxLPS 的合作旨在更充分利用可用电力,但公告没有提供实测节电比例。
基准示例则涉及此前的 Blackwell 系统。在 MLPerf Training v6.1 中,Azure 使用 GB200 NVL72 在 DeepSeek-V3 上扩展到 10,240 张 GPU。按 Signal65 的说法,MLPerf Inference v6.1 中的 GB300 NVL72,在 DeepSeek-R1 交互吞吐量上领先云端提交结果超过 10%。
这些结果不应被改写为 Rubin 基准,或所有应用都能提速 10% 的承诺。硬件、任务和比较范围都是主张的组成部分。
Foundry 连接定制与部署
微软的无服务器 Programmed Training 让开发者控制后训练流程,由 Foundry 管理基础设施。Foundry Managed Compute 增加了部署自定义模型权重的支持。
NVIDIA 引用 EY 案例:EY 在 Programmed Training 中调整 Nemotron 模型,用于企业采购记录分类。据报告,其自身评估数据集上的准确率提高 55%,相对专有前沿模型成本降低 15 倍。
这些是有归因的客户结果。公告没有给出基线准确率、数据集规模或完整比较条件,不能将准确率提升改成 55 个百分点,也不能保证另一任务取得相同结果。
Nemotron 3.5 Super 面向长时间运行的编程、研究和业务智能体,Lightning 面向更快响应和工具使用。Embed 与 Rerank 支持检索,Parse 处理文档提取,Content Safety 检测有害内容。低延迟推理用 Bolt 和语音识别用 Transcribe 仍为即将推出。
本地计算与云电脑的可用状态不同
Foundry Local 对 Nemotron 3.5 的支持,把推理、编程和工具使用扩展到 Azure Local 环境。检索能力覆盖文本、文档图像、图表和表格。
Azure Local 将通过硬件伙伴支持 RTX PRO 6000 Blackwell GPU;对 Jetson Thor、Jetson Orin 的扩展面向工业视觉、机器人和自主操作。Cosmos 物理 AI 模型也将进入 Foundry Local。
在 Windows PC 上,RTX Spark 设备将在 Ignite 演示本地语言模型体验。演示不等于所有 PC 配置都已支持相同负载。
面向 GPU 加速的 Windows 365 云电脑,Direct Stream 支持最多两路 4K、每秒 60 帧视频流。目前可报名有限预览,公开预览计划于 2027 年初推出。公告描述了复杂网络下的低延迟,但没有发布普遍适用的延迟保证。
科研智能体仍需走向实验室验证
BioNeMo Agent Toolkit 和 ALCHEMI Toolkit 正扩展到 Microsoft Discovery,面向生命科学、药物发现、材料和化学。BioNeMo 让科学家用自然语言描述计算生物学工作,由智能体协调工具与模型调用。
初始集成使用与华盛顿大学蛋白质设计研究所共同开发的 RFD4-Proteina,生成候选蛋白质结构和氨基酸序列。后续评估和实验室验证仍必不可少;生成候选并不证明治疗方案已获验证。
微软也在内部使用这套技术
Microsoft AI 在后训练阶段使用 Dynamo 处理强化学习 rollout 推理。NVIDIA 表示,它协调 GPU 集群上的推理,包括请求、模型更新与故障恢复。RTX PRO 6000 Blackwell GPU 也用于 Bing 搜索模型。
对企业团队而言,公告拓展了托管定制、本地执行和托管桌面的选择。决策仍取决于具体服务的可用状态、合适硬件和对应负载的证据;已公布的结果不能消除这些边界。
