IRAN SERVER NEWSانویدیا در ۱۷ ژوئیه ۲۰۲۶ یکی از مهمترین بحثهای فنی این هفته را از دل بازاریابی بیرون کشیده و به زبان معماری زیرساخت مطرح کرده است: در عصر agentic AI، صرفاً پایین آوردن cost per token کافی نیست و باید معیاری بالاتر به نام intelligence per dollar را سنجید. این بیان شاید در نگاه اول شعاری به نظر برسد، اما متن رسمی انویدیا دقیقاً روی همان چیزی دست میگذارد که امروز مراکز داده AI با آن روبهرو هستند؛ اینکه post-training دیگر مرحلهای کوتاه و یکباره نیست، بلکه به بار دائمی و پرهزینهای تبدیل شده که مستقیماً روی طراحی GPU، CPU، orchestration و runtime اثر میگذارد.
برای خواننده حرفهای، ارزش خبر در همین جابهجایی نگاه است. چند سال قبل بیشتر تمرکز بر training اولیه و سپس serving بود. اما وقتی مدل به عامل تبدیل میشود، باید مدام با ابزارهای تازه، edge caseهای جدید، policyهای هر استقرار و feedback محیط واقعی سازگار شود. نتیجه این است که post-training از یک مرحله پایانی به workload همیشگی بدل میشود؛ همان چیزی که انویدیا میگوید محرک اصلی intelligence per dollar در عصر agentic AI است.
لید خبری
انویدیا استدلال میکند که برای بارهای post-training عاملمحور، معیار واقعی موفقیت فقط نرخ تولید توکن ارزانتر نیست. زیرساخت باید بتواند با هزینه کمتر، هوشمندی بیشتری بسازد و این چرخه را بیوقفه تکرار کند. Vera Rubin دقیقاً با همین فرض طراحی شده است: بیشترین بازده برای rolloutهای بیشتر، محیطهای RL بیشتر و iterationهای سریعتر بین آموزش و استنتاج.
نکات مهم
- انویدیا post-training را workload مرکزی عصر agentic AI توصیف میکند، نه مرحلهای مقطعی پس از pretraining.
- در متن رسمی، intelligence per dollar بهعنوان معیاری بالاتر از cost per token معرفی میشود.
- شرکت میگوید Vera Rubin میتواند بزرگترین مدلها را با یکچهارم GPUهای نسل Blackwell آموزش دهد.
- انویدیا برای post-training به ابزارهای NeMo Gym و NeMo RL بهعنوان زیرساخت repeatable اشاره میکند.
- Prime Intellect طبق داده منتشرشده در workloadهای واقعی RL sandbox بهطور میانگین ۳۰ درصد throughput بیشتر بهازای CPU با Vera گزارش کرده است.
معرفی فنی
شرح فنی انویدیا از post-training دقیق است. شرکت توضیح میدهد که pretraining به مدل fluency میدهد، اما post-training جایی است که مدل یاد میگیرد کدنویسی کند، task چندمرحلهای را برنامهریزی کند، از ابزار استفاده کند و هنگام شکست recovery داشته باشد. این بخش برای agentها حیاتیتر از مدلهای صرفاً مولد است، چون agent قرار نیست فقط پاسخی متنی بدهد؛ باید هدف را دنبال کند، ابزارهای مختلف را به کار بگیرد و در میانه کار خود را با تغییرات محیط تطبیق دهد.
همین نیاز باعث میشود RL و rolloutهای وسیع به مرکز ثقل زیرساخت تبدیل شوند. مدل یک تلاش انجام میدهد، پاداش میگیرد، وزنها در backward pass بهروز میشوند و این چرخه در میلیونها تکرار ادامه پیدا میکند. انویدیا میگوید مشکل فقط سنگینی هر run نیست؛ مسئله این است که این runها هیچوقت تمام نمیشوند. هزاران محیط موازی باید rollout تولید کنند، rewardها محاسبه شوند و وزنهای تازه بهسرعت بین training و inference nodeها جابهجا شوند.
تغییرات یا مشخصات
در این چارچوب، cost per token فقط یک لایه از ماجرا را اندازه میگیرد. انویدیا میگوید اگر inference موتور درآمد است، post-training ضریب آن است. یعنی هرچه post-training مدل را توانمندتر کند، ارزش هر توکنی که بعداً سرو میشود بیشتر میشود. بنابراین intelligence per dollar میپرسد ساخت و نگهداری مدلی که ارزش serving داشته باشد، چقدر هزینه میبرد. نتیجه این تحلیل آن است که معماری خوب باید هم operating yield را پایین بیاورد و هم هزینه تولید هوشمندی را.
شرکت برای پشتیبانی از این ادعا چند مثال میآورد. NVIDIA Nemotron 3 Ultra، یک مدل open-weight با ۵۵۰ میلیارد پارامتر از نوع mixture-of-experts، طبق متن رسمی در SWE-bench verified به امتیاز ۷۱.۷ درصد رسیده و حدود هفت باگ از هر ده باگ نرمافزار متنباز را با fix قابلقبول رفع کرده است. از طرف دیگر، Perplexity از stack RL ناهمگام روی صدها GPU انویدیا و موتور انتقال وزن مبتنی بر RDMA استفاده میکند تا مدلهای تریلیونپارامتری را در کمتر از دو ثانیه بین گرههای training و inference همگام کند. اینها دقیقاً همان نوع جزئیاتی هستند که نشان میدهند بحث دیگر صرفاً درباره شتابدهنده خام نیست، بلکه درباره orchestration کامل data center است.
کاربرد سازمانی
برای تیمهای enterprise، مهمترین برداشت از این خبر آن است که AI infrastructure آینده فقط حول serving cluster تعریف نمیشود. اگر سازمانی واقعاً بخواهد agentهای خود را بهروز نگه دارد، رفتارشان را با محیط عملیاتی همسو کند و cycle یادگیری مداوم داشته باشد، باید post-training را هم در ظرفیتسنجی، شبکه، storage و scheduler ببیند. این نگاه روی طراحی rack، interconnect، sandboxهای RL و حتی نقش CPUها در orchestration اثر میگذارد.
جالبتر اینکه انویدیا روی کدباز شدن بخشی از این stack هم تأکید دارد. NeMo Gym و NeMo RL برای سازمانها معنی مشخصی دارند: حرکت از کدهای bespoke آزمایشگاهی به زیرساخت تکرارپذیرتر. اگر این ادعا در عمل هم پایدار بماند، barrier ورود برای تیمهایی که میخواهند post-training سازمانی را داخلیتر کنند پایین میآید.
محدودیتها و زمان عرضه
مثل هر تحلیل vendor-led، این گزارش هم محدودیت دارد و باید با نگاه انتقادی خوانده شود. برخی اعداد و مثالها بر پایه workloadهای نمونه یا شرکای منتخب ارائه شدهاند و لزوماً به همه استقرارها تعمیمپذیر نیستند. همچنین intelligence per dollar معیاری است که به کیفیت reward design، dataset و ابزارهای orchestration هم وابسته است؛ فقط با تغییر GPU حل نمیشود.
با این حال، پیام کلان انویدیا معتبر است: بار اصلی AI سازمانی بهتدریج از training یکباره به post-training پیوسته و model iteration سریعتر منتقل میشود. این جابهجایی برای اپراتورهای دیتاسنتر و تیمهای platform باید جدی گرفته شود.
جمعبندی تحلیلی
در جمعبندی، Vera Rubin در این خبر بیش از آنکه صرفاً نسل بعدی سختافزار معرفی شود، نماد یک تغییر در معیار ارزیابی زیرساخت است. وقتی مدلهای عاملمحور باید مدام از محیط واقعی یاد بگیرند، سؤال اصلی این نیست که فقط هر میلیون توکن چقدر خرج دارد، بلکه این است که ساخت و حفظ هوشمندی مدل با چه بازدهی انجام میشود. انویدیا میخواهد نشان دهد پاسخ این سؤال در همطراحی GPU، CPU، شبکه و نرمافزار نهفته است. برای محتوای مرتبط، دسته GPU و خبر قبلی ما درباره زیرساخت AI و HyperPod زمینه نزدیک این بحث را روشنتر میکنند.