Tag Archives: nvidia

NVIDIA en Google Cloud hebben hun krachten gebundeld om de ontwikkeling van Agentic AI en Physical AI te versnellen. Door de nieuwste Blackwell-GPU’s te integreren in Google’s cloud-infrastructuur, kunnen bedrijven nu sneller complexe AI-agenten trainen die niet alleen denken, maar ook fysieke acties in de echte wereld kunnen coördineren.

Deze samenwerking richt zich specifiek op het creëren van ‘AI-fabrieken’, waarbij rekenkracht op enorme schaal wordt ingezet om robotica en autonome systemen naar een hoger niveau te tillen. Het gebruik van NVIDIA NeMo en Omniverse maakt het mogelijk om digitale tweelingen te creëren waarin AI-modellen veilig kunnen experimenteren voordat ze in fysieke machines worden geïmplementeerd.

De implicaties zijn groot voor de logistiek en productie, waar autonome agenten nu efficiënter kunnen worden ingezet. Het markeert een verschuiving van passieve AI-chatbots naar actieve systemen die tastbare impact hebben op de fysieke infrastructuur.

Adobe en NVIDIA presenteren op de NAB Show 2026 in Las Vegas een geheel nieuwe Color Grading Mode voor Premiere Pro, volledig aangedreven door NVIDIA RTX GPUs. De update markeert de eerste keer dat Premiere Pro kleurcorrectie in 32-bit kleurdiepte uitvoert, een flinke sprong voor videomakers die tot nu toe moesten werken met beperkte precisie.

De nieuwe modus transformeert Premiere Pro van een simpele editor naar een volwaardig kleurcorrectie-instrument, met bidirectionele bediening, multi-zone tonale aanpassingen en gestapelde kleurbewerkingen die direct op de GPU draaien. Daardoor vallen trage renders weg: editors zien veranderingen direct en kunnen sneller itereren. Naast de Premiere-update brengt NVIDIA een vernieuwde versie uit van Project G-Assist, een experimentele AI-assistent die GeForce RTX-systemen helpt tunen, beheren en optimaliseren.

Voor de professionele videomarkt is dit een duidelijk signaal: GPU-versnelling wordt de standaard, niet de uitzondering. Wie al werkt met RTX-hardware profiteert direct, en Adobe zet met deze zet een belangrijke stap richting een geintegreerde workflow waarin monteren en kleurcorrectie naadloos samenkomen. De Color Mode is momenteel beschikbaar als bèta.

NVIDIA heeft op 14 april 2026 de wereldwijd eerste open source kwantum-AI-modellen gelanceerd: de NVIDIA Ising-familie. Deze modellen zijn ontworpen om onderzoekers en bedrijven te helpen bij het bouwen van schaalbare kwantumprocessors die praktische toepassingen aankunnen.

Het kernprobleem in kwantumcomputing is dat qubits fragiel zijn en gevoelig voor fouten. De Ising-modellen tackelen dit met twee hoofdcomponenten: Ising Calibration voor automatische kalibratie van kwantumprocessors (van dagen naar uren) en Ising Decoding voor real-time foutcorrectie. Dit laatste is tot 2,5x sneller en 3x nauwkeuriger dan de huidige pyMatching-standaard.

“AI is essentieel om kwantumcomputing praktisch te maken,” aldus Jensen Huang. “Met Ising wordt AI het controleplane — het besturingssysteem van kwantummachines.” Het model is vernoemd naar een wiskundig model uit de statistische fysica.

Partners als Harvard, Lawrence Berkeley National Laboratory, IonQ en IQM Quantum Computers zetten Ising al in. NVIDIA levert ook een cookbook met workflows en trainingsdata, plus NVIDIA NIM-microservices voor eenvoudige deployment. De modellen draaien lokaal, waardoor bedrijven hun data kunnen beschermen.

De markt voor kwantumcomputing zou volgens analistenbureau Resonance in 2030 de $11 miljard kunnen passeren — maar dat hangt af van doorbraken in foutcorrectie en schaalbaarheid. Ising is NVIDIA’s nieuwste zet in wat steeds meer op een race begint te lijken.

NVIDIA heeft openbaar gemaakt hoe strikt de eigen AI-intern wordt ingezet bij het ontwerpen van nieuwe chips. Het bedrijf maakt gebruik van een systeem genaamd NB-Cell, een reinforcement learning-systeem dat standard cell libraries — cruciaal voor de overgang naar nieuwe productieprocessen — nu kan porten in een enkele nacht op een GPU. Voorheen kostte dit acht engineers tien maanden.

Maar wat vooral opvalt is de filosofische kant die chief scientist William Dally schetst in gesprekken met Google’s Jeff Dean: I would love to have the end-to-end stage where I could simply say, design me the new GPU, but I think we are a long way from that. Het einde is dus nog niet in zicht, maar de stappen zijn indrukwekkend.

Naast NB-Cell heeft NVIDIA interne large language models ontwikkeld — Chip Nemo en Bug Nemo genaamd — getraind op eigen architectuurdocumentatie en RTL van elke GPU die het bedrijf ooit heeft gebouwd. Junior designers kunnen deze raadplegen om te begrijpen hoe complexe hardware-blokken werken, zonder senior engineers te hoeven lastigvallen. Dally noemt het a very patient mentor.

Op circuit-niveau gaat AI nog verder: het reinforcement learning-systeem komt met ontwerpen that no human would ever come up with, but they are actually 20% or 30% better than the human designs, aldus Dally. Dit is geen toekomstmuziek meer — het gebeurt nu al bij NVIDIA.

De stap naar volledig end-to-end AI-chipdesign blijft echter een forse afstand. Dally’s voorzichtige inschatting onderstreept dat hoewel AI taken kan versnellen en optimaliseren, de menselijke oversight nog steeds cruciaal blijft voor de definitieve beslissingen.