Sovereign AI sounds independent until you notice everything still runs on NVIDIA

https://fed.brid.gy/r/https://nerds.xyz/2026/06/sovereign-ai-still-runs-on-nvidia/

48-кубитный гибридный симулятор Гровера на домашней видеокарте: пробиваем стены памяти и времени

Вокруг квантовых вычислений много маркетингового шума. Если вы попытаетесь смоделировать честное 48-кубитное квантовое состояние в комплексном базисе complex128, то неизбежно упретесь в «стену памяти» в 4.5 Петабайта. Если же вы решите применить блочную декомпозицию пространства состояний для ее поочередного обсчета, то упретесь в «стену времени» длиною в несколько лет непрерывных вычислений на GPU. В этой статье мы разберем проект гибридного симулятора, который обходит обе стены, удерживая потребление видеопамяти в пределах 268 МБ, а время симуляции сокращает в 400 раз. Давайте сразу снимем маски: физически данный симулятор не удерживает 48 кубитов в единой суперпозиции. Между старшей и младшей половиной регистра полностью отсутствует квантовая запутанность (entanglement). Вместо этого применена жесткая, но эффективная классическая блочная декомпозиция (принцип Space-Time Trade-off, то есть размен памяти на время):

https://habr.com/ru/articles/1043474/

#квантовые_вычисления #алгоритм_гровера #квантовый_симулятор #cuda #python #оптимизация_памяти #высшая_математика #алгоритм_bbht #sha48 #dynamic_circuits

When does fragmentation occur in the CUDA caching allocator?

https://docs.pytorch.org/devlogs/eager/2026-06-01-cuda-caching-allocator/

#HackerNews #Tech #CUDA

RT @HowToAI_: ByteDance hat eine Publikation veröffentlicht, die jeden NVIDIA-Aktionisten ins Schwitzen bringen sollte. Sie trainierten eine KI, die CUDA-Code besser als menschliche Experten schreiben kann. Das System nennt sich „CUDA Agent“. Es verändert die Wirtschaftlichkeit der AI-Hardware grundlegend. Sie bauten eine massive agentic Reinforcement-Learning-Schleife. Die KI schreibt einen Kernel, kompiliert ihn, profiliert die Hardware, analysiert Engpässe und schreibt den Code so lange um, bis er makellos ist. Sie lernte, wie man Speicherzugriffsmuster und Hardware-Tiling-Strategien optimiert, die traditionelle Compiler übersehen. Die Ergebnisse sind verblüffend. Auf dem branchenüblichen Benchmark „KernelBench“ schlug CUDA Agent traditionelle Compiler vollständig. Der generierte Code lief bis zu 3,2-mal schneller als die native Ausführung von PyTorch. Bei den schwierigsten und komplexesten Modellen schlug es die stärksten proprietären Modelle der Welt – darunter Claude Opus 4.5 und Gemini 3 Pro – um 40 %. Es ging nicht nur an die Leistung menschlicher Experten heran, sondern entdeckte auch Optimierungen, die statische Compiler buchstäblich nicht sehen können. Hier ist der Grund, warum dies eine massive Bedrohung für NVIDIA darstellt. Die Dominanz von NVIDIA beruht darauf, dass CUDA unglaublich schwer zu meistern ist. Entwickler sind gebunden, weil die Optimierung von Code für andere Chips zu schmerzhaft ist. Doch wenn ein KI-Agent autonom hyper-optimierte Hardware-Kernels generieren kann... muss man kein Team aus CUDA-Ingenieuren mit einem Gehalt von 500.000 Dollar pro Jahr aufbauen,…

mehr auf Arint.info

#AI #ByteDance #CUDA #MachineLearning #NVIDIA #TechNews #arint_info

https://x.com/HowToAI_/status/2062105627204423994#m

Feed: All Latest | Nvidia’s RTX Spark Laptops Look Hell-Bent on Disruption by Luke Larsen

AI generated summary, Read the full article for complete information.

Nvidia unveiled its RTX Spark laptops at Computex, promising the first true “AI PC” by pairing its new N1 ARM‑based CPU with unified memory up to 128 GB and RTX graphics (as powerful as an RTX 5070) and a CUDA‑driven AI platform that brings data‑center‑grade processing to local Windows machines. The move positions Nvidia against Microsoft’s much‑hyped AI‑PC concepts and Apple’s MacBook Pro/Mac Mini dominance, offering a Windows alternative that could run foundation‑level models locally, albeit at a premium price—likely $4,000 + for top configurations. By collaborating with OEMs such as HP, Asus, Dell and Lenovo, and targeting both AI enthusiasts and creators/gamers, Nvidia aims to create a new class of high‑performance, AI‑capable PCs that could reshape the Windows ecosystem and challenge Intel, AMD, and Qualcomm in the near future.

Read more: https://www.wired.com/story/nvidia-rtx-spark-laptop-disruption/

#Nvidia #RTXSpark #Computex #CUDA #gear_products_computers

🙂 Just released QuantumA Core,an open-source quantum circuit simulator with GPU acceleration and a REST API.

⚛️ Statevector / density-matrix / Monte Carlo
🎮 Up to 28 qubits on an 8 GB GPU (CUDA), automatic CPU fallback
🧪 Realistic T1/T2 noise models
🔬 Includes a validated H₂ VQE example (ground-state energy from first principles)

MIT, Python.

👉 github.com/ShinRalexis/QuantumA-Core

#QuantumComputing #OpenSource #Python #CUDA #VQE #QuantumChemistry #PyTorch #FOSS

Microsoft unveils Surface Laptop Ultra with NVIDIA RTX Spark and local AI ambitions

https://fed.brid.gy/r/https://nerds.xyz/2026/06/microsoft-surface-laptop-ultra/

NVIDIA RTX Spark: el superchip que quiere reinventar la PC con Windows

En el Computex 2026, Jensen Huang presentó el primer procesador de NVIDIA para PCs con Windows: un chip ARM con CPU Grace de 20 núcleos, GPU Blackwell con 6.144 núcleos CUDA, hasta 128 GB de RAM unificada y 1 petaFLOP de rendimiento de IA. Llega en otoño 2026 desde 1.499 dólares con Surface, ASUS, Dell, HP y Lenovo (Fuente NVIDIA).

NVIDIA acaba de cruzar una frontera que durante décadas parecía reservada a Intel, AMD y Apple: lanzar su propio procesador para computadoras personales con Windows. En el Computex Taipei 2026, el CEO Jensen Huang presentó oficialmente el RTX Spark, el primer procesador de la compañía diseñado específicamente para PCs con Windows. Es un chip basado en ARM que integra una CPU Grace de 20 núcleos —desarrollada junto a MediaTek—, una GPU Blackwell RTX con 6.144 núcleos CUDA, una NPU y hasta 128 GB de memoria LPDDR5X unificada, todo en un único paquete fabricado en el proceso de 3nm de TSMC. NVIDIA afirma que el RTX Spark es capaz de alcanzar 1 petaFLOP de rendimiento de inteligencia artificial.

La comparación con Apple Silicon es explícita e intencional. NVIDIA conecta la CPU y la GPU mediante NVLink C2C, y con ese gran pool de memoria unificada apunta directamente a los flujos de trabajo de modelos locales y creación de contenido que hoy dominan los MacBook Pro de Apple. La diferencia central que NVIDIA esgrime frente a Qualcomm —su rival más directo en el universo Windows on ARM— es la presencia nativa de CUDA, el ecosistema de computación paralela que durante veinte años construyó su dominio en IA, diseño y desarrollo.

En gaming, el chip promete lo que Windows on ARM nunca pudo ofrecer con credibilidad. NVIDIA afirma que las laptops con RTX Spark podrán correr los últimos juegos AAA a 1440p por encima de los 100 FPS con ray tracing, DLSS 4.5 y NVIDIA Reflex, y confirmó que trabajó con más de 100 proveedores de software de Windows —incluyendo Adobe, Blender, Riot Games, Xbox y NetEase— para garantizar compatibilidad nativa.

La hoja de ruta ya está definida. Microsoft y NVIDIA confirmaron el 1 de junio de 2026 que los primeros dispositivos llegarán en octubre, con Surface, ASUS, Dell, HP y Lenovo como socios fabricantes iniciales, lanzando modelos de 14 y 16 pulgadas. Los precios arrancan desde 1.499 dólares, con todos los modelos corriendo Windows 11 24H2 e incluyendo tres meses de Xbox Game Pass Ultimate. En el extremo superior, NVIDIA también anunció versiones del DGX Station para Windows, basadas en el superchip GB300 con CPU Grace de 72 núcleos, 496 GB de memoria LPDDR5X y una GPU Blackwell Ultra con 252 GB de HBM3e, apuntando al segmento de estaciones de trabajo para IA de alto rendimiento.

Como toda plataforma nueva, RTX Spark llega con sus propias advertencias. Los foros de desarrolladores ya señalan que aunque CUDA 13.0 funciona correctamente, los caminos de OpenCL y Vulkan en ARM están menos maduros, y algunas aplicaciones profesionales de CAD aún no reconocen la GPU Spark. Microsoft se comprometió a actualizaciones mensuales de WDDM hasta diciembre de 2026. Jensen Huang lo resumió con una frase que sintetiza la apuesta: «La PC está siendo reinventada. Durante cuarenta años, lanzabas aplicaciones. Click. Escribías. Con RTX Spark y Windows, preguntás, y la PC hace el trabajo.»

NVIDIA announces N1 and N1X at GTC Taipei June 1, 2026, two Blackwell-based Arm SoCs with up to 6,144 CUDA cores for laptops

#nvidia #arm #blackwell #cuda #laptopprocessor #gtctaipei #silicon

https://radarkilat.com/en/article/nvidia-n1-and-n1x-nvidia-s-first-arm-laptop-processor-with-integrated-blackwell-gpu