A NVIDIA troca a forma como GPUs são compartilhadas em Kubernetes. Os primeiros notebooks com RTX Spark chegaram ao mercado em 16 de outubro de 2024.
A empresa apresentou a tecnologia Memory-Enforced GPU Sharing em Kubernetes, que usa NVIDIA CUDA 13.4 para otimizar o uso de recursos. A tecnologia permite que workloads de IA utilizem uma fração de um GPU, aumentando a eficiência. A NVIDIA CUDA Tile automatiza o uso de recursos avançados de hardware. O RTX Spark é um superchip para notebooks e desktops compactos com GPU Blackwell e até 128 GB de RAM unificada. O chip integra CPU ARM de até 20 núcleos, GPU Blackwell com até 6.144 CUDA Cores e até 128 GB de memória RAM unificada. O RTX Spark usa a tecnologia NVLink C2C para comunicação entre CPU e GPU, com largura de banda de até 600 GB/s. Ele oferece até 1 petaflop de desempenho em operações de IA com precisão NVFP4.
A NVIDIA apresenta a tecnologia Memory-Enforced GPU Sharing em Kubernetes, que permite que workloads de IA utilizem apenas uma fração de um GPU. A tecnologia depende de configuração específica para Kubernetes e exige o uso de CUDA 13.4, o que pode limitar sua adesão em ambientes menos preparados. Os usuários podem configurar a distribuição de memória entre CPU e GPU, aumentando a flexibilidade para tarefas específicas.
Ficha técnica
| Item | Especificação |
|---|---|
| Tecnologia | Memory-Enforced GPU Sharing; outra fonte: CUDA Tile (cuTile) |
| Processador | GPU Blackwell com até 6.144 CUDA Cores; outra fonte: CPU ARM de até 20 núcleos |
| Conectividade | NVLink C2C com largura de banda de até 600 GB/s |
Nova tecnologia otimiza uso de GPUs em Kubernetes
O modelo é voltado para usuários que precisam de desempenho em IA e eficiência energética. A plataforma RTX Spark está disponível em notebooks e desktops compactos, com preços a partir de US$ 2.599 (≈ R$ 13.900). A tecnologia Memory-Enforced GPU Sharing ainda não tem data de lançamento no Brasil, mas a NVIDIA já confirmou que o RTX Spark está no mercado desde 16 de outubro de 2024. A nova funcionalidade complementa a cobertura sobre a plataforma Kumo e a biblioteca CUDA-X, que também visam otimizar o uso de GPUs em ambientes de computação em nuvem.
A NVIDIA troca a forma como GPUs são compartilhadas em Kubernetes, permitindo que workloads de IA rodem com eficiência em frações de recursos. Isso redefine como a computação paralela se organiza, tornando o uso de GPUs mais flexível. O RTX Spark, integrado a essa tecnologia, roda NVLink C2C com largura de banda de 600 GB/s, permitindo comunicação mais rápida entre CPU e GPU, essencial para cargas de trabalho de IA intensivas.
Sem confirmação
- Data de lançamento da tecnologia Memory-Enforced GPU Sharing em Kubernetes com NVIDIA CUDA 13.4 no Brasil.
Com informações de developer.nvidia.com e canaltech.com.br.
Valores em reais convertidos pela cotação de referência de 28/10/2026 (ExchangeRate-API). US$ 1 = R$ 5,35.
Fontes
- Memory enforced gpu sharing in kubernetes with nvidia cuda 13 4developer.nvidia.com
- Accelerating mamba 2 with high performance forward pass kernels in nvidia cuda tiledeveloper.nvidia.com
- Nvidia lanca rtx spark com gpu blackwell e ate 128 gb de ramcanaltech.com.br
Texto escrito com IA a partir das fontes listadas e revisado por regras automáticas da redação. Como trabalhamos
Onde comprar
O resumer pode receber uma comissão por compras feitas nestes links (Amazon), sem custo a mais para você. Como participante do Programa de Associados da Amazon, sou remunerado pelas compras qualificadas efetuadas. Saiba como funciona.
Quer ver o resumer primeiro nas buscas do Google?
Adicionar às Fontes Preferidas do Google
