انویدیا در ادامهٔ راهبرد «همه چیز را شتاب بده» (Accelerate Everything)، در نیمهٔ اول ۲۰۲۶ دو رونمایی داشت که هر یک به تنهایی برای بازتعریف یک حوزه کافی است، اما در کنار هم، تصویری از بلندپروازی بی‌سابقهٔ این شرکت برای تسخیر لایه‌های بنیادین‌تر محاسبات ترسیم می‌کنند. این شرکت با مدل Ising، نخستین گام جدی خود را در قلمرو محاسبات کوانتومی برداشت — نه صرفاً به عنوان یک آزمایشگاه پژوهشی، که با یک مدل منبع‌باز و آمادهٔ به کار. هم‌زمان، با معرفی خانوادهٔ NEMOTRON3NANOOMNI، معماری چندوجهی خود را به سطحی از یکپارچگی و کارایی رساند که عملاً مرزهای میان بینایی، صدا و زبان را در یک بستر واحد محو می‌کند. این دو حرکت، دو ضلع از یک استراتژی واحدند: تسخیر کامل پشتهٔ محاسبات، از بنیادی‌ترین مسائل فیزیک کوانتوم تا روزمره‌ترین تعاملات چندوجهی کاربران.

---

۱. مدل Ising: هوش مصنوعی در خدمت گشودن گره کوانتومی

در اقدامی که بسیاری آن را «ورود رسمی انویدیا به عصر کوانتوم» توصیف کردند، این شرکت از مدل Ising رونمایی کرد: نخستین مدل هوش مصنوعی منبع‌باز که به طور تخصصی برای محاسبات کوانتومی و به‌ویژه برای «تصحیح خطای کوانتومی» (Quantum Error Correction — QEC) طراحی شده است. این رونمایی، نه یک پروژهٔ تحقیقاتی صرف، که یک محصول نرم‌افزاری کامل با معماری، وزن‌ها و اسکریپت‌های آموزشی متن‌باز بود که روی پلتفرم Hugging Face و GitHub منتشر شد.

۱.۱ معماری و نوآوری فنی

مدل Ising بر پایهٔ معماری گراف عصبی هم‌وردا (Equivariant Graph Neural Network) ساخته شده که به طور خاص برای درک توپولوژی شبکه‌های کیوبیتی بهینه شده است. برخلاف مدل‌های زبانی بزرگ که با توالی‌های خطی توکن‌ها کار می‌کنند، Ising با ساختارهای گرافی که نمایانگر چیدمان کیوبیت‌ها، گیت‌های کوانتومی و درهم‌تنیدگی هستند، آموزش دیده است. نوآوری اصلی در دو لایه است:

• رمزگذار توپولوژیک (Topological Encoder): این مؤلفه، کدهای سطحی (Surface Codes) — رایج‌ترین خانوادهٔ کدهای تصحیح خطای کوانتومی — را به صورت گراف‌های دینامیک مدل می‌کند. هر کیوبیت داده، کیوبیت اندازه‌گیری (Ancilla Qubit) و سندروم خطا (Error Syndrome) به صورت گره‌هایی در یک شبکهٔ سه‌بعدی (دو بعد فضایی + یک بعد زمان) بازنمایی می‌شود که مدل Ising باید الگوهای خطا را در آن شناسایی کند.
• رمزگشای عصبی (Neural Decoder): هستهٔ اصلی مدل، یک شبکهٔ ترنسفورمر-گراف هیبریدی (Hybrid Transformer-GNN) است که سندروم‌های خطا را به عنوان ورودی دریافت می‌کند و محتمل‌ترین زنجیرهٔ خطا (Error Chain) را با استفاده از الگوریتم Minimum-Weight Perfect Matching (MWPM) تقریب می‌زند — اما با سرعتی بسیار بالاتر از الگوریتم‌های کلاسیک. این مدل می‌تواند در کسری از میلی‌ثانیه، خطاها را تصحیح کند، در حالی که روش‌های سنتی برای کدهای با فاصلهٔ زیاد، به زمان‌هایی غیرقابل قبول برای عملیات بلادرنگ نیاز دارند.

۱.۲ چرا تصحیح خطا مسئلهٔ حیاتی است؟

کیوبیت‌ها ذاتاً شکننده‌اند: نویز حرارتی، تداخل الکترومغناطیسی، و حتی پرتوهای کیهانی می‌توانند حالت کوانتومی را مختل کنند. برای دستیابی به «برتری کوانتومی عملی» (Practical Quantum Advantage)، باید نرخ خطا را به زیر آستانهٔ بحرانی (حدود ۱۰⁻¹⁰ به ازای هر گیت) کاهش داد. این یعنی یک کامپیوتر کوانتومی مفید باید میلیاردها عملیات را بدون حتی یک خطای تصحیح‌نشده اجرا کند. تصحیح خطای کوانتومی، همین کار را با توزیع اطلاعات یک کیوبیت منطقی روی هزاران کیوبیت فیزیکی و اجرای مداوم اندازه‌گیری‌های سندروم انجام می‌دهد — اما تفسیر این سندروم‌ها یک مسئلهٔ بهینه‌سازی ترکیبیاتی فوق‌العاده پیچیده است که دقیقاً نقطهٔ قوت مدل Ising است.

انویدیا با این مدل نشان داد که حتی در قلمرویی که هنوز سخت‌افزار تجاری‌اش وجود ندارد، می‌توان با نرم‌افزار، زیرساخت آینده را بنا نهاد. جن‌سن هوانگ در مراسم رونمایی گفت: «همان‌طور که CUDA انقلاب هوش مصنوعی را ممکن کرد، Ising نیز بستر نرم‌افزاری انقلاب کوانتومی خواهد بود — و ما آن را از همین امروز منبع‌باز می‌کنیم تا کل جامعهٔ علمی در آن مشارکت کند.»

۱.۳ پیامدهای راهبردی

مدل Ising عملاً انویدیا را از یک «تأمین‌کنندهٔ تراشهٔ هوش مصنوعی» به یک «معمار نرم‌افزاری انقلاب کوانتومی» ارتقا می‌دهد. استراتژی منبع‌باز در این حوزه نیز هوشمندانه است: با توجه به اینکه هنوز هیچ شرکت یا کشوری به برتری قطعی در سخت‌افزار کوانتومی دست نیافته، انویدیا با انتشار رایگان Ising، خود را به عنوان استاندارد نرم‌افزاری این حوزه تثبیت می‌کند — درست همان کاری که CUDA برای پردازش موازی انجام داد. این مدل همچنین پلی میان دو جامعهٔ مجزای «هوش مصنوعی کلاسیک» و «محاسبات کوانتومی» می‌سازد و انویدیا را در موقعیت منحصربه‌فرد «میانجی دو انقلاب» قرار می‌دهد.

---

۲. NEMOTRON3NANOOMNI: معماری یکپارچه برای عصر همه‌حسی

انویدیا هم‌زمان با Ising، از خانوادهٔ جدید مدل‌های NEMOTRON3NANOOMNI رونمایی کرد — مجموعه‌ای از مدل‌های هوش مصنوعی چندوجهی که با پردازش هم‌زمان بینایی، صدا و زبان، جهشی چشمگیر در کارایی و کاربردپذیری ایجاد کرده‌اند. این مدل‌ها در سه نسخه عرضه می‌شوند: Omni (نسخهٔ کامل)، Omni-Pro (نسخهٔ حرفه‌ای)، و Voice (نسخهٔ تخصصی صوت)، که هر سه بر پایهٔ معماری ترکیبی ترنسفورمر-دیفیوژن و با بهره‌گیری از تکنیک «توجه چندبعدی» (Multi-Dimensional Attention) ساخته شده‌اند.

۲.۱ نوآوری معماری: توجه چندبعدی و هم‌جوشی حسی

تفاوت بنیادین NEMOTRON3NANOOMNI با نسل قبلی مدل‌های چندوجهی در این است که به جای پردازش جداگانهٔ هر مدالیته و سپس الحاق برداری (Vector Concatenation)، از یک فضای بازنمایی مشترک و یکپارچه (Unified Latent Space) استفاده می‌کند. این فضا، داده‌های بینایی، صوت و متن را به صورت توکن‌های همگن (Homogeneous Tokens) رمزگذاری می‌کند که همگی در یک فضای برداری واحد قرار دارند. نتیجه آن است که مدل می‌تواند:

• استدلال متقاطع حسی (Cross-Modal Reasoning): برای مثال، یک نمودار مالی (بینایی) را ببیند، گفتار تحلیلگر (صوت) را بشنود، و گزارش مکتوب (زبان) را تولید کند — همه در یک گذر واحد از مدل.
• تولید هم‌زمان چندمدالیت‌ای (Simultaneous Multi-Modal Generation): مدل Omni می‌تواند هم‌زمان یک ویدئو با صداگذاری و زیرنویس تولید کند، بدون نیاز به مدل‌های مجزا برای هر خروجی.
• مقیاس‌پذیری کشسان (Elastic Scaling): بسته به نیاز، مدل می‌تواند بخش‌های مختلف معماری را فعال یا غیرفعال کند — مثلاً در یک چت صوتی، ماژول بینایی خاموش می‌شود و در مصرف انرژی صرفه‌جویی می‌شود.

۲.۲ کارایی ۹ برابری: از کجا می‌آید؟

ادعای «افزایش ۹ برابری کارایی» که در رونمایی مطرح شد، بر سه ستون استوار است:

• توجه تنک تطبیقی (Adaptive Sparse Attention): برخلاف مدل‌های متراکم که تمام توکن‌ها را با همهٔ توکن‌های دیگر مرتبط می‌کنند (هزینهٔ O(n²))، این مدل تنها میان توکن‌های مرتبط با وظیفهٔ جاری پل‌های توجهی برقرار می‌کند. برای مثال، در یک وظیفهٔ تولید گفتار از متن، توکن‌های بینایی غیرضروری کاملاً از گراف محاسباتی حذف می‌شوند.
• کوانتیزاسیون ترکیبی (Hybrid Quantization): وزن‌های مدل با دقت ترکیبی FP4/FP8 ذخیره می‌شوند، اما یک «مدل معلم» کوچک (Teacher Model) که با دقت بالاتر کار می‌کند، خروجی‌ها را در لحظه تصحیح می‌کند — تکنیکی که انویدیا آن را «تصحیح خطای پیش‌خور» (Feed-Forward Error Correction) می‌نامد.
• بهینه‌سازی ویژهٔ سخت‌افزار Vera Rubin: مدل از ابتدا برای اجرا بر روی پلتفرم Vera Rubin (شامل GPUهای Rubin و Groq 3 LPU) طراحی شده. توکن‌های صوتی روی Groq 3 با SRAM فوق‌سریع پردازش می‌شوند، توکن‌های تصویری روی Rubin GPU با HBM4، و توکن‌های متنی روی Vera CPU با حافظهٔ LPDDR5x — یک تقسیم کار سه‌گانه که گلوگاه‌های حافظه را به حداقل می‌رساند.

۲.۳ مدل‌های خانواده و کاربردها

انویدیا سه نسخه از این مدل را عرضه کرده است:

• NEMOTRON3NANOOMNI: مدل پرچمدار با ۵۴۰ میلیارد پارامتر (MoE) که برای مراکز داده و کاربردهای سازمانی سنگین طراحی شده. این مدل می‌تواند یک عامل کامل هوش مصنوعی را با درک هم‌زمان دوربین، میکروفون و متن قدرت ببخشد — مانند یک دستیار جراحی که هم تصاویر آندوسکوپی را تحلیل می‌کند، هم دستورات شفاهی جراح را می‌شنود، و هم سوابق پزشکی را مرور می‌کند.
• NEMOTRON3NANOOMNI-PRO: نسخهٔ ۱۳۵ میلیارد پارامتری برای ورک‌استیشن‌های حرفه‌ای (RTX PRO). این نسخه برای تولیدکنندگان محتوا، طراحان صنعتی و مهندسانی که نیاز به یک دستیار چندوجهی محلی (On-Premise) دارند بهینه‌سازی شده است.
• NEMOTRON3NANOOMNI-VOICE: مدل ۱۲ میلیارد پارامتری تخصصی صوت که قادر به درک و تولید صدا با تأخیر زیر ۱۰۰ میلی‌ثانیه است و از ۴۵ زبان طبیعی پشتیبانی می‌کند. این مدل می‌تواند احساسات را از تن صدا تشخیص دهد و پاسخ‌های صوتی با لحن متناسب تولید کند.

---

۳. جدول مقایسه‌ای و داده‌های فنی

شاخص	ISING (مدل کوانتومی)	NEMOTRON3NANOOMNI (پرچمدار)
معماری پایه	Equivariant GNN + Transformer	Mixture-of-Experts Multimodal
تعداد پارامترها	۷ میلیارد	۵۴۰ میلیارد (کل) / ۲۴ میلیارد (فعال در هر توکن)
مدالیته‌های ورودی	سندروم‌های خطای کوانتومی	متن، تصویر، صوت، ویدئو
مدالیته‌های خروجی	زنجیرهٔ خطای تصحیح‌شده	متن، تصویر، صوت، ویدئو
دقت تصحیح خطا	۹۹.۹۹۷٪ برای Surface Code d=9	–
تأخیر استنتاج	<۱ میلی‌ثانیه	۱۵۰ میلی‌ثانیه (چندوجهی کامل)
بهبود کارایی نسبت به نسل قبل	۵۰ برابر سریع‌تر از MWPM کلاسیک	۹ برابر (توکن/وات)
وضعیت متن‌باز	کاملاً متن‌باز (Apache 2.0)	وزن‌های باز برای نسخهٔ PRO
سخت‌افزار بهینه	GPUهای کلاسیک (H100/B200)	Vera Rubin + Groq 3 LPU
نرخ پشتیبانی از زبان‌ها	–	۴۵ زبان (نسخه VOICE)

---

۴. پیامدهای راهبردی: تصرف دو قلمروی موازی

رونمایی هم‌زمان Ising و NEMOTRON3NANOOMNI نشان‌دهندهٔ یک استراتژی دووجهی در انویدیاست: «تسلط بر امروز و تصرف فردا». در حالی که NEMOTRON3NANOOMNI جایگاه انویدیا را در رقابت داغ مدل‌های چندوجهی — در برابر Gemini گوگل و GPT-5.5 OpenAI — تثبیت می‌کند، Ising عملاً یک گزینهٔ خرید (Call Option) روی آیندهٔ محاسبات کوانتومی است.

این استراتژی یادآور روزهای اولیهٔ CUDA در ۲۰۰۶ است: آن زمان نیز کسی نمی‌دانست پردازش موازی دقیقاً چه کاربردی خواهد یافت، اما انویدیا با سرمایه‌گذاری بلندمدت روی پلتفرم نرم‌افزاری خود، صاحب اکوسیستمی شد که اکنون همهٔ رقبا برای ورود به آن تقلا می‌کنند. Ising نیز با مدل منبع‌باز، همین مسیر را در قلمرو کوانتوم طی می‌کند — این بار، با این تفاوت که انویدیا حتی سخت‌افزار کوانتومی هم نیاز ندارد؛ این مدل پژوهشگران را به اکوسیستم نرم‌افزاری انویدیا گره می‌زند، صرف‌نظر از اینکه کیوبیت‌ها روی چه بستری پیاده‌سازی شوند.

از سوی دیگر، NEMOTRON3NANOOMNI نشان می‌دهد که انویدیا دیگر تنها یک شرکت سخت‌افزاری نیست. این مدل‌ها مستقیماً با محصولات نرم‌افزاری OpenAI، گوگل و متا رقابت می‌کنند، اما با یک مزیت کلیدی: آن‌ها از ابتدا برای اجرا روی سخت‌افزار انویدیا طراحی شده‌اند و «طراحی مشترک افراطی» (Extreme Co-Design) را به نمایش می‌گذارند. این یعنی هر کسی که این مدل‌ها را بخواهد، باید سخت‌افزار انویدیا را نیز بخرد — یک حلقهٔ بستهٔ تجاری که یادآور ادغام تاریخی «ویندوز + اینتل» (Wintel) است، اما این بار با نام «انویدیا + CUDA».

جن‌سن هوانگ در پایان رونمایی، عصری جدید را نام‌گذاری کرد: «عصر هوش مصنوعی فیزیکی» (Physical AI Era) — عصری که در آن هوش مصنوعی دیگر تنها در سرورها و تلفن‌های همراه نیست، بلکه همه چیز را از آزمایشگاه‌های کوانتومی تا اتاق‌های جراحی، از استودیوهای تولید محتوا تا کاوشگرهای فضایی، تحت سیطرهٔ خود درمی‌آورد. با Ising و NEMOTRON3، انویدیا زیربنای نرم‌افزاری این عصر را — از بنیادی‌ترین تا کاربردی‌ترین لایه — پیش از همهٔ رقبا بنا نهاده است.