⌘ K
… 读取采集状态 同步中...
雷

NVIDIA 英伟达

英伟达的 AI 芯片与生态动态：GPU 新品、CUDA 生态、机器人平台与 AI 算力市场的风向。

94条精选相关主题部署工程行业动态具身智能

最新精选

第 61–80 条 · 共 94 条
8月27日周四
  1. 硅星人Pro88

    黄仁勋主导下英伟达拟 129 亿美元收购 Hugging Face

    外媒爆料英伟达同意以 129 亿美元（约合人民币 867 亿元）收购全球最大的 AI 开源模型社区 Hugging Face，交易预计 2027 年上半年完成。该平台拥有近 300 万个公开模型仓库，托管了 DeepSeek、Kimi、Qwen 等众多开源模型。英伟达此举旨在将影响力延伸至开发者社区，打通“模型到硬件”闭环，并可能重启其退出的 AI 云业务。

    推荐理由：文章梳理了这笔收购对英伟达构建从硬件到模型分发完整闭环的战略意义，以及 Hugging Face 在开源生态中的核心地位。

  2. 新智元65

    加速理解发布 5 万亿上下文物理模型

    初创公司加速理解（Accelerated Understanding）发布采用神经算子架构的物理模型，该模型支持 1 万亿参数预训练和超过 5 万亿推理上下文。

    推荐理由：原文揭示了初创公司加速理解推出的非 Transformer 架构物理模型及其 5 万亿上下文能力，读者可据此判断其与传统语言模型在物理推演上的根本差异。

  4. LangChain Blog67

    LangChain 联合 NVIDIA 发布 NemoClaw Deep Agents 蓝图

    LangChain 与 NVIDIA 联合发布 NemoClaw for LangChain Deep Agents 蓝图，整合 Nemotron 3 Ultra、Deep Agents Code 与 OpenShell runtime，为企业提供开放、可治理的智能体系统。

    推荐理由：联合 NVIDIA 发布的开放智能体蓝图将低推理成本转化为可规模化的评测与调优能力，企业可据此构建受治理的生产级智能体系统。

8月26日周三
  1. 硅星GenAI86

    SemiAnalysis 深度解析 OpenAI Jalapeño 芯片：架构、软件栈及性能表现超越 Blackwell

    SemiAnalysis 发布深度报告，拆解 OpenAI 自研推理芯片 Jalapeño 的架构、软件栈及部署细节。Jalapeño 基于 HBM4 和博通工艺打造，实测每兆瓦吞吐量击败英伟达 Blackwell，在部分指标上领先 Vera Rubin。

    推荐理由：SemiAnalysis 提供的实测数据表明，Jalapeño 在无推测解码的情况下，每兆瓦吞吐量已超过 Blackwell，并展示了 Codex 驱动的内核生成路径。

  2. APPSO86

    OpenAI 自研推理芯片 Jalapeño 性能首测超越英伟达

    OpenAI 公布了自研推理芯片 Jalapeño 的首批实测数据，在 InferenceX 基准上其每千瓦峰值吞吐量达到对比系统的 1.5 至 1.9 倍，端到端延迟降低 1.7 至 3.6 倍。该芯片采用台积电 N3P 工艺，标称 TDP 仅 700W，在运行 DeepSeek R1 670B 时单用户生成速度可达 700 tok/s，显著高于英伟达 GB300 的 169 tok/s。

    推荐理由：Jalapeño 在 InferenceX 基准上实现了对英伟达 GB200/GB300 的显著性能领先，展示了 AI 辅助芯片设计在垂直整合中的初步成效。

8月21日周五
  1. 新智元84

    Generalist AI 发布机器人基础模型 GEN-1.5：0 行代码，3 秒演示实现通用操作

    Generalist AI 发布机器人基础模型 GEN-1.5，在 10 个操作任务中实现 59% 的 one-shot 成功率，无需微调代码即可完成新任务。该模型验证了具身智能领域的 Scaling Law，显示预训练规模与时长提升可带来泛化能力增强，被研究者比作机器人领域的 GPT-3 时刻。

    推荐理由：GEN-1.5 展现了具身智能 Scaling Law，零代码演示即可驱动机器人即兴操作，被视为该领域的 GPT-3 时刻。

  2. 新智元67

    失业工程师用7000行代码复刻AMD收购的Taalas AI芯片方案

    一位失业工程师表示，他研究Taalas专利后，用约7000行代码编写了编译器，可将HuggingFace模型转化为芯片电路，并称比Taalas方案节省100倍内存调用、推理速度翻倍。他自称需筹集流片费用，该帖子在X平台引发热议，多位科技界人士回应。

    推荐理由：该事件展示了编译器自动化可能将芯片设计从硬件工程转向软件编译的潜在趋势。

8月18日周二
  1. 新智元89

    英伟达注资软银并担保俄亥俄8吉瓦AI工厂，OpenAI签下20年独家租约

    英伟达注资软银旗下公司15亿美元并提供20年信用担保，将俄亥俄州废弃核设施改造为8吉瓦AI超级工厂，OpenAI签署20年独家租约包揽算力。该规划功率接近全球82座最大AI数据中心总和的2/3，第一期为4.25吉瓦，软银承诺引入1吉瓦新增发电并投资42亿美元改造电网，英伟达认为土地、电力和厂房已成为AI发展的核心瓶颈。

    推荐理由：文章量化了8吉瓦算力在全球AI基础设施中的占比，并剖析了英伟达通过信用担保锁定长期电力资源的商业策略。

8月14日周五
  1. DeepTech深科技76

    DeepMind核心成员相继出走创业，外部重组AI研究资源

    Google DeepMind于8月5日完成管理层调整，首席科学家Demis Hassabis交出日常运营权。同日及随后，包括David Silver、Tim Rocktäschel和Jack Parker-Holder在内的多名DeepMind核心研究员相继离开，创办针对强化学习、开放式学习和世界模型的新AI实验室。

    推荐理由：文章梳理了DeepMind多名核心研究员离职创业现象，剖析了他们在外部重组算力与资本资源的组织逻辑。

8月13日周四
  1. NVIDIA Generative AI Blog87

    NVIDIA GB300 NVL72 可部署阿里巴巴 Qwen3.8-Max 开源模型

    阿里巴巴发布 Qwen3.8-2.4T-A95B（Qwen3.8-Max）开放权重，这是其最大规模的开源模型。NVIDIA 官方博客展示如何在 GB300 NVL72 上部署该模型，该模型总参数达 2.4T，单 token 激活 95B，采用混合专家（MoE）架构与混合注意力机制，支持最长 100 万 token 的上下文窗口。

    推荐理由：NVIDIA 官方给出了将超大规模开源模型部署到高端硬件的方案，为评估前沿开源模型的工程落地提供了直接参考。

8月11日周二
  1. 智东西82

    英伟达联合六大资管机构投超5000亿美元建AI基础设施

    英伟达宣布联合阿波罗、贝莱德、黑石、博枫、高盛和KKR六大机构，投入超5000亿美元共建独立计算融资平台，用于支持AI基础设施建设。该项目将算力视为可生成收入的资产类别，金融方独立评估客户现金流与剩余价值，英伟达提供AI平台支持并可为部分项目提供最高25%的剩余价值担保，旨在通过长期资本降低生态内AI实验室与云厂商的融资门槛。

    推荐理由：英伟达联合阿波罗、贝莱德等六大资管机构成立融资平台，通过引入长期资本支持GPU基础设施建设，帮助客户以更低利率获取算力资源。

  2. 新智元82

    英伟达联合华尔街巨头成立5000亿美元AI算力融资平台

    英伟达与Apollo、黑石等六家金融机构达成战略合作，旨在成立算力融资平台以动员超5000亿美元第三方资本，用于资助AI实验室及云厂商采购GPU建设数据中心。该模式将算力资产化，通过“按揭”方式降低客户初期投入，但引发市场对其循环融资风险的担忧。

    推荐理由：报道将算力融资类比为飞机租赁，并引用H100租赁价格涨幅，展示算力资产化路径及风险转移逻辑。

  3. DeepTech深科技67

    红杉换帅后募集100亿美元基金，加码AI与能源

    红杉资本完成约100亿美元募资，新任掌舵人林君睿和帕特在彭博专访中披露了机构变革。红杉废除了共识投票机制，允许少数合伙人推动争议交易，并解释了其向Anthropic补仓25亿美元、领投Etched和Valar Atomics的决策逻辑。两位新领导层认为，当前AI行情并非危机，而是机会涌现的"白天鹅"时刻。

    推荐理由：红杉在经历领导层更替与合规争议后调整决策机制，并明确以百亿规模聚焦AI及能源链条，该动向为观察头部VC在AI高投入周期的风险偏好提供了具体样本。

  4. 钛媒体AGI89

    英伟达与多家金融机构设立5000亿美元算力融资平台

    英伟达与阿波罗、贝莱德、黑石等六家金融机构签署谅解备忘录，宣布设立独立的算力融资平台，目标是在长期内动员超过5000亿美元的第三方资本为英伟达客户的算力采购提供支持。其核心模式是将算力基础设施类比为可抵押资产，让客户以算力为抵押获取融资。

    推荐理由：英伟达首次将算力转化为可投资的资产类别，并动员第三方资本为算力采购融资。

  5. AIGC开放社区83

    Meta开源Muse Glimmer 30B Agent模型

    Meta以Apache 2.0协议开源了30B参数的Agent模型Muse Glimmer，该模型经量化后可运行在24GB或32GB内存的消费级设备（如Mac或单卡PC）上。

    推荐理由：原文给出了30B模型在本地硬件上的量化细节及Agent基准测试成绩，读者可据此评估其在消费级GPU上的实际可用性。

  6. Hugging Face Blog70

    NVIDIA Magpie TTS 多语言语音模型发布：开放权重与全部署控制

    NVIDIA 发布 Magpie TTS 多语言版本，作为 364M 参数开放权重模型支持 12 种语言，新增阿拉伯语、韩语和巴西葡萄牙语。模型通过帧堆叠和局部 Transformer 架构改进降低推理延迟，在 B200 GPU 单流场景下 Time to First Audio 仅为 32ms，开发者可利用开放权重在自管基础设施中定制并部署低延迟多语言语音 Agent。

    推荐理由：文章解析了 Magpie TTS 在降低延迟方面的架构改进与多语言支持现状，为构建可控的语音 Agent 提供了技术选型依据。

8月10日周一
  1. NVIDIA Generative AI Blog77

    Meta 开源 Muse Glimmer 30B 稠密模型支持本地 Agentic AI 工作流

    Meta 发布开源权重稠密模型 Muse Glimmer，该模型参数量为 30B，支持 120K+ 上下文窗口并针对本地 AI Agentic 工作负载进行了优化。基于单张 GPU 平台，Muse Glimmer 在 NVIDIA 边缘、桌面及工作站 AI 平台上运行速度达 20K tokens/sec，能够支持本地数据处理和复杂任务执行。

    推荐理由：原文明确了Muse Glimmer 30B模型的规格和本地边缘计算性能指标，读者可以评估其作为Agentic工作流引擎的落地潜力。

8月7日周五
  1. AIGC开放社区87

    Meta 发布 Muse Spark 1.2 模型与 Muse Code 编码智能体

    Meta 推出编程增强模型 Muse Spark 1.2 及终端编码智能体 Muse Code。Muse Spark 1.2 性能接近 Claude Opus 5，开启数据共享时价格仅为 DeepSeek V4 Flash 的 30% 左右，已接入 Meta Model API。Muse Code 支持多智能体协作和长周期内核优化，目前处于测试版阶段。

    推荐理由：Meta 发布了性能逼近 Claude Opus 5 且定价极低的 Muse Spark 1.2 和 Muse Code，展示了其在编码智能体领域的激进策略与性能细节。

8月5日周三
  1. 量子位73

    微软叫停Tokenmaxxing：设AI Token预算目标，内部默认模型换为GPT-5.6

    微软从今年7月起为各业务部门设置AI Token预算目标，并将内部默认模型切换为GPT-5.6，原因是更便宜；执行副总裁Jay Parikh在内部邮件中称Tokenmaxxing不是优化目标，要求像管理其他关键资源一样管理token花费，员工可查看个人token支出，许多工程师每月花费在几百到几千美元之间。

    推荐理由：原文梳理了Tokenmaxxing从激励到收紧的完整链条，读者可理解企业为何转向按成果考核AI使用。