←搜索结果

搜索“NVIDIA”

按匹配度 · 共 114 条结果 清除搜索

星期二

  1. Interconnects

    最新开源模型盘点第 24 期：Motif-3、GLM-5.3、Hy4-preview 与开源许可证变化

    Interconnects 第 24 期开源模型盘点指出，2026 年西方厂商转向 Apache 2.0，而中国前沿厂商反而收紧许可：智谱 GLM-5.3 从 MIT 改为自定义许可，要求年收入超过 100 亿美元的模型服务商先通过 Z.AI 安全审查，Kimi K3 和 MiniMax M3 也附加了商业协议或收入门槛。本期收录的模型包括 MIT 许可的 Motif-3、小红书 dots-studio 的 dots3-note-prev、Qwen3.8-Flash-Next（125B-A6B，含 51B n-gram embeddings，采用 GDN 与 Qwen Sparse Attention）、以 Ox-Alpha 名义在 OpenRouter 和 OpenCode 上先行试用的 GLM-5.3-Flash、腾讯 Hy4-preview，以及 NVIDIA Nemotron-3.5-Lightning-30B-A3B、蚂蚁 Ling-3.0-flash 和 Qwen3.8-2.4T-A95B。

    匹配字段摘要、正文

    #newsletter#行业动态#开源生态#数据/训练

星期四

  1. Timothy B. Lee：Understanding AI

    Google 如何教 LLM 控制机器人，并掀起一场机器人热潮

    Google 在 2023 年 7 月发布 RT-2，把多模态 LLM 训练成直接输出机器人动作的视觉-语言-动作（VLA）模型，其泛化能力来自网络规模的视觉-语言预训练。此后 Google、Nvidia、Hugging Face、小米、字节跳动、智元等相继推出用扩散或流匹配生成动作块的 VLA 模型，Physical Intelligence 则通过强化学习、子目标图像和长短期记忆把机器人能力推向折衣服、做咖啡等长任务。作者认为 VLA 与世界模型之争尚无定论，最终胜出的可能是两者的混合架构。

    匹配字段摘要、正文

    #analysis#现象/趋势#具身智能#Google

星期三

  1. Ed Zitron 长文 / Where’s Your Ed At

    超大规模厂商如何将 AI 泡沫“超常态化”

    Ed Zitron 将 AI 泡沫描述为一种“超常态化”现象，认为科技媒体、资本市场和超大规模云厂商用投资额、估值及年化收入等增长信号替代了对盈利能力与真实需求的检验。他以 OpenAI、Anthropic、Cognition、CoreWeave 和 NVIDIA 为例，质疑未明确定义的 run rate、客户高度集中及循环投资如何共同维持行业繁荣叙事。文章进一步认为，AI 数据中心建设被默认等同于进步，但其商业回报、需求来源和社会成本缺少同等力度的审视。

    匹配字段摘要、正文

    #ai-news#现象/趋势#数据/训练#部署/工程

星期三

  1. Ed Zitron 长文 / Where’s Your Ed At

    Ed Zitron 的 AI 反对者宣言：质疑大语言模型价值与产业经济性

    Ed Zitron 认为，大语言模型适合辅助可控的小型任务，却不足以支撑当前 AI 行业的巨额投资和增长预期。他从输出可靠性、企业生产率、token 消耗、模型训练及数据中心成本等方面批评行业扩张，并主张将 AI 作为工具使用不应演变为外包思考与核心工作。文章进一步判断，OpenAI、Anthropic、云厂商和 NVIDIA 之间的资本与算力循环难以长期维持。

    匹配字段摘要、正文

    #ai-news#大佬观点#部署/工程#现象/趋势

星期一

  1. Interconnects

    Interconnects 第 22 期开源模型盘点：Zyphra、Cohere 与 Poolside 拓宽生态版图

    Interconnects 第 22 期开源模型盘点指出，开源模型生态正从少数中国厂商主导走向多元，作者把发布方分为纯模型厂商、大科技公司和产品公司三类。本期收录 NVIDIA Nemotron-3-Ultra-550B-A55B-BF16、Cohere 以 Apache 2.0 发布的 Command A+（218B-A25B MoE）、GLM-5.2、Zyphra 的 ZAYA1-74B-preview、Poolside 的 Laguna-M.1 等模型。作者认为开源模型开发并非由单一类型参与者驱动，这种多样性正是开源生态的优势之一。

    匹配字段摘要、正文

    #newsletter#行业动态#开源生态#模型发布

星期三

  1. Johann Rehberger / Embrace The Red精选

    Johann Rehberger：智能体让所有漏洞都变浅

    安全研究者 Johann Rehberger 认为，智能体正变得极擅长发现安全漏洞，他在博文中引用 Anthropic 同日发布的 Mythos Preview 数据：Opus 4.6 在数百次尝试中仅两次成功利用 Firefox JS 引擎漏洞，而 Mythos Preview 成功 181 次。Anthropic 将 Mythos 以受限预览形式开放，并宣布 Project Glasswing，联合 AWS、Cisco、Microsoft、Linux Foundation、CrowdStrike、Palo Alto Networks、NVIDIA 等公司加固关键软件，同时捐赠最高 1 亿美元额度加 400 万美元给开源软件。Rehberger 指出，能力提升主要改变攻击者的吞吐量而非人数，组织快速部署补丁将成为最大挑战，并预计 6-12 个月后开源权重模型将具备接近能力。

    匹配字段摘要、正文

    #analysis#安全/对齐#Agent#Anthropic

星期四

  1. SemiAnalysis精选

    Amazon AI 复苏：AWS 与 Anthropic 扩建多吉瓦级 Trainium 基础设施

    AWS 正为 Anthropic 扩建多吉瓦级 AI 训练基础设施，三个接近完工的园区合计拥有逾 1.3GW IT 容量，最大园区将部署近百万颗 Trainium2。Trainium2 的多项性能落后于 NVIDIA 系统，但在单位内存带宽总拥有成本上具有优势，契合 Anthropic 侧重强化学习和训练后扩展的路线。Anthropic 还深度参与 Trainium 的系统设计，同时继续使用 Google TPU 和 NVIDIA GPU。

    AWS 正为 Anthropic 扩建多吉瓦级 AI 训练基础设施，三个接近完工的园区合计拥有逾 1.3GW IT 容量，最大园区将部署近百万颗 Trainium2。Trainium2 的多项性能落后于 NVIDIA 系统，但在单位内存带宽总拥有成本上具有优势，契合 Anthropic 侧重强化学习和训练后扩展的路线。Anthropic 还深度参与 Trainium 的系统设计，同时继续使用 Google TPU 和 NVIDIA GPU。 · AWS is expanding multi-gigawatt AI training infrastructure for Anthropic, with three nearly completed campuses providing more than 1.3GW of IT capacity and the largest campus set to deploy nearly one million Trainium2 chips. Although Trainium2 trails NVIDIA systems on severa

    匹配字段摘要、正文

    #analysis#行业动态#AI芯片#部署/工程

星期三

  1. 事件1 条新闻 · 1 个事实

    NVIDIA推出DSX POD模块化AI工厂参考设计

    2026年10月21日,NVIDIA在柏林GTC大会上推出DSX POD模块化AI工厂参考设计,面向Vera Rubin AI工厂。该设计由合作伙伴在模块化集装箱内完成集成与验证后交付,把计算、网络、布线与液冷等安装工作前移到制造环节。NVIDIA新闻稿称,该方案可将已就绪站点的部署时间从六个月缩短至最短14天;智东西同日报道提到,黄仁勋称采用该方案可把算力从到场到投产的时间从4至5个月压缩到约1个月。合作伙伴包括Dell、HPE、Lenovo、Foxconn(Ingrasys)、QCT等,计划于2027年初在全球交付。目前尚无后续发展事实。

    匹配字段标题

  2. 事实所属事件

    NVIDIA推出DSX POD模块化AI工厂参考设计

    2026年10月21日,NVIDIA在柏林GTC大会上推出DSX POD模块化AI工厂参考设计,面向Vera Rubin AI工厂。该设计由合作伙伴在模块化集装箱内完成集成与验证后交付,把计算、网络、布线与液冷等安装工作前移到制造环节。NVIDIA新闻稿称,该方案可将已就绪站点的部署时间从六个月缩短至最短14天;智东西同日报道提到,黄仁勋称采用该方案可把算力从到场到投产的时间从4至5个月压缩到约1个月。合作伙伴包括Dell、HPE、Lenovo、Foxconn(Ingrasys)、QCT等,计划于2027年初在全球交付。目前尚无后续发展事实。

    匹配字段标题

    查看事件：NVIDIA推出DSX POD模块化AI工厂参考设计

  3. 事实所属事件

    Evan Conrad称NVIDIA无法自建算力交易市场

    2026年10月21日,SF Compute CEO Evan Conrad在Latent Space播客中提出判断,认为NVIDIA无法自建算力交易市场。他给出的理由是,拥有大型硬件或推理业务的公司难以运营中立交易所。同一场合中,Conrad还表示算力市场必须先做物理交割,即真正交付可用的GPU算力,再谈金融化,否则容易出现市场操纵和基差风险。他介绍,SF Compute正从转租GPU集群扩展到自建云运营能力,以实现GPU合约的物理交割,买家拿到的是可用算力,而非按指数结算的现金;公司不持有硬件以保持中立,并已支持客户自行在线切分InfiniBand fabric。他还称,SF Compute已把5%的容量放上订单簿,客户花100美元买入容量后平均能靠转卖收回25美元,并已成交数亿美元规模。目前没有后续发展事实。

    匹配字段标题

    查看事件：Evan Conrad称NVIDIA无法自建算力交易市场

星期日

  1. 事件1 条新闻 · 1 个事实

    Evan Conrad称NVIDIA无法自建算力交易市场

    2026年10月21日,SF Compute CEO Evan Conrad在Latent Space播客中提出判断,认为NVIDIA无法自建算力交易市场。他给出的理由是,拥有大型硬件或推理业务的公司难以运营中立交易所。同一场合中,Conrad还表示算力市场必须先做物理交割,即真正交付可用的GPU算力,再谈金融化,否则容易出现市场操纵和基差风险。他介绍,SF Compute正从转租GPU集群扩展到自建云运营能力,以实现GPU合约的物理交割,买家拿到的是可用算力,而非按指数结算的现金;公司不持有硬件以保持中立,并已支持客户自行在线切分InfiniBand fabric。他还称,SF Compute已把5%的容量放上订单簿,客户花100美元买入容量后平均能靠转卖收回25美元,并已成交数亿美元规模。目前没有后续发展事实。

    匹配字段标题

星期五

  1. 事件1 条新闻 · 1 个事实

    德国联邦政府计划与Nvidia合作

    2026年10月16日,德国联邦政府计划与Nvidia在工业AI应用方面开展合作,并准备投入一笔三位数百万欧元级别的资金。项目聚焦Nvidia所称的“物理 AI”,即机器人和自动化工业设备等能与真实世界交互的AI,同时开发面向未来工厂的高性能AI模型,Siemens等德国企业也计划参与。10月20日,德国联邦政府与NVIDIA签署联合意向声明,将围绕面向物理 AI 的前沿模型展开合作,推动工业AI在德国及欧洲规模化落地;NVIDIA同时宣布计划投资Agile Robots、Avelios Medical、Mirelo和Reflex Aerospace四家德国初创公司,这是其近100亿美元欧洲投入的一部分。10月21日,NVIDIA在GTC Berlin宣布欧洲生态伙伴采用NVIDIA DSX AI工厂平台。

    匹配字段标题

  2. 事件1 条新闻 · 0 个事实

    SGLang原生支持并驱动Beam生产API

    LMSYS于2026年10月16日宣布,SGLang已原生支持Reflection的Beam模型,并用于支撑其生产API。Beam是501B参数、每token激活23B的MoE模型,原生1M token上下文窗口,计划以Apache 2.0发布;SGLang为其提供BF16、NVFP4和动态FP8支持、DFlash2投机解码与混合注意力前缀缓存。在4张NVIDIA GB300 GPU上以NVFP4运行OpenHands多轮智能体编码回放,并发32时达到每GPU 127.6K tokens/sec、每用户185.87 tokens/sec(p50)。同日,Reflection发布Beam模型权重,Ollama作为day-zero合作方限时免费提供并采用零数据保留;Beam总参数量约5010亿、每token激活约230亿,上下文窗口100万token,以Apache 2.0许可发布。后续AWS方面信息称,Beam权重已在Hugging Face发布,提供BF16、FP8和NVFP4三种checkpoint,并已在Amazon SageMaker JumpStart上线,也可通过SageMa

    匹配字段摘要

星期一

  1. 事实所属事件

    Nvidia联合六家金融机构设立AI基础设施融资平台

    2026年10月16日,德国联邦政府计划与Nvidia在工业AI应用方面开展合作,并准备投入一笔三位数百万欧元级别的资金。项目聚焦Nvidia所称的“物理 AI”,即机器人和自动化工业设备等能与真实世界交互的AI,同时开发面向未来工厂的高性能AI模型,Siemens等德国企业也计划参与。10月20日,德国联邦政府与NVIDIA签署联合意向声明,将围绕面向物理 AI 的前沿模型展开合作,推动工业AI在德国及欧洲规模化落地;NVIDIA同时宣布计划投资Agile Robots、Avelios Medical、Mirelo和Reflex Aerospace四家德国初创公司,这是其近100亿美元欧洲投入的一部分。10月21日,NVIDIA在GTC Berlin宣布欧洲生态伙伴采用NVIDIA DSX AI工厂平台。

    匹配字段标题

    查看事件：德国联邦政府计划与Nvidia合作

星期四

  1. 事件1 条新闻 · 1 个事实

    Nvidia CFO称组件供应可支撑F2028数据中心业务增长逾70%

    2026年8月27日,英伟达首席财务官Collette Kress表示,组件供应足以让数据中心业务在2028财年增长略高于70%。The Next Platform当日分析英伟达2027财年第二季度财报时援引了这一表态,并称采购承诺已从1190亿美元增至2790亿美元,供应限制主要来自DRAM、HBM和闪存等组件。该报道还测算,当季数据中心计算收入约715.7亿美元、网络收入约174.5亿美元,网络业务已占数据中心销售额约19.6%。目前尚无后续发展事实。

    匹配字段标题

星期四

星期一

  1. 事件7 条新闻 · 3 个事实

    Anthropic公开提交S-1注册声明拟在纳斯达克IPO

    Anthropic于10月26日公开提交Form S-1注册声明,计划以代码ANT在纳斯达克上市。招股书显示,其营收从2023年的4100万美元增至2026年上半年163亿美元,Q2单季116亿美元、运营利润9.74亿美元;上半年约48%收入经Bedrock、Vertex和Azure Marketplace流转,并列出最高1205亿美元的NVIDIA算力承诺。此后,World Trade Securities于10月27日测算其到2027年末现金储备有望接近4000亿美元;Anthropic在IPO文件封面信中重申Claude不会展示广告,并于10月28日承认生命科学业务缺乏物理实验经验。10月28日,高盛拿下招股书lead-left席位,TechCrunch报道公众股东对董事会人选几乎无话语权。10月29日,招股书披露四起此前未公开的Agent安全事故。10月30日,路透报道其IPO募资上限有望达1000亿美元;史蒂夫·艾斯曼则指责招股书刻意不披露第三季度数据,Anthropic尚未回应。

    匹配字段摘要

星期六

  1. 事件3 条新闻 · 3 个事实

    DeepSeek开源推理框架DeepInfer

    2026年10月20日,DeepSeek开源内部推理框架DeepInfer。据Yuchen Jin引用DeepSeek披露的数据,单个集群每天处理155万亿token,每GPU小时产生38美元收入(非高峰定价),DeepInfer同时支持NVIDIA Blackwell和华为昇腾;36氪后续报道称其配套开源deepseek-recipe,支持英伟达SM100 GPU与华为昇腾Ascend 950 NPU。10月21日,swyx引用Latent.Space数据称单集群日处理155T tokens、输入缓存命中率96%,认为每块已售GPU生命周期价值上涨约30%。10月24日,Nathan Lambert称DeepSeek单集群日处理150T tokens,超过OpenRouter、Fireworks、Together和BaseTen开源模型推理量之和,并指出实际集群数量不明;同日LMSYS公布同硬件基准对比,称SGLang在DeepInfer自有基准上达到或超过DeepInfer,prefill吞吐最高1.04x,64x GB300上decode步长缩短1.1%–7.4%。

    匹配字段摘要

星期二

  1. 事件1 条新闻 · 0 个事实

    DeepSeek开源推理框架DeepInfer

    2026年10月20日,DeepSeek宣布开源其内部生产级推理框架DeepInfer。据Latent Space报道,该框架支撑DeepSeek-V4.1-Flash,基于vLLM定制,支持分布式推理、投机解码、SWA Bounded Replay和结构化输出,目标平台为NVIDIA SM100与华为昇腾950;公布的单集群生产数据为每天处理155万亿token、96%输入缓存命中、首token延迟400ms、生成速度230 tokens/s。报道同时指出,KV cache管理和负载均衡等组件尚未完全开源。次日,DeepSeek在知乎发布DeepInfer技术报告,公开Prefill与Decode的硬件选型、KVCache目标等内部细节,并给出单一集群服务吞吐155万亿Tokens/天、按谷价每卡每小时38美金的数据。目前该框架已开源,但完整服务所需的KV缓存系统、Prefill/Decode解耦和负载均衡未完全包含在本次开源项目中。

    匹配字段摘要