搜索“NVIDIA”

EO Pat Gelsinger 押注 Nagare Labs 以跨越内存墙 3 天前 AI 的史诗级融资需求，唯有其扼杀收入来源的能力可与之匹敌 10 天前 过去十年的大部分时间里，Intel 的困境已在本站及其他新闻网站、行业分析师报告和金融研究论文中得到充分记录。这家曾经的芯片主导厂商被诸多挑战绊倒，从 AMD 日益增强的实力侵蚀其服务器芯片市场份额、Nvidia GPU 乘上 AI 浪潮，到其代工业务持续数十亿美元的运营亏损。Intel 在 2026 财年第二季度亏损 110 亿美元，公司定于 10 月 29 日发布最新季度业绩。 Intel CEO 陈立武正处于转型中途，削减成本并缩减早先的扩张计划。这家芯片制造商还受益于从 AI 训练向推理的转变——这是一种更依赖 CPU 的工作负载，可能缩小 CPU 与 GPU 在快速增长的 AI 市场中的差距。NEXTPLATFORM 广告 即便如此，Intel 的创新并未停滞。本周，该公司释放信号表明量子计算将成为其未来的重要组成部分，高管们如今准备在这一快速演进的技术上大举押注。 Intel 宣布计划以 23 亿美元收购成立六年的以

匹配字段正文

时扩展使token生成量增加15倍时，能耗中位数升至4.32 Wh——大约高出13倍。 话虽如此，实际能耗会因模型、硬件、批大小、利用率、token数量和数据中心开销的不同而存在显著差异。 更长的推理意味着更多token。在并发负载下，生成更多token通常会消耗更多加速器时间，这会提高排队风险，并增加维持SLA所需的容量。 智能体工作负载引入了另一个乘数。NVIDIA指出，智能体请求可能触发多次工具调用和推理步骤，因此完成任务的成本与每token成本一起，成为更有用的衡量指标。 这改变了基础设施团队预测需求的方式。话虽如此，并不存在能解决推理经济性的单一优化方案。 更广泛的意义在于，随着 AI 工作流变得更加复杂，基础设施成本越来越取决于完成一个结果需要多少算力，而不仅仅是生成了多少 token。 在多智能体系统中，单次用户操作还可能同时启动多个模型会话。因此，架构很重要：串行智能体会增加耗时，并发智能体会提高峰值资源需求，而更小的专用模型有时可以同时降低延迟和算力需求。 硬件很重要。但内存带宽、网络、模型量化、批处理、KV 缓存管理、提示缓存、推测解码、模型路由和工作负载编排同样重

匹配字段正文

28年的年增速76%。2025年，这批头部厂商产能约占全球45%，2026年占比将过半。 Yole Group高级技术与市场分析师Bilal Hachemi博士表示，“行业平均增速是这个市场里参考价值最低的数据。一半赛道年增速45% 70%，另一半几乎不增长。如果只看平均值，就会对两个板块都产生错误判断。” 增长驱动力来自单系统价值提升，而不是出货量。新一代NVIDIA机架（包括Vera Rubin平台）对应的PCB价值量涨幅超过200%，其中57%的增量来自此前不存在的新型板类。一块定制加速器的PCB价值量大约是GPU的两倍；到2026年，ASIC在AI服务器中的占比将达到约30%。上游板材市场规模将翻倍至460亿美元，AI专用PCB材料逐步替代传统材料。 汽车电子是第二大增长主线，并且增长持续性更强，2031年市场规模将突破230亿美元，复合增速14%。增长完全来自结构变化：电动车动力域电路板年增速30%，高级驾驶辅助（ADAS）中央计算板增速46%；而传统燃油车相关PCB需求每年萎缩15%。在云厂商资本开支回归常态后，汽车领域仍会持续支撑高端HDI板需求。 数据背后，电路板本身的

匹配字段正文

V2.6-Pro 的 79% 持平。 点击放大图片。（来源：Mistral） 就此，Stock 解释了部分 Mistral 客户如何已将这一模型投入使用，用它支持自动化渗透测试，由专门的智能体分析应用程序日志并测试潜在的入口点。 以极低成本实现飞速提升 当 Mistral 于 10 月初公开发布 ML4 预览版时，该模型已在其欧洲数据中心约 3,800 块 Nvidia Grace Blackwell GPU 上训练了约两个月。Stock 表示，在过去三周里，该模型经历了“显著提升”，他将此归功于团队的强化学习。Mistral 自己的 Terminal-Bench 4.0 得分从预览时的 28% 升至 41%。 “我没有关于有人能用这么多资源做到这一点的信息。” 更值得注意的是，他声称，这家法国公司仅用 10 兆瓦的电力就完成了那次强化学习，“只是所有竞争对手所用资源的一小部分。” 当被追问 Mistral 如何能确定自己比竞争对手更具成本效益时，Stock 告诉记者：“我没有关于有人能用这么多资源做到这一点的信息。” 他还表示，Mistral 的资源效率意味着这家法国初创公司只要获得

匹配字段正文

平台，可以自动梳理出公司技术环境中的所有AI模型和代理。它保护这些资产免受提示注入等风险的影响。此外，该软件还可以跟踪AI模型提示响应的质量，并衡量它们带来的生产力提升。 McDermott透露，Super Intelligence Control Tower的一项核心使用指标正以每月500%的速度增长。他补充说，ServiceNow预计其AI业务明年将实现“真正的加速”。 ServiceNow将其全年AI ACV预测上调至17亿美元，较1月份增长70%。然而，该公司第四季度的营收预测仍低于预期。ServiceNow预计销售额为42.5亿至42.6亿美元，而分析师预测为43.6亿美元。 该公司在发布财报的同时宣布了一系列AI合作伙伴关系。ServiceNow正与OpenAI Group PBC合作推出一款插件，使客户能够通过ChatGPT访问其平台。另外，该公司正在组建一个合作伙伴团体，旨在推动Super Intelligence Control Tower的发展。该联盟包括Nvidia Corp.等主要行业参与者，将共同开发联合产品并合作开展市场推广活动。 图片：ServiceNow

匹配字段正文

，如果 Meta 和英伟达深化软件合作——同意使用 OpenShell 帮助确保 Muse 安全地处于合适环境中，并限制其对真实凭据的访问——这可能带来更深入的整合。 “对此的需求可能非常可观，英伟达正将自己定位为该基础设施的供应商，同时也在与 Meta 创建软件整合，连同 OpenShell 和一系列英伟达软件，”他说。其他英伟达软件包括监控智能体行为的 Nvidia Sentry。 Nag 继续说，虽然 Muse 目前主要面向消费者和小型企业，但其持续走红可能延伸至企业领域，因为存在一个明显模式：许多员工“将他们的消费行为带入工作场所”。如果这种情况发生，英伟达将从中受益。 “他们拥有大量工程资源，可帮助推动因 Muse 在消费领域被采用而产生的未来计算需求，随后这种需求会渗透到企业领域，”Nag 说。 相关报道：提示：企业管控跟不上 AI 智能体的步伐 但仍不确定的是，尤其是围绕智能体 AI 系统日益加剧的安全担忧，像 Muse 这样的个人 AI 智能体能否赚钱。尽管广受欢迎，Meta 尚未让该智能体成为盈利引擎。 目前也不清楚 Meta 在这笔投资中承担哪些义务。 “Meta

匹配字段正文

企业和成长期企业的 Launchpad Arena，以及“Luxembourg Makes It Happen”机构中心。 谁将登台 2026 年的阵容定下了基调。欧盟委员会执行副主席 Henna Virkkunen 称 AI 是“一个技术主权问题”，同台的还有 OVHcloud 的 Octave Klaba、Odoo 的 Fabien Pinckaers、NVIDIA 的 Eva-Maria Hempe、Paytm 的 Vijay Shekhar Sharma 和 UNESCO 的 Dr Tawfik Jelassi。 往届还迎来了 Mistral AI 的 Arthur Mensch、Coinbase 的 Brian Armstrong 和 Rakuten 的 Mickey Mikitani。而且自首届以来，每年首相 Luc Frieden 及其政府成员都会来到 Nexus Luxembourg，这表明该国对这场活动的密切关注。 2027 年首位确认的嘉宾是 Armand Thiberge，他是 Brevo 的创始人，而 Brevo 是少数达到独角兽地位的欧洲 SaaS 公司之一。

匹配字段正文

译、时序、调试和验证过程中确定步骤优先级。在 Altera 内部对使用和不使用 QuartusIQ 的 Quartus Prime 进行对比的基准测试中，设计创建速度最高提升 10 倍，整体设计周期最高提升 1.5 倍。该工具与 MCP 集成，并支持自带密钥（bring-your-own-key）设置。 Altera QuartusIQ FPGA 开发 在 NVIDIA GTC Berlin 2026 上，两家公司宣布这将引入新的 RTX Station 系统（我们一直在 STH 评测的 DGX Station 平台的 Windows 版本）。其理念是，你可以使用 QuartusIQ 和 MCP，以本地 NVIDIA Nemotron 作为模型，在芯片上设计和实现工作流。我很喜欢这一点。 结语 关于 FPGA 发布还需要了解的另一点是，发布与上市之间通常存在很大差距。我在电话会议上询问过，QuartusIQ 相关部分将在本季度推出，而 Agilex 27 工程样片预计在 2027 年下半年推出。我真正想知道的是，要等多久才能拿到 Agilex 27，并让本地模型通过 MCP 为我构建类

匹配字段正文

出速度快、价格相对便宜的特点，但在总排名上落后于中国模型。 在公开预览三周后，Mistral 已将 Large 4 的权重上传至 Hugging Face。该模型的昵称为“Le Chonk”。它以文本和图像为输入，输出文本和代码。其总参数量约为 1 万亿，每步激活 520 亿。自行运行该模型需要大量硬件。根据推理框架 SGLang 的文档，标准版本可在八块 Nvidia B300 GPU 上运行，而压缩程度更高的变体可在四块 GB300 GPU 上运行。 自预览以来，Mistral 一直通过强化学习继续训练该模型。该公司称这带来了巨大提升，尤其是在编码和网络防御方面。Mistral 研究人员 Pierre Stock 和 Corentin Petit 在新闻电话会上详细介绍了这一过程。团队在内部构建了随训练推进而难度递增的任务。他们表示，性能的唯一限制是团队还能创建并验证多难的任务。Mistral 称这是一项“为期两年的赌注”，如今正在收获回报。 Large 4 在编码方面领先开源模型，但大幅落后于 Claude 再经过三周训练后，Large 4 在 Terminal-Bench 4.

匹配字段正文

大量提升空间：如果你每秒处理 X 个 token，仅仅一年后就能达到五倍或十倍。他们会告诉你，他们预计未来算力效率还会持续提升。 在SemiAnalysis与我共同负责Tokenomics模型的Max Kan和我甚至已经就此发表过一些研究。目前，如果Anthropic每兆瓦推理算力对应6500万美元收入，而去年这个时候还只是十几岁的水平。我们曾说过，也许在[Nvidia] Blackwell上运行Opus 5.5，每兆瓦收入可以达到1亿到1.2亿美元。 这里的关键在于，他们现在平均每兆瓦在[销货成本]上，或者说仅在算力成本上，只支付略高于1000万美元。有了这些利润率，你就可以再投资于训练。 人们没有意识到这一点，但实际上只有大约30%的算力真正用于产生收入的推理服务。其余用于实验和研究、训练模型以及后训练模型。所以有大量算力在构建下一个模型，这更多属于研发侧，也是你在这个业务中真正获得回报和护城河的地方。 实际上，我原本期待在S-1中看到这种动态更强烈地展现出来——Anthropic通过销售他们现有的模型赚了很多钱，而且未来会有更多客户购买他们现有的模型。这会带来大量利润。然后，因为

匹配字段正文

uth已从投资者处筹集7000万美元，目标是最终能够验证任何编程语言。竞争对手Harmonic由Robinhood CEO Vlad Tenev联合创立，已获得2.95亿美元融资，本周宣布其专注于数学的AI智能体Aristotle支持验证用C语言编写的软件和用Verilog编写的硬件设计。该公司正在与潜在用户评估这项技术，包括芯片制造商Tensordyne和Nvidia，后者的风险投资部门是该初创公司的投资者之一。 就在上周，Anthropic与验证初创公司Theorem联合宣布，他们利用AI协助发现了开源软件中的缺陷，而这些缺陷是数万亿次测试都未能检测到的。他们还为Claude推出了一款附加组件，以帮助其他开发者进行验证。初始项目的成本未予披露。 最大的愿景是这样一个未来：软件运行更可靠，安全问题更少。但AI能否将形式化验证从NASA和Apple等组织中最关键的系统推广到广泛使用，仍是一个悬而未决的问题。 这项技术仍处于原型阶段。尽管需求很高，但客户愿意支付多少以及他们偏好如何采用这项技术尚不清楚。形式化验证依赖于对计算机和人如何与软件交互做出假设，一些专家对其捕捉由用户错误和硬件故

匹配字段正文

倍（@zcbenz）。 NF12：无损 12 位 BF16 格式使 Qwen3-32B 的 token 生成速度提升 1.23 倍（@sylvie l）。 封装：ASE 为 AMD Venice 提供的面板级封装每面板可容纳 25 个中介层，而每晶圆为 22 个。生产将于 2027 年第一季度开始（@SemiAnalysis ）。 语音、视频与多模态模型 NVIDIA Nemotron 3.5 Transcribe：这个开放权重的 30B MoE 模型约有 4B 激活参数。它支持 40 种语言、说话人归属、翻译和音频问答（@NVIDIAAI）。 独立结果：它在 AA-WER 上得分为 2.8%，与 Voxtral Small 并列开放模型第一。在 DeepInfra 上，它以 75 倍速度因子运行，价格为每 1,000 分钟 2 美元（@ArtificialAnlys）。 服务：vLLM 在第 0 天即支持它，提供 BF16、FP8 和 NVFP4 权重（@vllm project）。 AssemblyAI-TTS-1：该模型价格为每 100 万字符 15 美元，首段音频延迟为 90

匹配字段正文

榜 的帕累托前沿。 我们实时部署的 Qwen3-ASR 1.7B 在 Coval 的语音转文本基准测试上也具有最高的质量（即最低的 WER）和最低的延迟，该基准测试涵盖了市场上领先的转写模型，包括开源和闭源模型。 ✕开放 ASR 排行榜上开源权重模型的词错误率（WER）与模型规模对比。Qwen3-ASR 1.7B（5.40%）位于帕累托前沿，与最准确的模型 NVIDIA Nemotron 3.5 Transcribe 30B-A4B（5.33%）相差仅 0.07 个百分点，而规模仅为其一小部分。 自 Qwen3-ASR 发布之日起，Baseten 就一直将其用于批量转写。以下是我们如何让它比原生实现更快的方法。 我们优化的 Qwen3-ASR 技术栈 我们从 vLLM 的 OpenAI 兼容转写端点入手，该端点将音频切分为 30 秒窗口并分批送入模型。在此基础上，我们对请求在负载下的每个阶段进行了性能分析，重点聚焦于四个方面： 原生音频解码 KV 缓存量化（不损失质量） 主机到设备同步 请求处理 以下是使我们的吞吐量提升 7 倍以上的部分关键改动。 原生音频解码 在任何模型工作开始之前

匹配字段正文

一篇重磅文章回归。 在此期间，我正在进行为期一周的促销——年费70美元的订阅享受10%折扣 终身 (点击这里！）——面向新订阅者。这是支持我工作的绝佳方式，而且你能以低于几乎所有竞品通讯的价格获得极其丰富的价值。 过去几个月里，我发表了一篇 两 部分 的指南，介绍AI债务世界；一篇分析 生成式AI对全球经济（可疑）影响的文章；对AI基础设施领域最大参与者（如NVIDIA）的深度分析（第 一 部分和 二) 和 Oracle（第 一 和 二），如何 OpenAI 最终会杀死 Oracle, 以及 风险投资如何杀死自己. 如果你想联系我——尤其是如果你掌握关于Anthropic、OpenAI、Blackstone或AI泡沫中任何其他公司的劲爆信息——请通过Signal联系我，账号是ezitron.76。你也可以在你的Bloomberg Terminal上通过IB找到我。 上周, 我在我的通讯开头引用了Apollo首席经济学家Torsten Slok的一句话，请原谅我， 我不得不再引用一次, 强调 他的: 尽管人工智能领域有巨额投资和广泛炒作，但这项技术在美国科技行业之外的企业界没有带来任何财

匹配字段正文

与微调便利性。 十一、英伟达把 AI 超算塞进 14mm 笔记本：RTX Spark 六家开卖，,599 起 1.发布铺货：10月28日英伟达宣布RTX Spark笔记本由华硕、戴尔、惠普、联想、微软、微星六厂商开售，官方起售价2599美元，最高128GB统一内存；同步推出Nemotron 3.5 Transcribe语音模型、Liquid AI的LFM3、NVIDIA App的GPU资源调度、DLSS 4.5与Minecraft路径追踪等，一次补齐模型、agent工具与游戏三块生态。 2.核心技术：RTX Spark以Blackwell RTX GPU加Grace CPU单芯片、最高128GB统一内存与1 petaflop FP4算力为卖点，使1200亿参数模型4bit量化后可完整本地运行；CUDA路径与云端一致，官方称可覆盖超1.5亿台RTX AI PC及云端GPU，等于把卖算力的模式复制到每台笔记本。 3.定价与影响：起售价2599美元（顶配128GB版本更高），以一次性硬件采购替代持续的云端推理账单，主攻创作者、开发者与企业本地化场景；生态赌注在Windows on Arm应用

匹配字段正文

拿大政府作为新投资方加入。 融资条款与领投方 Cohere为受监管行业和政府提供主权AI系统，该公司称此轮融资是加拿大科技公司有史以来规模最大的私募融资。公告将Schwarz Group描述为欧洲最大的AI和云基础设施投资者之一，并指出其IT与数字部门Schwarz Digits近期承诺投入数十亿资金用于德国下一代数据中心容量。Inovia Capital、NVIDIA和Prosperity7 Ventures作为现有投资方参与。 “今天我们宣布E轮融资的首次交割，这是一轮创纪录的融资，是加拿大历史上规模最大的私募融资，”Cohere首席执行官兼联合创始人Aidan Gomez表示。Gomez称，联邦政府的参与凸显了加拿大在全球AI发展中的领导地位，并将此次融资称为公司母国的历史性事件。 资金用途与已披露增长 首席财务官Francois Chadwick表示，Cohere将利用这笔资金推进其建模和产品路线图，为受监管行业开发完全垂直化的AI解决方案，并投资于训练前沿级企业模型所需的长期算力基础设施。他表示，公司将继续在北美、EMEA和APAC地区扩张，以满足客户需求。 Cohere报告

匹配字段正文

数据底座 Vast 的平台让应用能够通过不同的存储协议访问同一份文件，从而减少对单独副本的需求。安科里昂解释说，结合通过 Cloudera Anywhere Cloud 提供的数据服务，该架构可在统一的数据底座上支持不同的工作负载。 “GPU 的核心是加速计算，”他说。“它们高度、高度并行化，而且价格昂贵。你要确保的是 GPU 不会等待数据。” Cloudera 还在扩展其 AI 生态系统以简化部署。里姆斯解释说，联合工程和蓝图可帮助客户探索跨行业的应用。 “展示你通过这些昂贵的英伟达（Nvidia Corp.）GPU 创造价值和投资回报，对我们的客户来说极其重要，”他说。“归根结底……关键在于他们正在解决的用例和问题。” 以下是完整的视频采访，这是 SiliconANGLE 和 theCUBE 对 EVOLVE26 报道的一部分： （ 披露：theCUBE 是 EVOLVE26 的付费媒体合作伙伴。无论是 theCUBE 活动报道的赞助商 Cloudera，还是其他赞助商，均不对 theCUBE 或 SiliconANGLE 上的内容拥有编辑控制权。） 图片：SiliconANGLE

匹配字段正文

行联系起来提供了一条可信路径。该公司需要证明这些点在实践中是相互连接的，而不仅仅是在架构幻灯片上。 AI 流量处理位置的灵活性是必备条件 并非每个组织都愿意通过云服务发送提示词和模型响应。受监管行业、政府以及有数据主权要求的公司通常需要在自身环境中进行检查。Fortinet 通过自托管的 FortiAIGate 解决了这一问题，它可以在本地、客户云中或使用 Nvidia Corp. 图形处理器的 Kubernetes 上运行，将提示词、响应、数据和日志保留在环境内。 该公司还包含 50 多项预定义合规策略，涵盖 AI 治理框架、数据隐私法、行业法规和安全框架，并为审计人员提供每个提示词、输出和工具调用的详细日志。随着欧盟《人工智能法案》以及各州和行业规则的拼凑成形，该审计追踪的价值将与防护栏本身相当。 双模式很明智。云交付服务是广泛基础客户的入口，而自托管 FortiAIGate 则是有着严苛性能、隐私或主权需求客户的目的地。它还解决了一个重要的盲点。防火墙只能看到经过它的流量，但越来越多的智能体活动发生在云到云之间，或发生在从不经过 FortiGate 的应用层内。将网关部署在 AI

匹配字段正文

ogle TPU，将于2027年开始提供。Oracle AI World 2026 JavaScript运行时“Bun”推出了兼容Prettier、速度超过300倍的格式化工具。Prettier配置文件也可直接使用 AWS和Google Cloud以开源形式发布了“PyTorch”的AWS Trainium、Google Cloud TPU支持版本。致力于从NVIDIA迁移 “DuckDB 2.0 LTS”正式发布。通过Quack协议实现客户端/服务器功能以及通过异步处理实现高速化等 Cloudflare宣布推出将TypeScript移植到Rust的“tsrs”。相比TypeScript 7，内存最多减少70%，速度提升8倍。今后计划支持LSP等TypeScript的全部功能 “Cloudflare OS”将提供托管服务。加强与GitHub的连接以及与Gmail的联动等 AWS宣布推出“AWS Lambda Web Functions”，可在AWS Lambda上直接部署并运行Next.js、Hono等Node.js框架和应用 微软预览发布.NET工具链管理器“dotnetup”。可管

匹配字段正文

客户撒谎而不受惩罚，而简单的工具调用检查会让失败的调用通过（Daniel Rupawalla）。 基准测试禁令：批评者指出，一个据报道基于 Kimi K3 的“主权 AI”模型，其最终用户许可协议禁止独立基准测试。其营销使用 MATH-500 和 AIME 等饱和评测，没有智能体基准（hallerite、Elie Bakouch）。 Rubin NVL72：NVIDIA 首个 Rubin NVL72 提交为 Kimi K3（2.8T 参数）提供服务，每用户超过 850 tok/s，在 vLLM 上吞吐量高出 3 倍以上（SemiAnalysis）。 大规模集群强化学习：Reflection 为 Beam 的强化学习运行了约 13 亿个沙箱，在 23 个 GCP/AWS 集群上峰值达到 883,006 个 vCPU。未来的运行将迁移至 OpenEnv（Reflection）。 自动化优化：两个系统报告了端到端加速： Standard Kernel：与 CoreWeave 合作，该系统报告在 GLM-5.3 上流量提升 63%，在 Qwen3.8-27B 上每用户吞吐量提升 2 倍，在 D

匹配字段正文