Skip to content

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。

295selectedRelated topics部署工程行业动态具身智能

Latest selected

181–200 of 295
Oct 8Thu
  1. IT之家 · AI 筛选77

    博通拟为 OpenAI 定制芯片筹资超 500 亿美元,SpaceX 等推进数百亿美元算力融资Chinese

    博通正与阿波罗全球管理和黑石集团等机构洽谈,拟为 OpenAI 的定制 AI 芯片项目安排超 500 亿美元融资。双方合作的芯片项目代号为 Nexus,规划从 2026 年下半年至 2029 年底部署 10 吉瓦定制芯片系统。此外,博通正为 Anthropic 筹集 600 亿美元芯片融资,SpaceX 也在洽谈约 400 亿美元融资用于采购芯片,甲骨文则在推进 1 吉瓦数据中心的芯片采购融资。

    Why it matters: 多笔百亿美元级私人债务融资集中浮现,集中反映出前沿模型训练与算力基建对巨额资金的结构化需求。

  2. Hacker News · AI73

    微软 Windows ML 引入 llama.cpp 支持并升级 Windows 端侧 AI 开发栈Chinese

    微软宣布 Windows ML 增加对 llama.cpp 的实验性支持,允许开发者通过统一接口直接在本地运行 GGUF 格式模型。本次更新推出了兼容 OpenAI 接口规范的 Text Generation API 与 Speech Recognition API,并上线了提供确定性多模型流水线及零拷贝数据路径的 Windows ML Runtime API 预览版。

    Why it matters: 原文给出了 Windows ML 整合 llama.cpp 与 GGUF 的原生链路,开发者可据此评估端侧部署与跨架构优化的适配路径。

  3. The Verge · AI 筛选69

    微软 Surface 发布会汇总:Surface Laptop Ultra 亮相与 Windows 混合智能更新Chinese

    微软在旧金山发布会正式公布 Surface Laptop Ultra 与 Windows 新特性,新笔记本搭载 Nvidia RTX Spark Arm 芯片并改用磁吸 USB-C 充电,起售价 $2,599,定于 10 月 16 日发售。

    Why it matters: 汇总了微软最新硬件配置与系统级混合智能特性,便于读者快速掌握端侧算力与本地 AI 交互更新。

  4. NVIDIA · AI 筛选78

    NVIDIA 与微软联合推出 RTX Spark 和 DGX Station for Windows,加速端侧 AI 智能体落地Chinese

    NVIDIA 与微软联合推出面向端侧 AI 智能体的 RTX Spark 芯片与 DGX Station for Windows,微软同时推出系统级容器 MXC 保障智能体后台常驻安全。

    Why it matters: 文章展现了端侧硬件与操作系统底层协同的最新进展,为开发者在 Windows 环境下本地部署大模型与常驻智能体提供了具体配置参考。

  5. The Verge · AI 筛选68

    微软开启 Surface RTX Spark Dev Box 预购,售价 5999 美元Chinese

    微软面向开发者的高端 AI 迷你电脑 Surface RTX Spark Dev Box 现已开启预购,售价 5999 美元并预计于 11 月发货。该设备采用基于 Arm 架构的 Nvidia RTX Spark 平台,配备 128GB 统一内存与 100W 散热设计,针对运行超 120B 参数的本地 AI 模型、构建 AI 智能体原型及端侧运行 AI 编码工具进行了优化。

    Why it matters: 针对开发者本地运行大模型和智能体开发的需求,文章提供了硬件规格、预装环境与发售细节。

  6. The Verge · AI 筛选75

    微软如何打造对标 MacBook Pro 的 Surface Laptop UltraChinese

    微软通过与英伟达联合打造搭载 RTX Spark Arm 芯片的 Surface Laptop Ultra,并依托自动化硬件实验室的严苛测试,正面竞争高端笔记本市场。

    Why it matters: 文章披露了微软硬件实验室的自动化测试与磁吸接口设计细节,读者可据此了解 Windows 阵营冲击高端工作站体验的工程路径。

  7. Hacker News · AI73

    NVIDIA 研究发现多模态 AI 智能体调用工具时安全性显著下降Chinese

    NVIDIA 研究团队发表论文指出,多模态大模型在作为智能体调用工具时拒绝有害请求的能力显著下降,所测试的 11 款开源与闭源模型平均拒绝失败率上升 17.7%,相对增幅最高达 68.7%。

    Why it matters: 研究揭示多模态智能体调用工具会因上下文稀释削弱安全对齐,提示模型安全评测与训练需直接纳入工具使用场景。

  8. Hacker News · AI77

    多机构联合投入 18 亿美元构建 AI 生物学数据集与虚拟细胞模型Chinese

    Biohub 联合美国能源部(DOE)、美国国家卫生研究院(NIH)及产业伙伴宣布投入 18 亿美元资金、算力与测量技术,共同构建用于训练生物预测 AI 模型的开放数据集资源。

    Why it matters: 该倡议通过跨部门与跨企业整合算力与实验测量资源,展示了解决 AI 生物大模型底层训练数据瓶颈的行业路径。

Oct 7Wed
  1. IT之家 · AI 筛选83

    华为徐直军:昇腾国内市场份额已超英伟达,昇腾 950 超节点暂无全面出海计划Chinese

    华为轮值董事长徐直军表示,根据华为收集的数据,昇腾在中国市场的份额已经超过英伟达,但昇腾 950 超节点目前产能仍无法满足国内需求,因而暂无全面拓展海外市场的计划。昇腾 950 超节点作为 Peerium 计算架构的首代产品,目前仅向少数海外国家提供有限的测试供应。徐直军同时指出,推动芯片和整个半导体产业链自给自足是必然的前进道路。

    Why it matters: 原文披露了华为对国内算力芯片市场份额、昇腾产能分配及出海策略的判断,有助于了解国产算力生态的发展现状与供应链预期。

  2. Data Center Knowledge69

    AI 负载电力瞬变促使数据中心转向“芯片到电网”协同设计Chinese

    AI 负载在毫秒级的剧烈功率波动对传统电网稳定性构成冲击,促使行业推动从芯片、机柜到电网的协同架构变革。

    Why it matters: 原文梳理了机柜功率密度攀升与毫秒级负荷突变对电网的冲击,读者可以据此了解从机柜储能到现场发电的应对路径。

  3. NVIDIA Developer Blog60

    AICR v1.0 发布:提供开放、稳定且可验证的 GPU 集群配置Chinese

    NVIDIA 推出 AICR v1.0,用于解决 GPU 加速 Kubernetes 集群在主机内核、驱动、容器运行时及网络等多组件间复杂的版本兼容与配置验证难题。该方案旨在消除不同 GPU 架构和 Kubernetes 版本间的静默故障,简化集群部署后的冲突排查流程。

    Why it matters: 该方案针对 GPU 集群多组件版本冲突的运维痛点,读者可据此了解标准化集群配置与验证的新工具。

Oct 6Tue
  1. Hacker News · AI68

    反 AI 抗议团体转向直接行动并冲击行业会议与数据中心基建Chinese

    随着公众对前沿 AI 灾难性风险及数据中心扩张的担忧加剧,以 Pull The Plug 和 Pause AI 为代表的抗议团体正转向直接行动,通过扰乱行业晚宴、围堵企业总部和阻挠数据中心审批等方式表达诉求。该运动吸收了气候抗议者、年轻学生及部分离职技术人员,抗议目标也逐步延伸至电网与算力基建。研究学者警告,若 AI 治理缺乏透明度与监管回应,针对相关实体和设施的激进行动可能会进一步上升。

    Why it matters: 报道梳理了民间反 AI 运动从舆论呼吁向直接行动演变的具体路径,有助于观察技术快速扩张所面临的社会阻力。

Oct 3Sat
  1. ServeTheHome62

    NVIDIA 推出 DGX Spark 64GB 版本,128GB GB10 售价大幅上涨至约 $6950Chinese

    NVIDIA 正式推出起售价 4999 美元的 DGX Spark 64GB 版本,同时将 128GB GB10 系统的售价上调至约 6950 美元档位。64GB 版本保留了 ConnectX-7 200GbE 网络配置,将于 10 月 23 日由宏碁、华硕、戴尔、技嘉、惠普和微星等合作伙伴供货。

    Why it matters: 原文对比了单节点纵向扩展与双节点集群的软硬件成本,读者可以据此评估本地小算力集群与云端大模型订阅的选型性价比。

  2. Hacker News · AI67

    AI 芯片都去哪了:深度分析超大规模云厂商的算力积压与交付滞后Chinese

    科技行业分析指出,超大规模云厂商采购的数千亿美元 GPU 中,有大量硬件因智算中心建设滞后而积压在仓库或未通电设施中,实际投运的专用 AI 算力远低于对外宣传规模。文章结合各家财报中的在建工程资产与折旧曲线分析,微软等公司提及的千兆瓦级新增容量存在电力指标与实际 IT 负载混淆的问题,且当前算力消耗高度集中在少数 AI 实验室的长期合约上,未来可能面临严重的资产闲置与折旧冲击。

    Why it matters: 文章梳理了主要科技巨头的资本开支与在建工程数据,指出芯片采购与通电投产之间存在明显交付滞后,帮助读者审视算力基建的实际投运率。