NVIDIA Cosmos 拓展世界模型工具链,推出数据合成蓝图与仿真模型Chinese
NVIDIA 扩展 Cosmos 世界模型平台,推出 5 个 Cosmos Data Factory 云原生蓝图、Cosmos 3 Nano 仿真变体及全新优化微服务,加速物理 AI 系统的构建。
Why it matters: 该方案打通了从合成数据生成到模型轻量化微调的落地链条,为具身智能与自动驾驶团队提供了可迁移的工程参考。
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。
NVIDIA 扩展 Cosmos 世界模型平台,推出 5 个 Cosmos Data Factory 云原生蓝图、Cosmos 3 Nano 仿真变体及全新优化微服务,加速物理 AI 系统的构建。
Why it matters: 该方案打通了从合成数据生成到模型轻量化微调的落地链条,为具身智能与自动驾驶团队提供了可迁移的工程参考。
黄仁勋在GTC柏林演讲中发布了搭载N1X超级芯片的个人AI电脑RTX Spark,以及支持出厂预集成且部署时间缩短至最短14天的DSX POD模块化AI工厂。现场还推出了通过外部沙箱与BlueField-4硬件隔离的OpenShell安全架构,并展示了参考人形机器人Agile ONE SN及开源领域模型套件。
Why it matters: 材料汇总了英伟达从端侧终端、安全架构到集装箱式AI工厂的整套落地套件,展现了算力供给向工业化制造转变的完整路径。
英伟达发布全栈 AI 工厂架构 NVIDIA DSX 平台及 DSX POD 硬件产品线,将包含 Vera Rubin 系统、供电和 100% 全液冷的算力基础设施集成至出厂预制集装箱,将现场部署周期由传统 6 个月缩短至 14 天。
Why it matters: 模块化预制集装箱与闭环液冷设计将算力工厂交付压缩至两周,展示了软硬一体架构如何缓解数据中心面临的施工与电力瓶颈。
NVIDIA 正式发布关系型基础模型 Kumo Relational,无需特定任务训练、特征工程或跨表打平,即可直接在企业数据库上执行预测。该模型在 15 个数据库的 41 项基准任务中超越了传统监督学习与梯度提升树方案,并在 SAP SALT 基准上比 AutoGluon 集成高出 8% 的 MRR,支持处理超 5000 亿行数据。
Why it matters: 该模型直接在关系型数据库上通过上下文进行少样本预测,免去了传统机器学习繁琐的特征工程与跨表打平流程。
NVIDIA 在 GTC Berlin 2026 上发布 DSX POD 参考设计,将 7 个 Vera Rubin NVL72 机架及配套网络、冷却设施集成到标准集装箱内,单箱可提供 25 EFLOPs 的 AI 推理算力。
Why it matters: 通过工厂预制集装箱将现场部署周期缩短至两周内,为数据中心快速扩展高密度算力提供了标准化参考方案。
NVIDIA 在 GTC Berlin 推出集装箱式 AI 数据中心模块 DSX Pod,预装 7 个 Vera Rubin NVL72 机架以及网络、线缆和冷却系统,可将准备就绪场地的部署周期从约 6 个月缩短至 14 天。
Why it matters: 该模块化方案将预制机柜与管线冷却整合为开箱即用单元,把场地部署周期压缩至两周,有助于降低百兆瓦级算力集群的交付门槛。
NVIDIA 在 GTC Berlin 推出基于 Vera Rubin 系统的模块化数据中心参考设计 DSX POD,可将 AI 数据中心现场部署时间从 6 个月缩短至最快 14 天。
Why it matters: 预制集装箱方案将部署周期从半年压至两周,展示了智算中心向模块化交付演进的具体路径。
Mistral 与 Nvidia 达成合作,将结合大语言模型 Mistral Large 4、物理 AI 与 Nvidia CUDA-X、Warp 及 Omniverse,加速航空航天、汽车与半导体等领域的工程仿真与工业设计。
Why it matters: 展示了前沿大模型与物理仿真库打通的具体路径,读者可借此了解工程设计与仿真场景的模型落地趋势。
英伟达在 GTC 大会上发布模块化 AI 工厂参考设计 DSX POD,面向 Vera Rubin 平台,计划于 2027 年初通过合作伙伴在全球交付。方案将计算、网络、布线、机架供电和液冷管路预先集成至集装箱并完成验证,在部署场地及配套就绪时可将部署周期从约 6 个月缩短至最短 14 天。英伟达正联合戴尔、联想、工业富联、维谛技术(Vertiv)等伙伴推进制造与落地。
Why it matters: 方案将传统现场施工转为出厂预集成,在配套就绪时可将部署周期缩短至14天,为大规模智算中心快速落地提供了工程参考。
NVIDIA 在 GTC Europe 上发布基于 Vera Rubin 架构的 DSX Pod 集装箱化智算中心方案,旨在将新数据中心从到货到产出 token 的部署周期从四至五个月缩短到约一个月。
Why it matters: 通过工厂全预制与预测试大幅缩短交付周期,为面临电力和人力瓶颈的超大规模算力建设提供了模块化部署参考。
NVIDIA 开源了多变量时间序列预测模型 Kumo Forecast,基于 MOMENT-1-large 架构(约 340M 参数基础编码器),采用 Apache 2.0 协议开放模型权重与代码。
Why it matters: 模型结合预训练时序表示与历史模式检索,并附带独立的可解释性分析框架,为工业预测与维护提供了兼顾精度与透明度的开源参考方案。
Mistral 宣布与 NVIDIA 展开合作,将 Mistral AI 模型与 NVIDIA 加速计算及物理建模工具深度整合,共同开发下一代工业工程 AI 工作流。
Why it matters: 合作针对工业仿真与EDA工具链制定了开源基准与评测集,为工程智能体的落地评估提供了可参照的标准化框架。
NVIDIA 与华盛顿大学蛋白质设计研究所联合推出蛋白质设计开源模型 RFD4-Proteina,将蛋白质序列与全原子结构生成整合至单一模型中以减少信息损耗。模型结合流匹配与自编码器架构,引入类似大语言模型的思考档位(thinking setting),在 24 个结合靶点基准中高思考档位下每 GPU 小时产出 76.40 个符合标准的独特结构设计。
Why it matters: 模型将蛋白质序列与全原子结构生成合为一体,并引入类似思考档位的精细化生成机制,为计算生物学管线提供了统一的端到端设计方案。
Vertiv 与 NVIDIA 在 GTC Berlin 联合推出 AI 工厂端到端方案,结合预制化参考架构与达索系统虚拟验证,可将智算中心前期配置与部署时间从 120 天压缩至 48 天,同等容量下使首年累计 token 产出模型估算提升高达 30%。
Why it matters: 该方案展示了预制化模块与虚拟孪生验证对缩短智算中心交付周期的量化工程效果,为高密度算力基建提供了可参考的落地路径。
Hugging Face 联合 NVIDIA 推出开源资产库 SimReady Central,免费提供超过 2,000 个预制物理与仿真属性的 OpenUSD 3D 资产,用于物理 AI 训练与 AI 工厂数字孪生。
Why it matters: 该资产库为机器人训练与 AI 工厂数字孪生提供了包含物理与热工属性的标准 3D 资产,有助于缩短从 CAD 到物理仿真的构建链路。
Nebius、Nscale、Verda 等 AI 云服务商及戴尔、HPE、联想等服务器制造商正在采用 NVIDIA Vera CPU 建设欧洲本地与主权 AI 基础设施。
Why it matters: 材料展现了智能体工作流对高并发沙箱与代码执行的计算需求,可供读者观察 CPU 在 AI 数据中心架构中的角色演变。
NVIDIA 扩展机密计算能力并推出 Confidential Bare Metal,允许前沿模型构建者在专用第三方裸金属基础设施上运行敏感负载并保持对模型与数据的控制。
Why it matters: 该方案补齐了裸金属环境下的硬件级机密计算,让模型团队在第三方算力上部署敏感工作负载时有了直接参考。
NVIDIA 宣布欧洲及周边区域云合作伙伴正在加速扩展 AI 算力基础设施,并在 GTC Berlin 支持 OpenShell 参考架构以规范 AI 智能体权限边界。
Why it matters: 原文展现了欧洲云服务商在受限电力下提升算力密度的实测方案,读者可参考其液冷部署与安全运行时软硬协同机制。
Google Cloud 与 NVIDIA 宣布基于 NVIDIA Vera Rubin NVL72 的 A5X 实例将于下月正式可用,并计划跨多站点扩展至最多 960,000 颗 Rubin GPU。
Why it matters: 原文披露了Rubin架构整合第四代液冷并规划96万颗GPU的细节,展现了下一代强化学习算力底座的部署标准。
NVIDIA 在 GTC Berlin 展示本地 AI 硬件产品线并发布多项更新,DGX Spark 64GB 系统于 10 月 23 日由合作伙伴出货,DGX Station Windows 版预计 12 月上线。
Why it matters: 文章梳理了本地算力硬件与推理栈的组合细节,读者能快速了解不同参数模型在桌面端离线部署的配置门槛。