NVIDIA Cosmos 平台新增世界模型训练、评估与部署工具
NVIDIA Cosmos 平台新增训练工具、仿真检查点和 Cosmos Data Factory 蓝图,面向世界模型与物理 AI 开发。Data Factory 提供 5 个云原生蓝图,涵盖驾驶数据、图像增强、事件视频和缺陷生成等场景。
推荐理由:原文将数据构建、模型训练、策略测试与部署串成完整链路,并给出推理和视频处理能力的量化变化,便于评估平台落地范围。
公司与模型
英伟达的 GPU 新品、CUDA 软件生态、机器人平台与 AI 算力供需。
130 条精选近 30 天 123 条共收录 158 条
NVIDIA Cosmos 平台新增训练工具、仿真检查点和 Cosmos Data Factory 蓝图,面向世界模型与物理 AI 开发。Data Factory 提供 5 个云原生蓝图,涵盖驾驶数据、图像增强、事件视频和缺陷生成等场景。
推荐理由:原文将数据构建、模型训练、策略测试与部署串成完整链路,并给出推理和视频处理能力的量化变化,便于评估平台落地范围。
欧洲多家金融机构采用开放权重模型,并基于 NVIDIA 加速计算与自有基础设施构建金融智能。Revolut 正在扩大 PRAGMA 的生产部署,服务首批 80 million 名客户,设计规模可扩展至 3x;bunq 的智能体助手 Finn 在 Nebius 上部署后,以每个答案成本的 60% 达到领先闭源模型的质量。
推荐理由:原文汇总多家欧洲金融机构的自有基础设施部署,并给出成本和处理速度数据,便于对照私有化落地的关键指标。
NVIDIA 发布预训练关系型基础模型 Kumo Relational,连接数据库并描述预测目标后,可在一次前向计算中直接生成结果,无需任务特定训练或特征工程。
推荐理由:Kumo Relational直接面向关系型数据库预测,并以41项任务结果对照监督学习和专家特征流水线,呈现免任务训练的结构化数据建模路径。
论文提出一种面向任意骨骼绑定的模型,可联合生成视频与 3D 运动,并估计相机以将运动对齐到场景。模型把独立的 3D 运动模型通过少量交叉注意力层连接到预训练视频生成器,训练中使用生成式视频编辑器以及人类和机器人视频,形成 nearly 200K 训练对。
推荐理由:论文比较了任意骨骼动画中联合生成与视频优先方案的差异,评测重点落在文本驱动忠实度与场景响应。
NVIDIA Kumo Forecast 将预训练时间序列表示与历史模式检索结合,用于多变量时间序列预测并提供可解释结果。它以 MOMENT-1-large Transformer 为骨干,DARR 模式通过最近邻方式检索历史模式,并按预测步长提供滞后项和特征归因。
推荐理由:文章拆解了直接预测与 DARR 历史模式检索的组合方式,并给出输入限制和应用评测路径,便于设计自有数据验证。
据报道,AWS通过新的提前接收流程,预计在美国设施接收约50亿美元的英伟达GB300服务器机架。此后AWS每月还将接收约30亿美元的相关设备。
推荐理由:原文给出了AWS接收英伟达AI服务器机架的金额和月度节奏,可用于了解其美国设施相关设备的接收规模。
Mistral 与 NVIDIA 将合作构建由加速计算驱动的 AI 原生工程工作流,将模型、物理建模、工程仿真与设计连接成闭环。双方计划整合 NVIDIA Omniverse、CUDA-X 和 Warp,并开发面向物理模型及 CAE、EDA 智能体的公共基准和开放数据集,用于比较模型准确性、执行时间和计算成本。
推荐理由:原文梳理了 Mistral 模型、物理建模与 NVIDIA 加速计算如何组成工程工作流,并给出公共基准和开放数据集规划。
英飞凌宣布深化与英伟达合作,推进面向 AI 数据中心的 800 伏直流(800 VDC)供电架构,重点开发高压中间总线转换器(IBC),并用氮化镓(GaN)功率半导体提升电源转换效率和功率密度、降低能耗与散热需求。此次合作延续双方 2025 年启动的 800 VDC 项目,涵盖 IBC 及电源路径保护等环节,目标是支持更高功率密度的 AI 数据中心并提升服务器机架带电插拔维护能力。
推荐理由:英飞凌与英伟达围绕 800V DC 供电架构的深化合作,反映了高功率 AI 数据中心在供电侧的供给侧调整。
欧洲工业制造商正采用 NVIDIA CUDA-X、Omniverse、Cosmos 和 Nemotron,FOX 工厂运营智能体蓝图已在 GitHub 开放早期体验。
推荐理由:FOX 涵盖工厂管理、视觉质检、根因分析和车队管理,并列出 Siemens 的成本与校准时间数据,便于评估工业智能体落地方式。
Google Cloud 与 NVIDIA 宣布,基于 Vera Rubin 的 A5X 实例将于下月正式可用,并计划扩展至欧洲。A5X 把 Vera Rubin NVL72、ConnectX-9 SuperNIC、Virgo Network 和第四代先进液冷技术纳入 AI Hypercomputer,为训练、推理和大规模强化学习提供一体化平台。
推荐理由:A5X 将 Vera Rubin、网络与液冷能力集成进 Google Cloud,并披露扩展计划和客户案例,便于评估强化学习基础设施的落地方式。
NVIDIA 在 GTC Berlin 展示 RTX Spark、DGX Spark 和 DGX Station,并公布模型、集群与软件更新。DGX Spark 64GB 将于周五(10 月 23 日)由合作伙伴开始铺货,手动集群最多支持 8 台设备并提供 1TB 统一内存;DGX Station for Windows 预计 12 月推出。
推荐理由:三类本地 AI 硬件分别面向个人智能体、开发集群和企业工作站,文中还给出模型兼容、开放方式与推理优化信息。
英伟达联合供应链合作伙伴扩大产能以加速 AI 基础设施建设,计划未来三年将基板产能提升至目前的 2.5 倍。KYEC 获得英伟达 11 亿美元预付款用于在美国建设新设施;安靠科技计划到 2028 年底将先进封装产能提升逾 300%;英伟达还计划将半导体测试产能从 2026 年到 2027 年翻倍,并于 2027 年 2 月在新加坡启动大规模测试生产。
推荐理由:原文给出基板、先进封装与测试等环节的具体产能与投资数字,读者可以据此判断未来几年 AI 芯片供需节奏与供应链布局走向。
Nebius、Nscale、Verda 等 AI 云服务商正采用 NVIDIA Vera CPU 构建本地基础设施,支撑数据分析、软件执行和模型服务。Bull、Dell Technologies、HPE、Lenovo 和 Supermicro 正开发基于 Vera 的系统,既可独立作为 CPU 服务器,也可与 NVIDIA GPU 协同。
推荐理由:文章梳理 Vera CPU 在云服务商、服务器厂商、数据处理与智能体沙箱中的采用情况,呈现其支撑本地 AI 基础设施扩张的部署生态。
NVIDIA 扩展开源 NVIDIA Agent Toolkit,纳入 Agent Knowledge Foundation、OpenShell 安全运行时、NemoClaw 智能体蓝图及相关工具。
推荐理由:原文给出完整组件构成、企业接入方式、合作案例与检索性能数据,便于对照自身数据和治理条件评估集成范围。
NVIDIA 推出 Confidential Bare Metal 部署选项,让前沿模型构建方在第三方裸金属基础设施上运行敏感工作负载,并保留对模型和数据的控制。
推荐理由:三种部署模式与多家云平台的支持信息,为模型构建方评估跨基础设施的隐私保护和运维边界提供参考。
英伟达升级 Isaac 通用机器人开发平台,推出人形机器人参考框架、仿真工作流和数据工具。更新覆盖机器人训练、仿真验证和部署流程,开发者可利用合成数据和仿真环境训练机器人,并在实际部署前验证机器人行为。
推荐理由:更新覆盖机器人训练、仿真验证和部署,并提供人形机器人参考框架、仿真工作流和数据工具,帮助开发者用合成数据训练并在部署前验证行为。
英伟达推出 Halos SAFE 自动驾驶安全评估框架,将仿真、软硬件在环测试、道路测试和车队监测纳入统一评估流程。框架通过标准化场景、测试及量化指标生成可追溯的安全验证证据,支持自动驾驶系统开发与部署。
推荐理由:Halos SAFE 将仿真、软硬件在环、道路测试和车队监测纳入统一流程,便于理解自动驾驶安全验证的标准化方法。
英伟达扩展开放模型产品线,一次推出Nemotron Retriever、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo和Ising等多款开源模型。其中BioNeMo RFD4-Proteina在涵盖200个氨基酸蛋白质的基准测试中,生成设计速度约为RFdiffusion3的13倍。
推荐理由:同一篇集中陈列企业数据、自动驾驶、机器人和生物医药等领域的开放模型,便于横向对比 NVIDIA 在 AI 全链条上的开源布局。
10月21日,英伟达首席执行官黄仁勋在柏林举行的GTC大会上表示,未来所有电信运营商都将提供AI算力,电信基站有望发展为分布式AI网络。他把AI经济分为能源、算力、AI工厂、模型和应用五层,并指出建设一座1吉瓦数据中心的成本目前约为500亿美元,涵盖土地、电力、建筑、计算设备、存储和冷却等费用。
推荐理由:黄仁勋以五层蛋糕拆解AI经济,并给出1吉瓦数据中心约500亿美元的成本参照,便于理解算力基础设施的产业分工与投入规模。
英伟达推出 DSX POD 参考设计,可将准备就绪场地的 AI 工厂部署时间从 6 个月缩短至最快 14 天。该方案基于 Vera Rubin 系统,将完整 AI 工厂集成至模块化集装箱,并在交付前完成系统集成与验证。英伟达正与戴尔科技、慧与科技、联想、施耐德电气、维谛技术合作,计划于 2027 年初在全球交付相关模块化 AI 工厂。
推荐理由:参考设计将系统集成与验证前置,用 6 个月缩短至最快 14 天的数据对比呈现模块化方案价值,文中还给出合作伙伴交付计划。