公司与模型
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。
10 条精选近 30 天10条共收录54条
NVIDIA 在 Hugging Face 和 ModelScope 上发布开放权重模型 Nemotron 3.5 Transcribe，把转写、说话人分离、翻译和音频问答合并到一个 checkpoint，支持 40 种语言转写、31 种语言与英语互译、13 种语言说话人标注，可处理最长 1 小时录音并标注最多 8 位说话人。
推荐理由：原文给出多语言转写与说话人分离的榜单成绩，并附可复用的数据管线和微调配方，便于判断落地成本。
NVIDIA 与 Meta 宣布扩大在 Muse 及 Muse 系列模型上的合作，以提升推理和训练性能，并应对 AI 智能体的需求增长。双方还将评估 NVIDIA OpenShell 参考架构与 NVIDIA Sentry 在智能体安全部署和行为监控上的合作，Meta 计划扩大部署 Vera Rubin、Vera CPU、Spectrum-X 以太网和 BlueField-4。
推荐理由：原文披露了双方在 Muse 模型优化、智能体安全与基础设施扩容上的具体分工，以及 NVIDIA 的 30 亿美元股权投资。
NVIDIA 发布 AIOps 平台 Minerva，汇集基础设施与 AI 负载的遥测数据，用专用 AI 模型把数据转成可执行的洞察。平台通过动态知识图谱映射 GPU、SuperNIC、交换机、线缆及运行其上的任务，每小时分析数十亿数据点，可把大量告警聚合成带根因的单一事件。
推荐理由：原文交代了 Minerva 如何把基础设施与负载遥测关联成知识图谱，读者可据此判断 AI 工厂运维的监控方式会怎样变化。
NVIDIA 扩展 Cosmos 平台，新增训练工具、仿真 checkpoint 和 Cosmos Data Factory 蓝图，并称该平台在六个开放模型排行榜中进入前五。
推荐理由：原文列出 Cosmos 平台新增的训练、仿真与部署工具，并给出 Porsche、ANYbotics 等落地数据，可据此判断世界模型开发链路的变化。
NVIDIA 发布预训练关系基础模型 Kumo Relational，可直接在企业数据库上做预测，无需任务特定训练、特征工程或表扁平化。
推荐理由：原文给出预训练关系基础模型在 41 个任务上的对比结果与开源入口，可据此判断免训练预测能否替代现有 XGBoost 流水线。
NVIDIA 在 GTC Berlin 展示本地 AI 硬件全线产品，RTX Spark 面向 Windows PC 上的个人智能体，DGX Spark 面向 Linux 开发者，DGX Station 面向企业前沿负载。
推荐理由：原文集中列出 RTX Spark、DGX Spark 与 DGX Station 的本地 AI 硬件与软件更新，可据此判断本地智能体的部署形态。
Google Cloud 与 NVIDIA 宣布基于 NVIDIA Vera Rubin 的 A5X 实例将于下月正式可用，并计划扩展至欧洲，提供面向训练、推理和大规模强化学习的集成平台。
推荐理由：原文给出 A5X 实例的可用时间、规模规划与首批客户用例，可据此判断云端强化学习基础设施的落地节奏。
NVIDIA 扩展开源 Agent Toolkit，新增 Agent Knowledge Foundation，并整合 CUDA-X 库、Nemotron Retriever 与 Kumo 系列开放模型、OpenShell 安全运行时和 NemoClaw 蓝图。
推荐理由：原文列出 Agent Toolkit 新增组件与 Palantir、Databricks、Snowflake 等企业落地方式，可据此判断企业智能体如何接入自有数据。
NVIDIA 扩展开源模型家族，覆盖语言、机器人、生物与量子计算，包括 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo 与 Ising。
推荐理由：原文一次性列出语言、机器人、生物、量子多条开源模型线的能力与开放渠道，便于比较各行业可定制的模型选择。
NVIDIA CEO 黄仁勋在 GTC Berlin 2026 主旨演讲中宣布多项发布，包括以模块化容器交付 Vera Rubin AI 工厂的 DSX POD 参考设计，现场部署时间可从六个月缩短至 14 天。
推荐理由：黄仁勋在 GTC Berlin 的主旨演讲集中披露了 AI 工厂、智能体安全运行时与开源模型等多项发布，可据此了解 NVIDIA 在欧洲的布局方向。