数据中心/云端

2026年 7月 1日

NVIDIA BlueField DPU：助力 AI 云兼顾效率与可信

随着大模型和高性能 AI 业务全面上云，用户的核心诉求正在从“有没有算力”转向“算力是否可控、是否隔离可信、能否高效调度”。
1 MIN READ
2026年 6月 29日

如何治理企业 AI 工厂中的自主智能体

AI 智能体正在迅速超越聊天。它们检查代码、运行测试、阅读文档、搜索知识库、查询内部系统，并代表用户运行几个小时。这样不仅可以提高工作效率，
1 MIN READ
2026年 6月 26日

在 Oracle 云基础设施上部署生产就绪型 NVIDIA AI-Q Blueprint

在过去两年中，AI 智能体发生了巨大变化。第一个问题一次只能回答一个问题。接下来是多轮聊天，模型可以在会议中保留一些上下文。如今，
3 MIN READ
2026年 6月 23日

通过全栈推理和训练优化，更大限度地提高 AI 工厂的能效

为运行 AI 工厂，电力成本可占运营支出（OpEx）的 40%。每瓦可用于开销、数据摄取、训练，或为客户生成 token。
2 MIN READ
2026年 6月 23日

使用 DFlash 预测解码，在 NVIDIA Blackwell 上将推理性能提升高达 15 倍

随着 AI 系统从单轮交互转向协调的多智能体工作流，低延迟 推理 成为越来越重要。自回归 LLM 按顺序生成 token，
2 MIN READ
2026年 6月 23日

使用 NVIDIA BioNeMo Agent Toolkit 打造适用于生命科学发现的 AI 科学家

AI 科学家正在成为科学计算的新界面。这些智能体可以阅读论文、编写代码、生成假设、调用 API、检查文件并对结果进行迭代。
2 MIN READ
2026年 6月 16日

构建您自己的金融智能交易基础模型

现代金融网络上的每一次刷卡、转账和付款都会对人类行为模式进行编码。事务数据是企业掌握的最丰富的信号之一。然而，
3 MIN READ
2026年 6月 16日

如何优化基于 Transformer 的模型以进行低精度训练

Transformer 架构是许多现代大型语言和生成式 AI 模型的支柱。随着这些模型规模的扩大，
3 MIN READ
2026年 6月 16日

NVIDIA Blackwell 凭借业界领先的规模和性能超越 MLPerf 训练 6.0

NVIDIA 对 MLPerf Training v6.0 进行了彻底的测试，这是 MLCommons 联盟开发的最新版行业标准 AI…
3 MIN READ
2026年 6月 15日

使用 NVIDIA BioNeMo Recipes 使用 LoRA 微调生物基础模型

基础模型 正在重塑计算生物学。预训练在大量蛋白质或基因组序列的语料库上的模型，如 ESM2 （一种蛋白质语言模型）和 Evo 2 （一种…
4 MIN READ
2026年 6月 12日

NVIDIA 在首个代理式 AI 基准测试中实现了领先的代理式编码性能

AI 智能体从根本上改变了推理工作负载的复杂性。到目前为止，业界一直在努力定义用于衡量推理系统在这些条件下的性能的标准。
2 MIN READ
2026年 6月 10日

为 AI 工厂设计生产就绪型电池能源存储系统

AI 工厂正在改变数据中心基础设施的功能。 与传统数据中心不同，AI 工厂旨在大规模制造智能。它们运行功率密集型训练和推理工作负载，
2 MIN READ
2026年 6月 8日

在 NVIDIA Blackwell 上使用 NVFP4，使用 JAX 和 MaxText 更快地训练模型

对前沿 LLM 进行预训练，可归结为吞吐量。当数千个加速器的训练规模达到数万亿词元时，
3 MIN READ
2026年 5月 29日

DynoSim：模拟帕累托前沿

现代 LLM 服务难以调优，因为每一次部署都是一组相互作用的选择堆栈：模型后端、张量并行形状、prefill/decode 拆分、
3 MIN READ
2026年 5月 26日

借助 NVIDIA RTX PRO 4500 Blackwell 更快地运行关键基因组学和蛋白质折叠工作负载

精准医疗依赖于两项基本能力：在基因组层面了解疾病，以及在分子层面确定治疗方法。 NVIDIA 对精准医疗的贡献不仅限于加速计算，
3 MIN READ
2026年 5月 21日

实时了解跨 Kubernetes 集群的 GPU 使用情况

要更大限度地发挥 AI 基础设施的价值，需要深入了解 GPU 利用率。然而，许多在 Kubernetes 上运行 AI…
2 MIN READ