最佳实践

2026年 10月 27日

在 NVIDIA DGX Spark 上提升 MoE 推理的 3 种方法

更快地生成 token 的第一步是确定限制推理性能的因素。在 NVIDIA DGX Spark 上的 Inclusion AI 对 Ling…
2 MIN READ
2026年 10月 20日

从 0 到 1：我们在 NVIDIA DGX Spark™ 上做出第一个 AI 项目

一支 12–15 岁少年小组，如何从第一次部署本地模型开始，逐步掌握 Skills、跑通工作流，并把想法做成真正的产品网页。
2 MIN READ
2026年 10月 14日

使用 NVIDIA NeMo Gym 优化用于芯片设计的智能体可靠性和工具调用效率

AI 智能体在复杂的芯片设计工作流程中显著提高了生产力，但其倾向于产生看似合理但错误的伪影，从而使可靠性成为生产采用的主要障碍。
2 MIN READ
2026年 10月 8日

构建可靠的数据分析智能体：从 KDD 杯中汲取的经验教训

NVIDIA KGMON 团队在 KDD Cup 2026 Data Agents 比赛中获得第二名，他们所使用的系统基于一个简单的理念，
3 MIN READ
2026年 10月 6日

使用 NVIDIA Megatron Core 扩展逐位确定性预训练

逐位确定性使大规模预训练更易于调试、验证和以可重现的方式恢复。在跨数千个 GPU 训练具有数万亿个参数的模型时，这些优势变得尤为重要，
3 MIN READ
2026年 10月 1日

借助 NVIDIA DOCA 智能体技能，更快地在 NVIDIA BlueField 上构建应用程序

AI 智能体正在逐渐成为开发工作流程中的标配，但通用型智能体在设计时并未充分考虑 NVIDIA DOCA 这类专用基础设施软件构建的需求。
2 MIN READ
2026年 9月 15日

使用 NVIDIA FLARE 跨 Docker、Kubernetes 和 Slurm 扩展联合学习

联邦学习 (FL) 项目通常从简单的设置开始：一个服务器、几个客户端和每个站点的一个数据集。随着这些项目的发展，
2 MIN READ
2026年 9月 8日

GR-Inference：面向生成式推荐的推理系统设计与性能评估

基于 Semantic ID（SID）的生成式推荐，将推荐过程转化为短序列自回归生成。这类负载不同于 Chat LLM 的常规生成：
2 MIN READ
2026年 9月 2日

使用预测解码共同设计 AI 模型，加快 LLM 推理速度

本文是关于 AI 模型协同设计的系列文章中的第三篇。它探讨了如何使用预测性解码在保持准确性的同时加速 LLM 推理，
4 MIN READ
2026年 8月 24日

利用 NVIDIA DSX MaxLPS 最大化 AI 工厂的单位功耗性能

AI 工厂是功率受限的工业系统。问题不再是一个数据中心可以容纳多少个 GPU，而是每个可用兆瓦级的 GPU 可以输出多少 AI 输出。
3 MIN READ
2026年 8月 21日

AI 智能体技术栈中的安全定位

随着 AI 智能体的能力不断增强并能在更长的时间跨度内运行，在其驱动的应用中建立安全性和信任变得越来越重要。
1 MIN READ
2026年 8月 19日

使用 NVIDIA FLARE 构建联邦多模态 AI 工作流

现代视觉语言模型 (VLM)可以支持视觉问答、字幕和图像文本推理等任务。然而，在实践中，
2 MIN READ
2026年 8月 13日

NVIDIA × 火山引擎：云端一站式具身智能研发协同方案

火山引擎 veOmniverse 深度整合 NVIDIA 在具身智能方向的核心能力，围绕“数据采集—数据扩增—VLA+RL 后训练—仿真评测”…
1 MIN READ
2026年 8月 12日

如何为 NVIDIA AI 工厂选择全栈可观察性

AI 基础架构跨越多个层，从计算和网络到存储、编排和应用。当性能下降时，识别来源可能很困难，因为在某一层观察到的症状可能源于堆栈中的其他地方。
3 MIN READ
2026年 7月 30日

NVIDIA 示例云：释放 AI 基础设施全部性能的经验教训

由相同的 NVIDIA H100、GB200 NVL72 或 GB300 NVL72 系统构建的两个 AI…
4 MIN READ
2026年 7月 27日

NVIDIA Ising 通过增强的情境学习实现全自动量子计算机校准

NVIDIA Ising Calibration 是一个开源视觉语言模型 (VLM) ，旨在解释量子处理器的诊断输出，
2 MIN READ