一般

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 7日

制造机器的机器

我们如何教会机器人组装 GB300 测试托盘，以及它在机器人学习、
4 MIN READ
2026年 10月 7日

使用数字孪生和 AI 智能体验证 AI 工厂变更

AI 工厂是世界上最复杂的运营之一，将 GPU、CPU、交换机、DPU 和 SuperNIC 与调度程序、编排服务、
2 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 6日

DOCA GPUNetIO 如何跨 NVIDIA 软件堆栈统一 GPU 初始化网络

GPU 应用程序越来越需要网络和数据移动，以实现由 GPU 控制的一流操作，而非主机驱动的服务。当 CPU 位于每个网络事务的中间位置时，
6 MIN READ
2026年 10月 6日

控制 GPU 共享如何处理绿色环境

GPU 应用越来越多地由在单个进程中同时运行的多个独立组件组成：延迟敏感型运算符以及面向吞吐量的后台内核；数据预处理阶段以及模型推理；
2 MIN READ
2026年 9月 28日

借助 NVIDIA OpenShell 为 AI 智能体添加运行时管控

AI 智能体能够在获得既定目标后编写代码、调用工具，并随着新信息不断出现而持续开展工作。这为应用程序带来了广阔空间，使其能够调查软件故障、
2 MIN READ
2026年 9月 22日

借助 NVIDIA 机密计算实现私有高性能生产级 AI 推理

随着大语言模型 (LLM) 推理越来越多地在个人、企业和受监管环境中处理敏感信息和专有模型上下文，数据必须在可信环境中处理。
2 MIN READ
2026年 9月 21日

借助 NVIDIA Dynamo-Triton 中的 NVIDIA TensorRT 多设备集成，简化跨多个 GPU 的模型服务

生成式 AI 对计算和内存的需求日益超出单个 GPU 的能力。NVIDIA TensorRT 多设备推理是一项新功能，
3 MIN READ
2026年 9月 21日

如何评估从工具调用到任务完成的 AI 智能体

当您发布 AI 智能体 时，关键问题是它能否在实时环境中跨数十次连续工具调用执行工作链，并在步骤失败时恢复。
2 MIN READ
2026年 9月 18日

借助 AIPerf 对 LLM 进行大规模基准测试推理

在系统上部署模型。启动后，提示得到响应。难题是：速度快吗？ 直觉可能会引导您发送 curl 命令、手动滚动异步脚本或另一个一次性负载生成器。
3 MIN READ
2026年 9月 16日

如何使用 AI 智能体准备用于仿真的 3D 场景

代理式 AI 工作流可用于为数字孪生准备和验证物理 AI 系统。智能体可以检查 3D 场景、在OpenUSD 中生成仿真相关数据、
4 MIN READ
2026年 9月 16日

TensorRT Edge-LLM 在 Jetson AGX Thor 上实现 MLPerf Edge Agentic Benchmark 6.4 倍加速

AI 智能体正从云数据中心转向车辆、机器人和其他边缘设备。与只回答单个提示的聊天机器人不同，智能体需要执行一系列步骤。它会选择工具、评估结果，
2 MIN READ
2026年 9月 16日

使用代理式 AI 将 CUDA Tile 操作从 Python 转换为 Rust

cuTile Rust () 是一个基于图块的系统，用于使用 Rust 编程语言进行安全的惯用 GPU 内核创作。
5 MIN READ
2026年 9月 15日

NVIDIA Groq 3 LPX 确定性执行如何在 NVIDIA Vera Rubin 上推动节能高效的高交互性推理

功率是 AI 工厂 的决定性限制。由于 AI 工作负载需要一个完整的计算平台来为其提供服务，
2 MIN READ
2026年 9月 10日

全栈 NIM 优化如何在 Nemotron 3 Ultra 上为用户提供 2.5 倍的提升

部署大语言模型只是实现生产就绪型服务的第一步。制作团队还需要在可用的 GPU 基础架构上为尽可能多的并发用户提供服务，
2 MIN READ