AI 工厂

2026年 11月 4日

NVIDIA 如何使用 AI 智能体简化 AI 工厂运营

随着 GPU 集群的扩展，各种操作涵盖计算、网络、硬件和调度。站点可靠性工程师 (SRE) 通常必须检查多个控制面板，
2 MIN READ
2026年 11月 2日

让 Kubernetes 在首发日即支持 NVIDIA Vera Rubin 的 AI

为 NVIDIA Vera Rubin 等新 GPU 硬件配置和优化 Kubernetes 非常复杂且容易出错。驱动程序、内核、运行时、网络、
4 MIN READ
2026年 10月 26日

NVIDIA Minerva 如何将遥测混转化为 GPU 产量峰值

AI 工厂是迄今为止技术上最复杂的运营环境之一。数十万个 GPU、NVIDIA Spectrum-X 以太网横向扩展、横向扩展和横向扩展结构、
2 MIN READ
2026年 10月 26日

NVIDIA Mission Control 2.5 如何为 Kubernetes 带来自主恢复

在数千个 GPU 上训练大规模 AI 模型是一项高风险操作，必须内置监控和自动化，才能大规模优化集群弹性和正常运行时间。
2 MIN READ
2026年 10月 21日

使用代理辅助工作流开发 AI Factory 数字孪生

构建 AI 工厂数字孪生 需要开发者将场地规划、设备资产和工程要求引入一致的模型，以便团队检查、修改和准备模拟。
3 MIN READ
2026年 10月 21日

借助 NVIDIA DSX POD，更快、更可预测地实现高效 AI 能力

AI 工厂将能源转化为智能。但在 AI 工作负载生成首个 token 之前，运营商必须将计算、网络、存储、电力、
1 MIN READ
2026年 10月 13日

NVIDIA Run:ai 现已开源，成为 NVIDIA DSX AI Factory 平台的一部分

NVIDIA 正在将完整的 NVIDIA Run:ai 平台作为开源软件提供，使客户、
3 MIN READ
2026年 9月 30日

借助 NVIDIA cuObject 和 NVIDIA SCADA 服务器 SDK 扩展 AI 存储访问

AI 基础架构工程师、存储开发者和云服务提供商需要快速安全地访问高容量文件和对象存储，以支持 AI 工作负载。
2 MIN READ
2026年 9月 23日

在 AI 工作负载落地之前验证 GPU 集群就绪情况

GPU 集群可以通过每一次运行状况检查，但仍然无法运行 AI 工作负载。即使每个 GPU、网络链路和 POD 都报告正常，512…
2 MIN READ
2026年 9月 22日

借助 NVIDIA Topograph 实现拓扑感知型工作负载调度

AI 工厂是功率受限的系统，在完全优化时可提供最大价值。GPU 工作负载布局是一项关键优化。糟糕的工作负载放置分散了拓扑域，
4 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 1日

如何在不超支的情况下调整 GPU 大小以实现 AI 推理和 TCO

AI 采用率的激增正在改变从聊天机器人到内容生成的方方面面。尽管如此，一个常见的痛点仍然存在：
3 MIN READ
2026年 8月 24日

十亿瓦级 AI 和以太网演进：Spectrum-X 以太网如何重塑规则

生成式 AI 的迅猛发展从根本上改变了数据中心的设计。随着分布式模型训练的规模扩展到数十万个 GPU，
3 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 24日

NVIDIA BlueField-4 为代理式 AI 工厂提供新的 Scale-In 网络基础设施

传统的云基础设施为可预测的通用工作负载和标准接口而设计。代理式 AI 工厂连接不同的用户、代理、应用、数据源和存储系统，
1 MIN READ
2026年 8月 24日

利用 NVIDIA Vera CPU 应对智能体 AI 集群面临的挑战

AI 工厂是互联系统，其中集群经济性取决于整个堆栈将电力和资本转化为已完成智能体任务的效率。GPU 运行模型时，CPU 会处理编排、
2 MIN READ