AI 工厂

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
2026年 8月 24日

NVIDIA Groq 3 LPX 如何在 NVIDIA Vera Rubin 上实现长上下文的超快交互性

NVIDIA Groq 3 LPX 是适用于 NVIDIA Vera Rubin 平台 的交互式 AI 推理加速器。
4 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 8月 3日

NVIDIA Vera 存储基准测试：加速 AI 原生存储的加密、压缩、完整性检查和恢复

存储是每个代理式 AI 工作流中不可或缺的组成部分。当智能体检索企业知识、访问持久内存、重用键值 (KV) 缓存数据、执行工具并生成新结果时，
3 MIN READ
2026年 7月 21日

深入了解 NVIDIA Rubin GPU 架构：助力代理式 AI 时代

最初是离散 AI 模型训练和面向人类的聊天界面，后来演变为始终在线的 AI 工厂，致力于大规模生产智能。现在，
4 MIN READ
2026年 7月 21日

NVIDIA Vera CPU：专为实现代理式 AI 的最大单线程性能而打造的 Olympus Core

代理式 AI 将更多的关键执行路径转移到 CPU 上。智能体在沙盒中执行代码、调用工具、检索上下文、与数据库交互，以及分析结果，
3 MIN READ
2026年 7月 20日

NVIDIA NVLink：适用于 AI 工厂的纵向扩展网络

对 AI 的需求持续加速。工作负载变得越来越大，模型变得越来越复杂，并且以前所未有的速度部署 AI 计算基础设施的压力越来越大。
3 MIN READ
2026年 7月 16日

借助 NVIDIA BlueField 实现极致协同设计，扩展代理式 AI 工厂

代理式 AI 改变了 AI 工厂的基础设施模式。在生成最终答案之前，一个请求可以触发多次模型调用、工具调用、内存查找、策略检查、
2 MIN READ
2026年 7月 7日

NVIDIA Vera CPU 提升 AI 工厂吞吐量，加速代理式工作负载

代理式系统通过结合推理、工具使用、代码执行、检索、编排和结果处理的多步骤工作流，将模型推理转化为行动。随着这些系统在整个 AI 工厂中的扩展，
2 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 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 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