DGX

2026年 6月 10日

在 NVIDIA 上运行 DiffusionGemma，实现开发者就绪型高吞吐量文本生成

构建实时 AI (例如聊天助手、copilot 和代理式工作流) 的开发者通常会受到词元-by-词元生成速度的限制。这限制了响应能力，
2 MIN READ
2026年 6月 9日

借助 NVIDIA DGX Spark Enterprise 可管理性，大规模控制 AI 基础设施的生命周期

随着 AI 基础设施的扩展，企业对运营成熟度的期望与日俱增。组织期望这些系统具备可配置、可观察、安全且可大规模管理的特点，
1 MIN READ
2026年 6月 2日

使用 Microsoft 和 NVIDIA 的新工具在 Windows PC 上构建个人 AI 智能体

AI 智能体正在改变您与 PC 的交互方式。创作者、开发者和 AI 爱好者已经在广泛使用这些智能体来协助完成编码、
3 MIN READ
2026年 6月 1日

在 NVIDIA DGX Spark 上使用更快的模型和多节点集群运行本地 AI 智能体

自主、长期运行的 AI 智能体的兴起带来了一种新型计算需求，即维护大型上下文窗口、生成并发子智能体，以及在不依赖云的情况下持续迭代的任务。
2 MIN READ
2026年 4月 1日

使用统一服务和实时 AI 加速 AI 工厂的词元生产

在当今的 AI 工厂环境中，性能并不是理论性的。它是经济、竞争和生存的。可用 GPU 时间每减少 1%，就意味着每小时损失数百万词元。
2 MIN READ
2024年 4月 26日

使用张量并行技术进行自动驾驶感知模型训练

由于采用了多摄像头输入和深度卷积骨干网络，用于训练自动驾驶感知模型的 GPU 内存占用很大。
3 MIN READ
2024年 4月 23日

借助 Union.ai 和 NVIDIA DGX 云实现 AI 工作流程的大众化

GPU 最初专用于在电子游戏中渲染 3D 图形，主要用于加速线性代数计算。如今，GPU 已成为 AI 革命的关键组成部分之一。 现在，
2 MIN READ
2024年 4月 3日

使用 WholeGraph 优化图形神经网络的内存和检索，第 2 部分

大规模图形神经网络 (GNN) 训练带来了艰巨的挑战，特别是在图形数据的规模和复杂性方面。这些挑战不仅涉及神经网络的正向和反向计算的典型问题，
2 MIN READ
2024年 2月 26日

使用边缘计算和视频分析检测实时废弃物污染

在过去的几十年里，随着经济发展和城市化进程的推进，废弃物产生率呈上升趋势。废弃物生产量的增加给全球政府带来了巨大的挑战，
2 MIN READ
2024年 1月 30日

使用现已推出 Beta 版的 NVIDIA AI Workbench 来创建、共享和扩展企业 AI 工作流程

NVIDIA AI Workbench 现已进入测试阶段，带来了丰富的新功能，可简化企业开发者创建、使用和共享 AI 和机器学习 (ML)…
3 MIN READ
2023年 4月 18日

NVIDIA DGX 云与 Oracle 云基础架构上的高性能存储

加速计算的惊人进步是由数据推动的。对于希望在当前快节奏的数字环境中保持领先的企业来说，数据在加速人工智能工作负载方面的作用至关重要。
2 MIN READ
2023年 3月 27日

AutoDMP 利用 AI 和 GPU 优化芯片设计的宏布局

大多数现代数字芯片以存储块或模拟块的形式集成大量宏，如时钟生成器。这些宏通常比标准单元大得多，
3 MIN READ
2023年 3月 20日

在 NVIDIA Base 指挥平台上设计具有灵活工作流的数字孪生

NVIDIA Base Command Platform 提供了自信地开发复杂软件的能力，这些软件符合科学计算工作流程所需的性能标准。
2 MIN READ
2023年 3月 8日

通过 MLOps 和 NVIDIA 合作伙伴生态系统扩展 AI

人工智能正在影响着每一个行业，从改善客户服务和简化供应链到加速癌症研究。当企业投资人工智能以保持领先于竞争时，
1 MIN READ
2022年 12月 6日

使用 NVIDIA Base 命令平台简化 AI 开发

NVIDIA Base Command Platform 为 AI 应用程序提供直观、功能齐全的开发体验。
2 MIN READ
2022年 8月 22日

应用语言模型技术创作人工智能音乐

诸如 NVIDIA Megatron LM 和 OpenAI GPT-2 和 GPT-3 等语言模型已被用于提高人类生产力和创造力。具体而言，
3 MIN READ