教程

2026年 9月 8日

介绍 CUDA Rust：用于编写 GPU 内核的两条轨道

2026 年 9 月，NVIDIA 宣布将在 Rust 中采用原生 GPU 编程。CUDA C++ 和 CUDA Python…
4 MIN READ
2026年 9月 4日

使用 NVIDIA NemoClaw 构建内存驱动型智能体

企业工作涵盖随时间变化的AI 智能体必须先对其进行重建，然后再进行贡献。 为了向智能体提供这种必要的环境，
1 MIN READ
2026年 9月 4日

前沿推理触手可及：如何在 NVIDIA Jetson 上部署和优化模型

在边缘运行推理和代理式 AI 比以往更加困难。直到最近，能够进行多步骤推理的模型还过于庞大，无法在边缘硬件上本地运行。
3 MIN READ
2026年 9月 3日

如何在联邦 Kubernetes 和 AI 平台上携带用户身份

现代 AI 平台不再是单一登录屏幕背后的单一应用。用户可以从中央门户开始，打开受治理的数据集，启动数据所在的 Notebook，
2 MIN READ
2026年 9月 2日

现代 CUDA 工具箱的实际应用：分步优化演练

NVIDIA CUDA 仍然是 GPU 加速计算的基础，为从科学模拟到大规模 AI 训练的一切提供支持。 但是，编写正确、
7 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 31日

借助 NVIDIA Omniverse NuRec 在车辆平台上扩展智能汽车感知

感知堆栈由搭载该堆栈的车辆决定形状。将相同的软件移动到新的赛车系 (例如，从 SUV 到轿车或产品组合中的其他车型) ，
4 MIN READ
2026年 8月 28日

借助 NVIDIA TensorRT Model Connect，在两个命令中部署从检查点到推理的开放模型

开放 AI 模型的发展速度远超以往，但将其引入本地应用仍然需要模型特定的转换、预处理、后处理和运行时代码。
2 MIN READ
2026年 8月 21日

适用于大规模金融工具的 GPU 加速集群

使用 AdaptGrow (一种 GPU 加速的矩阵分解算法) 将滚动相关性和尾依赖性矩阵转换为硬集群、
3 MIN READ
2026年 8月 20日

生成式推荐系统如何大规模重新定义 RecSys

推荐系统 (RecSys) 是消费互联网行业最常见的机器学习问题之一，但众所周知，很难进行大规模训练和服务。
3 MIN READ
2026年 8月 19日

使用 CLI、技能和 AI 编码智能体开发 NVIDIA Holoscan 应用

NVIDIA Holoscan 是一个用于在边缘构建实时 AI 应用 (从医学成像到机器人) 的平台。HoloHub 是其配套资源库：
3 MIN READ
2026年 8月 19日

对 NVIDIA Cosmos 3 Edge 进行后训练，实现设备端机器人控制

机器人在板载计算硬件上运行时，需要能够适应其传感器、环境和任务的策略。世界模型为学习物理交互提供了基础，但其规模可能会导致难以在设备上部署。
3 MIN READ
2026年 8月 17日

使用 NVIDIA Model Optimizer 开发基于 QAD 的 Nemotron 3.5 Lightning NVFP4

团队可以自定义模型，在延迟、速度、内存和计算方面达到目标。借助开放式 NVIDIA Nemotron 系列模型，
6 MIN READ
2026年 8月 4日

使用 NVIDIA Alpamayo 2 Super 生成轨迹、推理路径和自动标注

辅助驾驶开发通常依赖多个相互独立的模型，分别用于轨迹生成、高层级意图预测、场景理解以及数据标注。这种分开的方式使得相关结果难以直接比较，
5 MIN READ
2026年 8月 3日

如何在共享 GPU 基础架构上运行隔离的租户 Kubernetes 集群

每个团队运行专用的 Kubernetes 集群通常会导致隔离程度超出组织所需的程度。虽然一个集群可以在多个团队之间成功共享，
4 MIN READ
2026年 7月 30日

使用 NVIDIA nvmath-python 大规模运行高性能核心数学运算

NVIDIA nvmath-python 是一个库，旨在弥合 Python 科学社区与 NVIDIA CUDA-X 数学库之间的差距。
5 MIN READ