AI 智能体

2026年 8月 26日

如何使用 AI 智能体训练跨具身机器人导航策略

导航使机器人能够将感知和运动转化为有目的的自主性。与产生稳定运动的运动不同，导航必须用于不断定位机器人、解读不断变化的环境、选择路线，
4 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

NVIDIA Vera Rubin 和 Blackwell 为代理式 AI 每瓦性能设定新标准

AI 智能体已将推理从单轮交互扩展到多步骤工作流，这些工作流能够进行推理、调用工具、协调子智能体，
3 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 21日

NVIDIA AVO 在 ARC-AGI-3 上达到 100%，展示了适用于长距自动驾驶智能体的前沿通用架构

前沿语言模型只是 AI 智能体 的一个组成部分。周围的智能体系统——通常称为线束——决定了模型如何接收上下文、使用工具、维护状态、响应反馈、
2 MIN READ
2026年 8月 21日

AI 智能体技术栈中的安全定位

随着 AI 智能体的能力不断增强并能在更长的时间跨度内运行，在其驱动的应用中建立安全性和信任变得越来越重要。
1 MIN READ
2026年 8月 19日

使用 NVIDIA SkillEvaluator 评估 AI 智能体技能表现

AI 智能体的有效性取决于所接收的上下文。即使有了强大的模型和经过充分记录的 NVIDIA 库，智能体也可以花费额外的时间找到合适的工具、
2 MIN READ
2026年 8月 18日

AI 编码智能体如何借助 NVIDIA ALCHEMI 工具包解锁材质模拟

原子模拟需要三件事：科学知识、模拟的计算高效实现，以及模拟堆栈的可访问接口。 第一个领域仍然是研究人员的研究领域，
4 MIN READ
2026年 8月 11日

NVIDIA Nemotron 3.5 Lightning 为长期运行的智能体提供快速、准确的专业任务执行

长期运行的 AI 智能体将大部分时间用于大量执行：工具调用、结果验证和子智能体委托。在每个执行步骤中使用前沿推理模型会增加成本和延迟。
2 MIN READ
2026年 8月 11日

借助 NVIDIA NeMo 交换机，跨模型路由 AI 智能体工作负载

构建 AI 智能体 并非以选择单个模型为终点。每个模型都有自己的长处、短处和成本曲线，这可能会从一种工作负载转移到另一种工作负载，
2 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 30日

部署更安全的 AI 智能体的四种方法

知识工作者正越来越多地将 AI 智能体集成到其工作流中。作为“数字同事”的智能体具有明显的优势。例如，他们可以查看错误报告、
1 MIN READ
2026年 7月 29日

如何使用 NVIDIA NeMo Guardrails 自行托管经过验证的 AI 编码助手

在受监管、主权或源敏感型环境中部署 AI 编码助手通常会面临挑战。三个常见问题是：来源无法离开网络；助手偶尔会发明引入供应链风险的软件包名称；
4 MIN READ
2026年 7月 27日

NVIDIA Ising 通过增强的情境学习实现全自动量子计算机校准

NVIDIA Ising Calibration 是一个开源视觉语言模型 (VLM) ，旨在解释量子处理器的诊断输出，
2 MIN READ
2026年 7月 27日

六种智能体 Harness 功能可实现更高的模型性能

构建出色的 AI 智能体不仅仅是选择合适的模型。Harness 是围绕模型的架构。渲染上下文、执行动作、管理状态以及决定任务何时完成，
2 MIN READ
2026年 7月 26日

NVIDIA Nemotron 3 Ultra 在代理式 RTL 编码的准确性和效率方面引领开放模型

现代芯片设计日益受到工程时间的限制。寄存器传输级 (RTL) 开发和验证需要具备专门的硬件知识、
3 MIN READ