#GPU
这篇论文把鲁棒控制加速到67 Hz，处理168维非线性动力学的车，GPUSLS-LEO在GPU上跑得比现有方法更快更紧，适合搞实时控制的人。
联想新方案单节点塞40张GPU，FP8算力28 PFLOPS，专为万亿参数大模型打造，部署快、扩展灵活，适合大规模训练和推理。
想知道为什么买更多 GPU 不灵了？Anthropic 是怎么靠文化和准备搞定编码的？AMP 创始人讲得特别透，全是内行视角的干货。
砺算又开卖了，LX 7G100 国产显卡 3299 元，12GB 显存，支持游戏和 AIPC，自己研发的架构，想支持国产 GPU 的可以看看。
大模型推理速度的里程碑——1T模型跑出1000+ tokens/s，做实时AI应用和推理优化的团队值得关注，可以直接申请试用体验。
这则消息揭示了 AI 算力需求已大到连 Google 都要向火箭公司租 GPU，做 AI 基础设施或关注算力瓶颈的从业者值得点开，看看背后到底发生了什么。
Marcus用马斯克出租GPU的实例戳破了“规模至上”的泡沫，关注AI算力效率与模型实际价值的团队值得一看，看完会重新思考堆算力的性价比。
英特尔在GPU业务上的摇摆让游戏玩家和开发者困惑，这次官方表态明确了Arc仍是核心，关注PC游戏硬件或AI推理卡的人值得一看，尤其是想了解英特尔显卡未来走向的。
开发者和 IT 团队终于可以告别数小时的环境配置——Windows 365 预配置镜像让新成员登录即写代码，做 AI 应用或企业智能体部署的团队值得关注。
做 AI 推理部署的团队终于不用为可靠性提前锁死 GPU 了——Fireworks 的三种路径按需选，Kimi K2.6 和 GLM 5.1 还能跑 100+ tok/s，值得试试。
Kog AI 把 GPU 推理的隐藏效率瓶颈挖出来了，做 LLM 推理优化的开发者可以直接关注他们的技术预览，看看 monokernel 和延迟张量并行能否复现到自己的模型上。
国产 GPU 终于有了独立芯片，做信创、国产化替代的团队值得关注——龙芯 9A1000 的 AI 算力和图形性能对标入门级独显，搭配自家 CPU 能降低整机成本，建议关注后续测试结果。
搞懂 Prefill 和 Decode 的区别，就能理解为什么 Nvidia 在 AI 推理中不可替代，做 GPU 选型或推理优化的开发者值得细读。
国产 GPU 首次出现秒空现象，说明市场对自主架构显卡的渴求远超预期。关注国产芯片进展的玩家和创作者，可以蹲一下 6 月 18 日的第二批。
Agentic AI 正在改变计算瓶颈，做 AI 基础设施和推理部署的团队需要重新评估硬件策略——CPU 可能比想象中更重要，值得关注。
数据中心供电效率每提升 1% 都能省下巨额电费，做数据中心基础设施或 GPU 供电设计的工程师值得关注这项突破，它可能改变下一代电源架构的走向。
HuggingFace 用真实社区数据告诉你大家都在用什么硬件跑模型，做部署选型的开发者可以直接参考，比看厂商宣传靠谱得多。
