NVIDIA 相关 AI 资讯

6月27日

11:39

官方一手marktechpost@Sana Hassan

精选

本教程演示如何从Hugging Face流式加载NVIDIA Open-SWE-Traces数据集，无需本地下载即可在Google Colab中高效处理。内容涵盖多轮智能体对话标准化、代码补丁解析、构建包含轨迹长度、工具使用次数、补丁大小、语言分布及解决结果的分析DataFrame。最后基于成功标签、Token限制、语言过滤和补丁可用性筛选出监督微调子集。

技巧 NVIDIA Open-SWE-Traces Hugging Face

事件专题

推荐理由：想自己动手做代码智能体微调数据？这教程手把手教你解析NVIDIA开源的Open-SWE-Traces，连Token预算和工具使用指标都算好了。

原文

6月26日

16:55

Geek@geekbb

精选

NVIDIA 基于智谱 GLM-5.2 模型量化出 NVFP4 精度版本，命名为 nvidia/GLM-5.2-NVFP4。该模型通过 Hugging Face 免费层级 API 提供，限制为每小时 300 次或每天 1,000 次请求。作者认为其性能至少应优于 deepseek-v4-flash。

AI模型 nvidia/GLM-5.2-NVFP4 智谱 NVIDIA

事件专题

推荐理由：NVIDIA 把智谱的 GLM-5.2 量化成 NVFP4 精度，放 Hugging Face 上免费调，还能白嫖，日常推理够用了。

原文

10:10

官方账号NVIDIA AI@NVIDIAAI

精选

NVIDIA与Linux基金会及行业伙伴共同启动Akrites计划，旨在应对AI驱动的开源软件安全威胁。NVIDIA首席安全官David Reber强调透明与开放协作对AI时代安全至关重要。Akrites将建立共享安全事件响应团队（SIRT）和标准化保密披露流程，在漏洞被利用前进行上游修复。该计划特别针对AI可在数分钟内发现软件漏洞的新挑战。

行业 NVIDIA Linux基金会 Akrites

事件专题

推荐理由：NVIDIA和Linux基金会牵头搞了个Akrites，专门对付AI快速找漏洞的问题，还建了共享安全响应团队，挺实在的。

原文

6月25日

05:57

a16z@a16z

76°

AI 初创公司 Mirendil 宣布完成 2 亿美元种子轮融资，由 a16z 和 Kleiner Perkins 共同领投，NVIDIA 等参投。公司由 Behnam Neyshabur 联合创立，团队 20 人来自 Anthropic、xAI、Google DeepMind 和 OpenAI。Mirendil 提出“自加速 AI”概念，让 AI 像科学家一样在特定领域积累深度专业知识，从而加速自身研发进程，并计划将这一能力开放给更多科研机构和企业。

行业 Mirendil a16z NVIDIA

事件专题

推荐理由：Mirendil 刚融了 2 亿美元，要造能自己加速研发的 AI，团队全是前沿机构出来的，想法挺前沿。

原文

04:57

Marc Andreessen@pmarca

73°

新创公司 Mirendil AI 今日宣布完成 2 亿美元种子轮融资，由 a16z 和 Kleiner Perkins 领投，NVIDIA 跟投。公司由 Behnam Neyshabur 等四位联合创始人领导，核心团队共 20 名研究者与工程师，来自 Anthropic、xAI、Google DeepMind 和 OpenAI。Mirendil 定位于构建自加速 AI 研发系统，目标是通过 AI 推动科学进步，并主张让更多实验室自主控制 AI 基础设施。

行业 Mirendil a16z Kleiner Perkins

事件专题

推荐理由：a16z 和 Kleiner Perkins 联手投了两亿美元，团队全是大厂顶尖人才，就是要搞AI自己加快研究速度的路子，跟传统实验室玩法不同。

原文

04:21

a16z@a16z

81°

Mirendil AI 完成 2 亿美元种子轮融资，由 a16z 和 Kleiner Perkins 联合领投，NVIDIA 参与投资。该公司正构建一个专精 AI 研发的自主系统，类似为研究设计的编码智能体，可自行控制 GPU 并循环执行科研与工程任务。创始团队 20 人来自 Anthropic、xAI、Google DeepMind 和 OpenAI。

行业 Mirendil a16z NVIDIA

事件专题

推荐理由：Mirendil 要做让 AI 自己搞 AI 研发的系统，2 亿美元种子轮，团队来自顶尖实验室，目标是打破大厂垄断。

原文

03:27

官方账号NVIDIA AI@NVIDIAAI

精选

NVIDIA 发布 Metropolis Blueprint for Video Search and Summarization (VSS) 3，允许用自然语言提示分析实时流和视频库。新版本包含16种智能体技能，如搜索、摘要、警报、报告和片段审查。提供统一开源仓库，附带 Docker 和 Helm 部署配置以加速部署。支持多视频报告，集成 Nemotron 3 Nano Omni 模型实现跨视频和音频的规模化洞察。3D 多摄像头追踪达到生产就绪级别，并取得 SOTA 性能。

AI模型 NVIDIA Metropolis VSS 3

事件专题

推荐理由：NVIDIA 刚发了 VSS 3，你的编程代理现在能用一句话搜索、总结视频了，新增16种技能和3D追踪，比以前好用得多。

原文

01:12

官方账号NVIDIA AI@NVIDIAAI

76°

NVIDIA 发布了 NeMo AutoModel，基于 Hugging Face Transformers v5 为混合专家 (MoE) 模型提供原生支持。通过 Expert Parallelism、DeepEP 和 TransformerEngine 内核，仅需几行代码即可应用优化。实测显示 NeMo AutoModel 将主流 MoE 模型训练吞吐量提升 3.4 到 3.7 倍。该工具是 NeMo 框架的一部分，专为大规模模型构建设计。

AI产品 NeMo AutoModel MoE Hugging Face Transformers v5

事件专题

推荐理由：NVIDIA 出了个 NeMo AutoModel，基于 Hugging Face Transformers v5，几行代码就能给 MoE 模型训练加速 3 倍以上，搞大模型训练的值得看看。

原文

00:51

00:51官方一手Hugging Face: Blog（博客/媒体）

精选

NVIDIA 发布 NeMo AutoModel，通过自动化模型并行、混合精度训练和梯度检查点，简化 Transformer 模型微调流程。该工具可自动检测硬件配置，支持多 GPU 分布式训练，无需手动调整参数。在微调 BERT-base 模型时，相比标准 PyTorch 实现，NeMo AutoModel 将训练时间缩短约 40%，并保持相同精度。

技巧 NVIDIA NeMo AutoModel

事件专题

推荐理由：NVIDIA 搞了个 NeMo AutoModel，能自动帮你加速微调 Transformer 模型，省去手动调参的麻烦，速度还快很多，适合想快速出结果的人。

原文

6月24日

13:13

官方账号vLLM@vllm_project

vLLM 项目宣布支持 DFlash 投机解码，用户只需将 EAGLE-3 检查点替换为 DFlash 检查点即可启用，无需修改代码。该功能通过开源 Speculators 库将 DFlash 草案模型与目标模型的隐藏状态连接。在单块 Blackwell Ultra GPU 上运行 Gemma-4 31B 模型，Math500 基准取得 5.8 倍吞吐量提升，GSM8K 提升 5.3 倍，HumanEval 提升 5.6 倍，MBPP 提升 4.4 倍。

AI模型 DFlash vLLM Gemma-4

事件专题

推荐理由：vLLM 和 NVIDIA 合作推出 DFlash 投机解码，Gemma-4 31B 推理速度提升近 6 倍，配置只需改一行 checkpoint 路径。

原文

09:58

官方一手Pandaily@contact@pandaily.com (Pandaily)

NVIDIA、高通等芯片巨头正在加码具身AI芯片赛道。多家公司发布了针对人形机器人等应用的专用芯片方案。市场争夺日趋白热化，各厂商正通过差异化设计和生态合作抢占先机。

行业 NVIDIA Qualcomm 具身智能芯片

事件专题

推荐理由：NVIDIA和高通都在押注具身AI芯片，看看他们谁能笑到最后。

原文

03:18

官方账号NVIDIA AI@NVIDIAAI

精选

NVIDIA发布DFlash，一种开源轻量级块扩散模型，专为投机解码设计。在NVIDIA Blackwell硬件上，DFlash可实现高达15倍的推理吞吐量提升，同时保持相同的用户交互响应速度。与传统逐token解码不同，DFlash一次生成整个token块，由主模型并行验证。该方案即插即用，已集成到SGLang、TensorRT-LLM和vLLM等框架中。

AI模型 DFlash NVIDIA Blackwell

事件专题

推荐理由：NVIDIA开源了DFlash，用块扩散投机解码让Blackwell推理提速15倍，还支持SGLang和vLLM，随手就能用。

原文

01:02

官方账号LMSYS Org (SGLang)@lmsysorg

79°

与NVIDIA合作，在GB300上使用SGLang服务DeepSeek-V4，实现5倍吞吐量提升（~2,200→~11,200 tok/s/GPU，交互性~50 tok/s/user）。借助MTP，在80 tok/s/user交互性下吞吐再提升2.6倍。Blackwell Ultra聚合模式下30 tok/s/user时吞吐提升2.91倍，峰值无MTP吞吐提升超6倍。采用W4A4 MegaMoE量化（MXFP4）且精度损失可忽略。单个FP8-einsum修复将MTP接受率从0.57提至0.70。

AI模型 DeepSeek-V4 GB300 SGLang

事件专题

推荐理由：想用SGLang在GB300上榨干DeepSeek-V4？NVIDIA合作实测，吞吐翻5倍，交互延迟不变，MTP和量化细节全公开。

原文

6月23日

17:03

Aravind Srinivas@AravSrinivas

据曼哈顿研究所数据，美国数据中心仅占每日用水量的0.2%。传统冷却系统每MW每年消耗约260万加仑水，而采用45°C液冷技术的AI工厂在适宜气候下可使用干冷却器，将设施冷却水消耗降至接近零。NVIDIA指出，液冷不仅提升水效和能效，还创造了余热回收和社区供暖机会。这一转变颠覆了公众对AI数据中心大量耗水的印象。

行业 NVIDIA 液冷数据中心

事件专题

推荐理由：反常识吧？液冷能让AI工厂几乎不耗水，还顺带回收热能, 值得看看数据。

原文

16:58

Julien Chaumond@julien_c

曼哈顿研究所数据显示，美国数据中心用水仅占全美日用水量的0.2%。采用45°C液冷技术后，AI工厂在适宜气候下可用干冷器替代冷却塔，将设施冷却用水从约每年每MW 260万加仑降至接近零。液冷技术同时提升能效，并支持热量回收与社区供暖，使数据中心成为电网资产。

行业 NVIDIA 液冷数据中心

事件专题

推荐理由：NVIDIA用液冷把数据中心用水几乎干到零，还顺便回收热量给社区，环保和算力两不误。

原文

15:58

15:58IT之家（博客/媒体）

Valve 发布了 SteamOS 3.8 版本，但目前仅支持 AMD 的 GPU。Valve 员工 Pierre-Loup Griffais 在接受 The Verge 采访时透露，团队正在为 SteamOS 开发 NVIDIA 显卡驱动程序支持，并与 NVIDIA 密切合作。虽然该支持可能不会在今年推出，但 Valve 已将其列为幕后重点方向。

行业 Valve SteamOS NVIDIA

事件专题

推荐理由：Valve 官方确认 SteamOS 正在开发 N 卡支持，虽然今年可能出不来，但这是 Linux 游戏平台的关键一步。

原文

14:06

lmarena.ai@lmarena_ai

NVIDIA 的 Cosmos 3 Super 在 Text-to-Image Arena 开放模型排名中位列第8和第11（两个变体），整体排名第49和第54。其中 #8 的 Cosmos-3-Super-Text2Image 与 Flux-2-Klein-9B 和 Qwen Image Prompt Extend 持平。#11 的 Cosmos-3-Super-Text2Image (Agentic) 与 Qwen-Image 和 Ideogram-v3-Quality 等模型持平。这些排名体现了 NVIDIA 对开源生态的贡献。

AI模型 Cosmos-3-Super NVIDIA Text-to-Image Arena

事件专题

推荐理由：NVIDIA 这个开源文生图模型在排行榜上跟 Flux、Qwen 差不多水平，想试试免费好用的生成工具可以关注它。

原文

13:13

官方账号arXiv cs.AI@Prateek Agnihotri, Sanchit Jain, Prabhat Agnihotri, Aditya Prasad, Shubham Jain

这篇论文介绍了在NVIDIA Nemotron Model Reasoning Challenge中解决Bit Manipulation Puzzles的创新算法。该任务要求发现隐藏的逻辑规则并应用于新输入，但LLMs通常因复杂布尔逻辑模拟而幻觉。作者提出放弃算术逻辑，转而使用字符串相似性、结构化搜索和自主错误恢复。他们将逻辑门推导重构为基选择任务，利用最小比特翻转来隔离基并推导真值表，无需复杂算术。通过回溯DFS和错误恢复，结合比特分词和交互推理SFT，该方法在验证集上达到96%以上的准确率，最终获得比赛第7名。

论文 NVIDIA Nemotron Bit Manipulation Puzzles

推荐理由：这篇论文用字符串相似度和回溯搜索替代了算术逻辑，让LLM在位操作谜题上验证精度超过96%，比赛第7名，方法很巧妙。

原文

10:23

官方一手Pandaily@contact@pandaily.com (Pandaily)

72°

Intel的CPU复苏、Broadcom的定制ASIC扩张以及云巨头自研芯片正重塑AI算力格局。这些挑战者试图从不同角度分食NVIDIA在AI训练和推理市场的份额。具体包括Intel的Xeon处理器提升AI性能，Broadcom为谷歌等客户设计的TPU持续迭代，以及亚马逊Trainium、谷歌TPU等云自研芯片逐步规模化。

行业 NVIDIA Intel Broadcom

事件专题

推荐理由：Intel、Broadcom和云巨头都在动NVIDIA的蛋糕，这篇梳理了各家具体动作，让你看清AI芯片战局。

原文

09:48

09:48IT之家（博客/媒体）

76°

NVIDIA 宣布 Vera Rubin NVL4 平台将于 2026Q4 上市。该平台集成 4 颗 Rubin GPU 和 2 颗 Vera CPU，采用第六代 NVLink 协议和 NVLink-C2C 互连。与 Grace Hopper 相比，其科学计算模拟性能提升 4 倍，科学 AI 训练性能提升 6 倍，科学 AI 推理性能提升 8 倍。系统兼容液冷 NVIDIA MGX 模块化服务器，专为现代超级计算优化。

AI产品 NVIDIA Vera Rubin NVL4

事件专题

推荐理由：NVIDIA 发了 Vera Rubin NVL4，2026 年底上市，科学计算比 Grace Hopper 快 4 倍，AI 训练快 6 倍，搞超算和 AI 的可以盯一下。

原文

6月22日

10:23

10:23IT之家（博客/媒体）

鸿海董事长刘扬伟6月18日在台湾地区工商协进会会员大会上表示，基于NVIDIA Vera Rubin平台打造1GW规模的AI数据中心需要470亿美元资本支出。单一个Vera Rubin机架价格为910万美元，1GW数据中心共需约3557个各类机架。每年电力支出达13亿美元，硬件折旧费用为电力成本的六倍。刘扬伟援引外部数据预测，全球数据中心产业规模到2030年将达1.6万亿美元，电力容量将从2024年的68GW增至174GW。

行业 Vera Rubin NVIDIA 英伟达

事件专题

推荐理由：刘扬伟算了笔账：建1GW的Vera Rubin数据中心要470亿美元，单机柜910万，电费一年13亿。想了解AI数据中心的真实成本？看这篇。

原文

6月20日

06:57

官方一手marktechpost@Asif Razzaq

NVIDIA AI推出了SpatialClaw，这是一个无需训练的智能体。它通过编写Python代码在持久内核中执行，将代码作为动作接口。SpatialClaw能够组合多种感知工具，实现3D空间推理。这种设计免去了传统微调或训练步骤。

AI模型 SpatialClaw NVIDIA Python

事件专题

推荐理由：NVIDIA搞了个叫SpatialClaw的智能体，不用训练，直接用写Python代码的方式做3D空间推理，挺创新的。

原文

03:52

官方账号Nous Research@NousResearch

精选

Nous Research联合NVIDIA和Stripe启动Hermes Agent加速商业黑客马拉松，鼓励构建能自主执行商业操作的AI代理。NVIDIA提供NemoClaw安全运行、Nemotron 3 Ultra快速推理及代理技能支持。Stripe新Skills让代理能自主购买服务、订阅SaaS。总奖金包括$17,500现金、3台NVIDIA DGX Spark及$9,000 Stripe Credits。提交截止6月30日。

行业 NVIDIA Stripe Nous Research

事件专题

推荐理由：想让你造的AI代理自己挣钱花钱？这个黑客马拉松有NVIDIA和Stripe支持，奖品有现金和DGX Spark，值得试试。

原文

6月19日

18:42

官方账号Together AI@togethercompute

Together AI的James Zou与NVIDIA的Venkat Srinivasan将于7月1日在AI Engineer World's Fair上讨论开放模型如何实现集体智能。该活动聚焦开源模型在协作智能系统中的作用。演讲将结合两家公司的技术实践，分析开放模型对多智能体架构的影响。

行业 Together AI NVIDIA 开放模型

事件专题

推荐理由：想了解开放模型怎么支撑多智能体协作？Together AI和NVIDIA的人要聊这个，7月1日别错过。

原文

18:19

官方一手pandaily@contact@pandaily.com (Pandaily)

73°

Coherent、Nokia、JX Advanced Metals 等全球光芯片厂商宣布扩大产能，以满足AI数据中心对高速互联的需求。NVIDIA 为此投资20亿美元，锁定光子互连供应链。这些扩产计划预计在2026年前完成，以支撑下一代AI网络架构。

行业 Coherent Nokia JX Advanced Metals

事件专题

推荐理由：光芯片是AI数据中心的血管，英伟达砸20亿锁定供应，可以了解一下三巨头各自的扩产计划

原文

6月18日

09:39

官方一手marktechpost@Sana Hassan

精选

本教程演示如何使用 NVIDIA SkillSpector 对 AI 技能进行安全风险预部署扫描。通过构建良性和故意含漏洞的技能语料库，利用 SkillSpector 的 LangGraph 工作流进行扫描，并用 pandas 整理风险评分与发现。结果导出为 SARIF 格式，支持自定义分析器和可选的 LLM 语义分析。该流程覆盖静态分析、风险分类可视化及报告生成。

技巧 NVIDIA SkillSpector SARIF

事件专题

推荐理由：NVIDIA 教你用 SkillSpector 做 AI 技能安全扫描，从写语料到出 SARIF 报告，一步一步都有代码，适合想加固 AI 应用的开发者。

原文

6月17日

23:17

AI Will@FinanceYF5

73°

NVIDIA在SIGGRAPH 2026上发布MotionBricks，该AI模型支持超过35万种动作技能。它可实现15,000 FPS的推理速度和2毫秒延迟，让游戏角色和机器人即时切换移动风格。MotionBricks专为游戏和机器人领域设计，能动态生成自然动作。

AI模型 MotionBricks NVIDIA 游戏角色

事件专题

推荐理由：NVIDIA搞了个MotionBricks，35万种动作技能随便切换，游戏角色和机器人动起来更自然了，比以前的方案快很多。

原文

07:25

07:25IT之家（博客/媒体）

83°

英伟达在MLPerf Training 6.0七项基准测试中全部夺魁，Blackwell平台成为唯一全覆盖的提交系统。全新GB300 NVL72相比GB200 NVL72同等规模带来1.6倍训练速度提升。CoreWeave使用基于Spectrum-X以太网的GB300 NVL72系统，在8192块GPU规模下将DeepSeek-V3 671B训练耗时缩短至2.02分钟。本次测试首次引入DeepSeek-V3 671B和GPT-OSS-20B两个MoE工作负载，刷新了大规模训练效率纪录。

AI模型 NVIDIA Blackwell DeepSeek-V3

事件专题

推荐理由：英伟达Blackwell平台在MLPerf上把DeepSeek-V3 671B训练时间压到2分钟，比上代快60%，性能真狠。

原文

06:04

官方账号NVIDIA AI@NVIDIAAI

73°

NVIDIA Research 推出 SpatialClaw，一个无需训练的智能体，通过编写 Python 代码作为动作接口。它在持久内核中动态组合感知模块，检查中间结果并跨步骤调整策略。感知输出作为普通变量，可结合 NumPy、SciPy 等库复用。SpatialClaw 在 20 个基准上平均比先前方法高 11.2 分，在 6 种不同模型骨干上表现稳定。

AI模型 SpatialClaw NVIDIA 智能体

事件专题

推荐理由：SpatialClaw 不用额外训练，靠写代码搞定复杂视觉任务，在 20 个基准上平均提升 11.2 分，还兼容多种模型。

原文

03:03

berryxia@berryxia

73°

NVIDIA开源了SOMA-X v0.2，一个使用单一骨架就能适配各种体型的3D人体模型。该模型具备关节扭转自动修正、骨骼自动缩放、高级姿态反转和超轻量数据特性，采用Apache 2.0许可证。它专为机器人和物理AI设计，可用于机器人训练、物理仿真和动作迁移，解决了不同机器人体型不统一导致动作数据难以复用的问题。

AI模型 SOMA-X NVIDIA 3D人体模型

事件专题

推荐理由：NVIDIA开源了SOMA-X v0.2，单一骨架就能适配不同体型，机器人动作数据复用门槛降低，训练效率提升。

原文

01:58

官方账号Jim Fan@jimfan

精选72°

ENPIRE赋予8个Codex智能体机器人集群和GPU资源，自主完成高精度物理任务。系统能独立绑扎带、整理细针、安装GPU。实验显示8台机器人并行探索比少量效率显著提升。NVIDIA GEAR实验室已实现机器人彻夜自主改进。团队计划开源全部代码。

AI产品 ENPIRE Codex NVIDIA

事件专题

推荐理由：NVIDIA让8个AI智能体自己控制机器人干活，还能绑扎带装显卡，而且要开源，你可以在家搭机器人实验室了！

原文

01:57

官方账号Jim Fan@jimfan

76°

NVIDIA联合CMU和伯克利推出ENPIRE系统，让AI智能体完全自主控制真实机器人循环，包括重置环境、搜索文献、实现想法、训练部署、自我验证等步骤。该系统在整理别针、安装GPU、绑扎带等灵巧任务上达到99%成功率。机器人通过自提出启发式成功信号进行爬坡优化，无需人类介入。

AI模型 ENPIRE NVIDIA 机器人

事件专题

推荐理由：NVIDIA搞了个ENPIRE，让AI自己操控机器人反复试错，真实任务成功率干到99%，连GPU都能自己插。

原文

6月16日

16:34

AI Will@FinanceYF5

83°

NVIDIA 发布了 SANA-Streaming 模型，支持对长达一分钟的视频进行实时编辑。用户可以在视频播放过程中更改服装、背景、风格和场景。该模型无需等待渲染，即可直接看到修改结果。

AI模型 NVIDIA SANA-Streaming 视频生成

事件专题

推荐理由：NVIDIA 出了 SANA-Streaming，放视频时就能实时换衣服换背景，一分钟的长视频也能改

原文

14:23

官方账号AlphaSignal@AlphaSignalAI

精选

NVIDIA开源了AI技能安全扫描器SkillSpector。研究发现26.1%的已发布AI技能存在漏洞，36%包含提示注入向量。SkillSpector无需扫描恶意代码即可检测危险特性，帮助开发者避免在安装未扫描技能时的常见风险。该工具专为检查AI技能潜在安全问题设计，可集成到开发流程中。

AI产品 NVIDIA SkillSpector AI安全

事件专题

推荐理由：NVIDIA开源了SkillSpector，专门扫描AI技能的漏洞和提示注入。别像99%的开发者那样不检查就直接装，先扫一下再安心用。

原文

6月13日

19:30

官方一手pandaily@contact@pandaily.com (Pandaily)

NVIDIA拉丁美洲负责人否认Anthropic关于该地区成为受限AI芯片流入中国渠道的指控。该负责人同时表达了对美国出口管制政策的不满。Anthropic此前指控称，部分受限芯片通过拉丁美洲转运至中国。NVIDIA强调其遵守所有出口法规，并否认存在违规行为。

行业 NVIDIA Anthropic 芯片出口管制

事件专题

推荐理由：NVIDIA正面回应芯片走私指控

原文

13:12

MiniMax_AI@MiniMax_AI

MiniMax 宣布其 M3 模型端点获得 NVIDIA 官方认可，并已上线免费 GPU 加速版本。用户现在可以免费体验基于 NVIDIA GPU 加速的 M3 模型推理服务。该端点支持高性能计算，适用于多种 AI 任务。

AI产品 MiniMax M3 NVIDIA

事件专题

推荐理由：MiniMax 的 M3 模型免费加速了

原文

11:20

AI Will@FinanceYF5

Lilly、Novartis和J&J与Isomorphic Labs达成合作，投入数十亿美元用于AI设计的药物。Lilly还与NVIDIA启动了一项AI药物发现计划。Synaptic Data梳理了AI药物发现技术栈8层上的110+家初创公司。

行业 Isomorphic Labs Lilly Novartis

事件专题

推荐理由：三大药企联手AI公司砸钱

原文

11:05

lmarena.ai@lmarena_ai

精选

NVIDIA 的 Nemotron 3 Ultra 在 Agent Arena 排行榜上位列第20名，在开源模型中排第5。该模型在用户表扬与投诉的净差值和工具幻觉率方面表现突出，但在可操控性和 bash 恢复能力上存在短板。排行榜基于30万+任务、200万+工具调用和4000万行代码的评测数据。当前分数置信区间较宽，排名仍在稳定中。

AI模型 Nemotron 3 Ultra NVIDIA Agent Arena

事件专题

推荐理由：NVIDIA 开源模型在智能体评测中排第5

原文

09:55

rohanpaul_ai@rohanpaul_ai

精选73°

NVIDIA 发布了首个智能体 AI 基准测试 AgentPerf 的结果。该基准由 Artificial Analysis 推出，测试系统在保持响应性的同时能并发运行多少个智能体。GB300 NVL72 在最低服务层级达到每兆瓦 61.4K 并发智能体，而 H200 仅为 2.6K，性能提升约 23.6 倍。测试模拟了真实编码智能体路径，涵盖 12 种以上编程语言，请求长度从 5K 到 131K token 不等，平均约 27K token。性能提升得益于 72 块 GPU 通过 NVLink 组成机架级系统，以及优化 MoE 专家分配、通信与计算重叠等软件技术。

AI模型 NVIDIA GB300 NVL72 H200

事件专题

推荐理由：NVIDIA 首个智能体基准，GB300 比 H200 强 23 倍

原文

6月12日

13:34

官方账号Thinking Machines Lab@thinkymachines

83°

Think Machines 宣布与 NVIDIA 合作，利用其硬件和平台来训练前沿模型，并提供可定制的 AI 解决方案。这一合作将加速模型训练效率，降低开发门槛，使企业能够更灵活地部署定制化 AI。NVIDIA 的算力支持将帮助 Think Machines 在竞争激烈的 AI 市场中提升模型性能。

行业 NVIDIA Think Machines 模型训练

事件专题

推荐理由：NVIDIA 与 Think Machines 的合作意味着更强大的算力支持，做模型训练和定制 AI 的团队可以关注这一进展，看看能否利用其平台加速自己的项目。

原文