NVIDIA 在 MSIT-NVIDIA AI 创业合作论坛上宣布对韩国初创企业的新投资计划
NVIDIA 在 MSIT-NVIDIA AI 创业合作论坛上宣布投资韩国 AI 互连公司 Point2,并计划追加投资 Motif Technologies、RLWRLD 和 Upstage。
NVIDIA 在 MSIT-NVIDIA AI 创业合作论坛上宣布投资韩国 AI 互连公司 Point2,并计划追加投资 Motif Technologies、RLWRLD 和 Upstage。
NVIDIA 通过全栈协同设计提升每字节内存的有效利用率,从 Blackwell Ultra 到 Vera Rubin 平台,单 GPU 的 HBM 容量仅增约 3%,而 SemiAnalysis AgentX 上的智能体吞吐每美元最高提升 30 倍。
NVIDIA 深度学习高级产品研究工程师 Chris Alexiuk 通过 YouTube 和 X(账号 llm_wizard)教开发者构建、微调、评估和部署开源 LLM 应用与智能体,并自称“No.1 Nemotron Fan”。
NVIDIA 正与 COMSOL、Applied Materials、Siemens、Lam Research、Advantest 等厂商合作,用加速计算、物理 AI 和智能体缩短半导体制造中的仿真与分析时间。
微软构建 Industry Evaluation Data Generation Platform,用基于 O*NET、招聘信息和 SEC 文件等公开数据生成的全合成企业环境来评估 Microsoft Copilot,避免使用任何客户数据。
Microsoft Research Focus 第 97 期介绍了多项新研究:自改进智能体框架 ForkPilot 在六个 benchmark 和主流模型上达到现有最佳方法水平,同时将 AI 处理开销降低最多 59%。
C-BRAIN 联合 NVIDIA 用 AI 加速阿尔茨海默病研究,已推出 OpenScientist 和 InsightEngine 两款开源智能体工具。OpenScientist 可在数分钟内完成领域科学家估计需数周至数月的分析,单次运行成本低于 10 美元。C-BRAIN 目前覆盖 200 多个研究组,规模化后每年或释放超 100 万小时研究产能。
哈萨克斯坦与 Firebird 签署投资协议,后者获得美国出口许可,将在哈部署 45,000 块 NVIDIA Grace Blackwell GPU,首期与 Kazakhtelecom 在 Data Center Valley 建设,目标 2027 年第三季度商用。
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology(ForTy)2020,将全球每 10 米×10 米地块划分为六类森林与土地利用类型,并给出 2017 至 2025 年的逐年变化时间序列。
欧洲零售商正用 NVIDIA 加速的开放模型与物理智能改造从商品发现到仓储运营的环节。Shopify 基于 NVIDIA Nemotron 3.5 Lightning 后训练的 GraphQL 子智能体在内部基准上准确率超过领先前沿模型,服务成本降低 90%、响应速度提升 7 倍。
NVIDIA 扩展 Cosmos 平台,新增训练工具、仿真 checkpoint 和 Cosmos Data Factory 蓝图,用于世界模型的训练、评估与部署。
推荐理由:原文列出 Cosmos 平台新增的训练、仿真与部署工具,并给出保时捷、ANYbotics 等落地案例,可据此判断世界模型开发链路的变化。
NVIDIA 扩展 Confidential Computing,新增 Confidential Bare Metal 部署选项,让前沿模型构建方在第三方专用基础设施上运行敏感负载并保留对模型和数据的控制。
Google DeepMind 介绍其智能体开发平台 Google Antigravity 用于抗菌肽发现,把原本分散在多个数据库的检索压缩到一次会话中,并结合 ProtNLM 从氨基酸序列预测生物功能,扫描 UniProt 中数百万条未表征蛋白。
推荐理由:原文给出智能体科研工作台在抗菌肽发现中的完整流程,可了解AI如何压缩跨数据库检索与结构评估。
微软研究院推出 StudentSim,一个从公开去标识化学习记录中训练个性化 AI 学生模拟器的研究系统,用于在真实学习者测试前评估和改进 AI 辅导系统。该研究同时提出 StudentSimEval 评测基准,覆盖国际象棋、第二语言英语写作和数学三个领域,从行为保真度和指导响应性两个维度评估模拟器,StudentSim 在三个领域均优于主流基线。
微软研究院开源 Agent Lightning v1.0,一个约 3500 行代码的智能体强化学习框架,提出 Harnessed Agentic RL 范式,让部署时使用的 agent harness 直接参与训练,无需在训练框架内重写智能体。
推荐理由:Agent Lightning v1.0 给出约 3500 行的轻量实现与完整训练配方,可据此评估真实 harness 参与 RL 的落地成本。
Google DeepMind 发布 SynthID Bio,将水印技术引入合成生物学,把不可感知的签名直接嵌入生物代码,使水印不仅能在数字模型上验证,也能在合成出的实体蛋白质上验证,同时保持其生物功能。
推荐理由:SynthID 水印从图像扩展到合成生物,读者可了解 AI 生成蛋白质的可验证溯源思路及其对 DNA 合成筛查的意义。