Blackwell
PulseAugur coverage of Blackwell — every cluster mentioning Blackwell across labs, papers, and developer communities, ranked by signal.
16 天有情绪数据
-
NVIDIA 的 VR NVL72 系统采用无缆设计，配备 Rubin GPU
SemiAnalysis 对 NVIDIA 即将推出的 VR NVL72 系统进行了详细分解，重点介绍了与 GB200 等先前架构相比的重大设计变更。关键创新包括无缆计算托盘设计，用 Paladin HD2 板对板连接器取代传统连接器，以提高可靠性并缩短组装时间。该系统使用 Strata 模块，每个模块包含两个 Nvidia Rubin GPU 和一个 Vera CPU，并配有可插拔的 LPDDR5X 内存。
-
NVIDIA 发布 Nemotron-Labs-3-Puzzle-75B 以支持 Blackwell 硬件
NVIDIA 发布了其 Nemotron-Labs-3-Puzzle-75B 模型，该模型已针对 Blackwell 硬件上的服务进行了优化。该模型集成了 LatentMoE、Mamba-Interleaving 和 Multi-Token Prediction (MTP) 以提高吞吐量。它在 OpenMDW-1.1 许可下可用，允许商业使用。
-
英伟达、英特尔吹嘘美国芯片生产，但封装仍需离岸完成
英伟达和英特尔正在强调它们对美国本土芯片供应链的贡献，重点介绍了美国本土为英伟达Blackwell等先进AI组件进行的晶圆生产。然而，一个关键的差距仍然存在，因为这些芯片的关键封装和组装步骤仍在离岸进行，主要在台湾。虽然计划在美国新建工厂来解决这些差距，但预计最早也要到2028年才能投入使用，这意味着AI硬件制造过程的很大一部分仍然依赖于海外能力。
-
为什么GPU在AI硬件中占据主导地位，尽管存在专用替代品
尽管存在Groq的LPU和Cerebras的WSE等专用硬件，但由于巨大的经济和结构性障碍，GPU在AI领域仍然占据主导地位。这包括定制芯片开发所需的巨额资本以及匹配英伟达成熟的CUDA生态系统，还有架构变化可能导致专用硬件过时的风险。此外，英伟达持续的路线图改进以及超大规模云服务商已在GPU基础设施上投入的巨额资本，都促使他们维持现状，而不是用更便宜的替代品来颠覆它。
-
新AI模型Leanstral 1.5发布；AMD MI355X大幅降低AI计算成本
名为Leanstral 1.5的新AI模型已发布，声称通过其先进的功能带来丰富和革命性的行业变革。另外，使用AMD MI355X的AI计算进步据报道比Blackwell的成本低2倍，可能使AI更容易获得并促进创新。
-
GLM5.2 部署在 AMD MI355X 上以实现更便宜的推理 · 已追踪 5 个来源
Wafer.ai 已成功将 GLM5.2 部署在 AMD MI355X 硬件上，实现了 2626 tokens/秒/节点 的吞吐量和 213 tokens/秒 的单流推理速度。此次部署具有成本优势，MI355X GPU 的成本大约比 NVIDIA 的 Blackwell B300 低 2.75 倍。优化工作包括使用 AMD Quark 将 GLM5.2 量化到 MXFP4，并采用 sglang 推理框架，同时对 ROCm 的投机解码进…
-
微型核反应堆为英伟达AI数据中心供电，实现能源突破
Valar Atomics 和 NVIDIA 成功展示了首个由微型核反应堆供电的 AI 数据中心。此次合作旨在利用 Valar 的氦冷微型反应堆和 NVIDIA 的 Blackwell 芯片平台，以满足 AI 计算日益增长的能源和水资源需求。与传统数据中心相比，该系统显著减少了用水量。
-
Valar Atomics 与 NVIDIA 合作推出由微型核反应堆提供动力的节水型人工智能数据中心
Valar Atomics 与 NVIDIA 已达成合作，将在犹他州建造一个节水型人工智能数据中心，该中心将利用 Valar 的微型核反应堆和 NVIDIA 的 Blackwell 平台。该方案旨在通过采用氦气冷却反应堆和闭环液体冷却系统，来满足人工智能计算巨大的水和能源需求，并大幅减少与传统数据中心相比的水资源消耗。此次合作凸显了为不断增长的人工智能基础设施供电的一种新颖方法。
-
NVIDIA的软件栈在Blackwell平台上大幅降低AI推理每token成本
NVIDIA正在强调其为Blackwell平台优化的集成软件栈如何显著降低AI推理的每token成本。通过协调生产运营、应用加速和基础设施访问，NVIDIA的软件栈实现了复合性能提升，使DeepSeek V4等模型的每token成本降低高达5倍。Baseten、Cognition、Deep Infra和Together AI等公司正在利用包括TensorRT-LLM等库和NVIDIA Dynamo等框架在内的该软件栈，以提高效率和扩展…
-
vLLM 发布 GLM-5.2 以支持 NVIDIA Blackwell；推出 Mixture of Agents 2.0
vLLM 项目宣布 GLM-5.2 已在 NVFP4 格式中可用，并针对 NVIDIA 的 Blackwell 架构进行了优化。此版本支持 GLM-5.2 模型的有效部署。另外，Teknium 在 Hermes Agent 框架内推出了 Mixture of Agents 2.0，允许用户组合来自不同提供商的模型。
-
Nvidia DGX Spark 以4699美元的价格将数据中心AI GPU带到本地桌面
Nvidia发布了DGX Spark，这是一款采用 Blackwell 架构的完整数据中心GPU的紧凑型台式电脑。该设备售价为4699美元，旨在将强大的AI处理能力直接引入本地工作站。该公司旨在普及高端AI硬件的访问权限，使更多用户能够在不依赖云基础设施的情况下执行复杂的AI任务。
-
SK海力士着眼于工厂扩建；金刚石散热片将助力AI服务器散热
据报道，SK海力士正考虑扩大其在韩国清州NAND晶圆厂的投资，计划于6月29日前公布。与此同时，中金公司的一份报告建议，由于金刚石具有优越的导热性，它将成为未来高端AI服务器中液冷系统的补充。这种组合旨在解决NVIDIA H100、Blackwell和Rubin系列等GPU日益增长的功耗和发热问题。
-
AI服务器将采用金刚石散热器和液冷技术
一种用于高端AI服务器的新型热管理解决方案正在兴起，它结合了金刚石散热器和全液冷技术。这种方法解决了NVIDIA H100、Blackwell和Rubin系列等GPU日益增长的功耗和散热问题，这些GPU正在挑战传统铜和铝材料的极限。金刚石优异的导热性将有助于直接从芯片散热，而液冷将管理系统级散热，为先进的AI硬件创建一个互补系统。
-
ComfyUI 用户获得 SageAttention 的定制 Blackwell GPU 轮子
一位用户创建并分享了针对 Nvidia Blackwell 架构 GPU（如 RTX 5090 和 RTX Pro 6000）的 SageAttention 和 FlashAttention 的定制 Linux 轮子。由于上游发行版未提供适用于 Linux 上 PyTorch 2.11.0 和 CUDA 13.0 的兼容版本，因此这些轮子是必需的。该用户已在 Hugging Face 上提供了这些预编译组件，旨在简化使用类似硬件和软件…
-
新书详解用于 AI 工作负载的现代 GPU 编程
一本名为《现代 GPU 编程用于 MLSys》的新书旨在揭开机器学习系统高性能 GPU 内核开发的神秘面纱。该书源自卡内基梅隆大学的机器学习系统课程系列，提供了理解 GPU 硬件和构建优化内核的分步指南。它利用 TIRx Python DSL 进行实际示例，重点关注 NVIDIA 的 Blackwell 架构以及 GEMM 和 FlashAttention 等核心组件。
-
NVIDIA Blackwell 平台主导 MLPerf 训练 6.0 基准测试
NVIDIA 的 Blackwell 平台在 MLPerf 训练 6.0 基准测试中创下新纪录，在所有七项测试中均取得最快成绩。该平台展示了强劲的扩展性，拥有多达 8,192 个 GPU 的集群在训练大型语言模型时显示出显著的加速效果。这一性能凸显了高带宽互连（如 NVLink）和低精度计算对于高效大规模 AI 训练的重要性。
-
NVIDIA Blackwell 平台在 MLPerf 训练 6.0 基准测试中占据主导地位 · 跟踪 4 个来源
NVIDIA 的 Blackwell 平台在 MLPerf 训练 6.0 行业标准测试的所有七项基准测试中均取得了最佳性能。该平台展示了最快的训练时间和最大的训练规模，使用了多达 8,192 个 GPU。这一成功凸显了该平台通过先进的硬件和网络功能加速 AI 模型开发和降低训练成本的能力。
-
Nvidia Rubin GPU 承诺提供 10 倍更便宜的 Token，但存在重大隐忧
Nvidia 发布了其 Vera Rubin NVL72 GPU，承诺与 Blackwell 架构相比，每个 Token 的成本可降低高达 10 倍。然而，这种显著的成本节省取决于几个因素，包括使用新的 NVFP4 格式和特定的专家混合模型，并且基准测试是在完整机架规模下进行的。实际部署时间也带来了挑战，因为该硬件计划于 2026 年下半年发货，广泛可用性将延长至 2027 年，这可能与即时预算规划不符。
-
Together AI 为代理基础设施基准测试 Blackwell 硬件
Together AI 发布了基准测试，展示了其推理堆栈在 NVIDIA Blackwell 硬件上的性能，与其它开源引擎相比，每秒交易量提高了 31%。这种性能提升归功于为 Blackwell 的 Tensor Cores 优化的自定义内核。Cursor 使用的公司编码代理运行在此基础设施上，Together AI 还推出了 AgentPerf，一个用于评估 AI 代理性能的新基准。
-
MiniMax AI发布开源M3模型，支持100万上下文
MiniMax AI发布了其新的开源模型MiniMax M3，该模型拥有100万token的上下文窗口和先进的功能。该模型采用了名为MSA的新型稀疏注意力架构，其中包括专用的预填充和解码内核。它支持NVIDIA Hopper和Blackwell架构上的BF16和MXFP8格式，通过前缀缓存和分块预填充实现了长上下文的高效服务。