Hopper
PulseAugur coverage of Hopper — every cluster mentioning Hopper across labs, papers, and developer communities, ranked by signal.
- 2026-05-12 product_launch Hypercubic launched Hopper, an agentic development environment for mainframes and COBOL. 来源
6 天有情绪数据
-
Nvidia 寻求 5000 亿美元将算力视为一种资产类别
Nvidia 正在探索一项新的金融策略，将算力视为一种资产类别，目标是与 Apollo、BlackRock 和 Goldman Sachs 等主要金融机构达成 5000 亿美元的融资。首席执行官 Jensen Huang 认为，这些由 Nvidia 的 CUDA 软件增强的、能够产生收入的计算资产代表了金融工程的新领域，类似于抵押贷款支持证券的早期。然而，人们对这些资产的长期价值表示担忧，特别是如果对 GPU 的需求下降，或者 AI …
-
Nebius Blackwell GPU 拍卖创纪录高价，人工智能需求飙升 · 跟踪 1 个来源
Nebius Group 正在经历对其拍卖的数据中心计算容量的异常高需求，特别是对使用 NVIDIA Blackwell 芯片的硬件。这种强劲的需求，体现在拍卖价格比之前 Hopper 芯片的纪录高出 15%，表明一种类似于杰文斯悖论的局面，即由于人工智能代理开发中使用的增加，供应增加并未减少需求。即使是较旧的 NVIDIA GPU（如 A100）也看到了持续多年的需求，这表明整个人工智能行业对计算能力存在广泛而持续的需求。
-
NVIDIA H100 对比 A100：工作负载决定 GPU 选择
在 NVIDIA H100 和 A100 GPU 之间进行选择，取决于具体的应用需求。H100 采用 Hopper 架构，并配备支持 FP8 精度的 Transformer Engine，性能相比 A100 在 FP16 下有显著提升，据称可达 3-4 倍。然而，对于预算有限且需要训练较小模型（最多 300 亿参数）的情况，A100 在 2026 年仍然是更具成本效益的选择。
-
英伟达的 NeMo Switchyard 将 AI 代理成本降低 74%，盖过了其新模型发布
英伟达发布了两项新技术：Nemotron 3.5 Lightning，一个开源权重语言模型；以及 NeMo Switchyard，一个用于 AI 代理的开源路由库。虽然 Nemotron 3.5 Lightning 是一个标准的 30B 参数模型，但 NeMo Switchyard 因其显著降低 AI 代理成本的潜力而备受关注。早期基准测试表明，NeMo Switchyard 可通过智能路由请求至更便宜的模型，将大部分调用避开昂贵的尖…
-
xAI 计划将数据中心扩建 7 倍，目标是到 2027 年实现 5000 亿美元收入
由埃隆·马斯克领导的 xAI 计划大幅扩展其数据中心容量，目标是在 2027 年底前实现七倍增长，达到 10 吉瓦。马斯克预计，此次扩建每年可产生 3000 亿至 5000 亿美元的收入。这项雄心勃勃的计划涉及部署大量基于 NVIDIA Blackwell 的 Vera Rubin 系统，可能容纳数百万个 GPU，并实现超越当前超级计算机和 AI 集群的 ExaFLOPS 级别性能。
-
Anyscale Ray 优化 NVIDIA GB300 NVL72 的 NVLink 域放置
Anyscale 为其 Ray 框架引入了 NVLink 域感知放置组，旨在优化 NVIDIA GB300 NVL72 系统的性能。这些新的放置组确保紧密耦合的 actor 被调度在同一个 NVLink 域内，NVLink 域是一个连接 72 个 NVIDIA Blackwell GPU 和 36 个 NVIDIA Grace CPU 的机架级互连。这种拓扑感知调度原语旨在最大化 GPU 通信并保留系统意图，它建立在先前节点级放置策略的基础上。
-
HOPPER框架通过可学习的跳数提取增强图序列模型
研究人员推出了一种新颖的框架HOPPER，旨在增强线性化图序列模型（LGSMs）。与依赖固定图算子的先前LGSMs不同，HOPPER能够实现跳数序列的端到端学习，从而实现针对特定图结构、节点特征和下游任务量身定制的自适应传播机制。这种方法保留了置换等变性，并在ECHO-Synth和LRIM等基准测试中展示了最先进或具有竞争力的性能，尤其是在图表示学习中处理长距离依赖关系方面。
-
PhyAI引擎统一边缘和云端的物理AI推理
研究人员开发了PhyAI，这是一个统一的推理引擎，旨在简化物理AI模型在各种平台上的部署，包括边缘设备和云环境。这个单一运行时旨在保持一致的检查点和动作语义，同时通过特定模型的适配器优化性能。PhyAI在几种视觉-语言-动作和世界-动作模型上展示了比现有实现显著的速度提升，尽管在某些配置下专用运行时可能仍提供更优越的性能。该引擎的架构允许在GPU上高效执行，详细的性能分析揭示了与延迟和不同模型生成主导相关的性能瓶颈。
-
NVIDIA GPU的Warp Divergence行为在不同架构中保持稳定
一篇新论文分析了从Pascal到Blackwell的NVIDIA GPU架构中的Warp Divergence。研究发现，发散路径会随着路径数量线性串行化，这种行为自Pascal一代以来一直保持一致。虽然发散的核心性能成本一直可预测，但NVIDIA在其编译器发出的重新收敛机制和控制流指令方面，在Ampere、Hopper和Blackwell等架构中已显著发展。
-
AMD的MI500X架构细节曝光，采用共享MoE描述符
据报道，AMD已公布其MI500X集成系统架构的细节，该架构具有一个跨所有专家共享的TDM混合专家（MoE）描述符。该架构似乎是MI455X的演进，集成了TDM，也称为RMA。MI500X的设计似乎借鉴了NVIDIA的SM90 Hopper ISA TMA。
-
Nota AI 发布面向 NVIDIA Blackwell 的 4 位量化 Solar Open2 250B 模型
Nota AI 发布了 Upstage 的 Solar Open2 250B 模型的 4 位量化版本，命名为 Solar Open2 250B — Nota NVFP4。新版本采用了 Nota AI 专有的量化技术，专门针对混合专家（MoE）大语言模型设计。运行此模型的一个关键要求是 NVIDIA Blackwell 架构，因为它利用了该系列中引入的 FP4 张量核心。
-
商汤在2026 WAIC上发布“未来实验室”，展示具身智能和先进基础设施
在2026 WAIC上，商汤展示了其“未来实验室”，包含未来生活、未来智能计算、未来城市和未来助手四大主题展区。“未来生活”展区重点介绍了“办公小浣熊”等AI原生生产力产品以及用于视频创作的“Seko”智能体，并展示了个人成长工具。“未来智能计算”展区则展示了商汤的AI基础设施，强调了在国产芯片上的性能提升。“未来城市”展区展示了升级版的城市管理平台SenseFoundry，而“未来助手”展区则展示了能够执行复杂任务的具身智能机器人，…
-
美国允许中兴通讯购买英伟达H200 AI芯片，跻身科技精英行列
美国政府已批准中国电信公司中兴通讯购买英伟达的H200 AI芯片。此举使中兴通讯得以加入包括阿里巴巴、腾讯和字节跳动在内的一批已获准采购英伟达Hopper代硬件的中国科技公司之列。然而，此次批准的实际影响可能受到中国自身国内芯片产业计划和监管障碍的限制。
-
NVIDIA 宣传其 Blackwell 平台在人工智能基础设施中的能效比
NVIDIA 正在强调能效比作为人工智能基础设施的关键指标，尤其是在代理式人工智能和混合专家（MoE）架构兴起的背景下。该公司重点介绍了其 Blackwell NVL72 平台，据称与上一代 Hopper 相比，能效比提高了 25 倍。这种效率是通过硬件和软件的极端协同设计实现的，包括像 NVLink Switch 这样的专用组件和优化的推理软件 TensorRT-LLM，旨在在功率限制内最大化令牌吞吐量并最小化成本。
-
TurboQuant AI 压缩获得社区采用，但热度有所降温
在谷歌宣布 TurboQuant 算法用于压缩 AI 模型 KV 缓存四个月后，该算法已获得社区的广泛采用，但对其能力的理解更为细致。尽管谷歌尚未发布官方代码，但已涌现出许多独立实现，将该算法适配到各种框架和模型中。早期关于显存减少 6 倍和加速的炒作已被社区评估所缓和，评估表明虽然可以实现压缩，但准确性可能会受到影响，尤其是在较低的比特宽度下，而在新硬件上，纯 FP8 KV 缓存可能更受欢迎。
-
美团在无NVIDIA硬件的情况下训练了1.6T LongCat-2.0 AI模型
中国公司美团开发了LongCat-2.0，一个拥有1.6万亿参数的AI模型。值得注意的是，该模型完全在中国国产AI芯片上训练，避免了使用NVIDIA硬件。该模型的效率源于其混合专家（Mixture-of-Experts）设计，每个token仅使用其3%的参数，使其可以在性能较低的非NVIDIA加速器上进行训练。
-
Jet-Long 方法在无需重新训练的情况下提升了 LLM 的长上下文性能
研究人员推出了一种名为 Jet-Long 的新方法，可以在无需重新训练的情况下扩展大型语言模型的上下文窗口。这种无需微调、零样本的方法可以动态调整重缩放因子，以平衡短上下文的保真度和长上下文的外插性。Jet-Long 集成了包含-排除注意力合并和即时 RoPE 校正，从而在 NVIDIA H100 等硬件上实现了最小的推理开销和更高的吞吐量。
-
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。
-
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。
-
NVIDIA Blackwell 系统领跑新的 Agentic AI 基准测试
NVIDIA 在首个 AgentPerf 和 Agentic AI Benchmark 的 agentic AI 基准测试中创下了新的性能记录。该公司由 Blackwell 架构驱动的 GB300 NVL72 系统在 agentic AI 工作负载中，性能比上一代 Hopper 架构提升了高达 20 倍。这项由 Artificial Analysis 开发的新基准测试，专门衡量 AI 基础设施在持续、多步 agent 轨迹而非单一提示…