Nvidia Blackwell B200
PulseAugur coverage of Nvidia Blackwell B200 — every cluster mentioning Nvidia Blackwell B200 across labs, papers, and developer communities, ranked by signal.
12 天有情绪数据
-
NVIDIA 发布基于 DeepSeek-V3 架构的 Kimi-K2.7-Code
NVIDIA 发布了 Kimi-K2.7-Code，这是一个基于 DeepSeek-V3 架构的开源模型。该模型拥有 320 亿活跃参数和 256,000 个 token 的上下文窗口。它在 vLLM 框架内使用了推测解码，并已针对 NVFP4 硬件进行了量化部署，支持文本、图像和视频模态。性能评估包括 SWE-bench Verified 和 Terminal-Bench 2.1，但训练数据中包含有毒内容。
-
Together AI 详解使用 NVIDIA Blackwell 进行延迟优化
Together AI 详细介绍了其优化推理延迟的方法，重点介绍了 NVIDIA 技术与其自身平台的集成。他们的系统 Together ATLAS 利用 NVIDIA Blackwell、CUDA、TensorRT-LLM 和 Dynamo 以及自定义内核，为用户实现低于 100 毫秒的响应时间。这种优化对于实现更快的推理和长上下文代码生成至关重要。
-
AI Factory 在墨西哥推出基于 Nvidia Blackwell 的 neo-cloud
AI Factory 在墨西哥和拉丁美洲推出了一项新的 neo-cloud 服务，该服务由 Nvidia 的 Blackwell 架构提供支持。该项目声称是该地区的首创，旨在提供先进的 AI 基础设施。
-
NVIDIA Boosts US AI Manufacturing with $500B Investment and Partner Network
NVIDIA 正在大力投资美国制造业和供应链，以支持对人工智能基础设施日益增长的需求。该公司及其合作伙伴正在美国 43 个州建立半导体、系统及相关组件的国内生产。该计划预计将为美国 GDP 做出重大贡献并创造大量就业机会，同时还注重负责任和可持续的制造实践。
-
新方法通过自适应解码策略提高 LLM 推理速度
研究人员开发了 BlockPilot，一种新颖的投机解码方法，可自适应地预测生成文本的最佳块大小。该方法通过学习一种策略来提高效率，该策略根据预填充表示来选择块大小，从而实现显著的加速和更长的接受长度。此外，另一篇论文介绍了一种用于掩码扩散语言模型的连续解码框架，该框架允许 token 累积部分进度，为文本生成提供了更灵活的方法。
-
Microsoft 上调 Xbox 价格，推出付款计划；SageMaker AI 优化 NVIDIA Blackwell 训练
Microsoft 将提高其 Xbox Series 主机的价格，并推出“先买后付”选项。另外，一篇指南详细介绍了如何使用 NVIDIA Blackwell 架构在 Amazon SageMaker AI 上优化模型训练。
-
AWS SageMaker AI 集成 NVIDIA Blackwell GPU 以优化大型模型训练
Amazon SageMaker AI 现已针对 NVIDIA Blackwell GPU 进行优化，可更高效地训练大型 AI 模型。配备 8 个 Blackwell GPU 的新型 P6-B200 实例提供更大的内存和更高的带宽，从而缓解了批次大小和序列长度受限等瓶颈。这使得更大的批次大小、简化的模型分片以及更长的序列长度成为可能，最终缩短迭代周期并降低基础设施成本。
-
DFlash 通过并行令牌块草拟加速 AI 推理 · 跟踪 2 个来源
加州大学圣地亚哥分校的研究人员开发了 DFlash，这是一种新颖的推测性解码技术，可显著加速 AI 推理。与一次生成一个令牌的传统方法不同，DFlash 使用块扩散模型在单次传递中提出整个令牌块。然后，一个更大的目标模型并行验证这些块，从而实现显著的加速。这种方法在 NVIDIA Blackwell GPU 上对 GPT-OSS 120B 等模型显示出高达 15 倍的吞吐量，对于长上下文推理和编码任务尤其有利。
-
NVIDIA发布量化版GLM-5.2 MoE模型，支持1M上下文
NVIDIA发布了GLM-5.2 NVFP4模型，这是ZAI的GLM-5.2的量化版本。该混合专家模型（Mixture-of-Experts）针对推理和编码任务进行了优化，具有稀疏注意力机制和100万token的上下文长度。该模型已准备好部署在AI代理系统、聊天机器人和RAG应用中，并根据MIT许可证提供。
-
法国借助英伟达加速人工智能基础设施建设，Mistral AI 建立数据中心 · 跟踪 1 个来源
法国正在显著推进其人工智能基础设施和生态系统，大量投资和新设施正在投入使用。Mistral AI 正在法国建立一个大型数据中心，利用英伟达的 GB200 系统并计划建设广泛的欧洲计算能力。其他举措包括 Scaleway 提供英伟达 Blackwell 实例，以及 Bull/Foxconn 在欧洲生产英伟达 Vera Rubin NVL72 系统。该国还通过针对欧洲语言和监管需求的开放模型，在公司如 Pleias 和英伟达 Nemotr…
-
新的UFP4方法解决了LLM FP4预训练中的收缩偏差问题
一篇新研究论文介绍了一种名为UFP4的统一4位训练方法，旨在解决大型语言模型预训练中的收缩偏差问题。研究发现，当前非统一FP4格式（如NVIDIA Blackwell/Rubin和AMD MI350 GPU中使用的E2M1）会引入系统性舍入误差。相比之下，UFP4采用统一网格（E1M2/INT4）来提高量化质量，并在各种模型规模上展示出比现有的基于E2M1的方法更低的损失下降。
-
MiniMax M3 集成 NVIDIA 硬件、vLLM 和 Inferact
SemiAnalysis 报道了 MiniMax AI 的 M3 模型与 NVIDIA 硬件成功集成，特别强调了 vLLM 项目和 Inferact 的 EAGLE3 规格解码。此次合作专注于实现分离式推理，并优化 MoE 内核以提高性能。MiniMax M3 模型与 DeepSeek V4 和 Kimi-K2.6 等其他先进的开放式智能体模型并列，NVIDIA Blackwell 硬件在性能上优于 NVIDIA Hopper。
-
DecagonAI 通过 Together AI 和开源模型将语音代理成本降低 6 倍
DecagonAI 通过从闭源模型迁移到在 Together AI 上托管的微调开源模型，将其语音代理的成本显著降低了近六倍。此次迁移在保持实时语音交互低延迟的同时，实现了每次交互低于 400 毫秒的 p95 模型延迟。优化措施包括自定义投机器、提示缓存以及在 NVIDIA Blackwell 硬件上部署，从而能够频繁更新模型。
-
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。
-
Tensordyne 发布对数数学 AI 芯片，号称功率效率提升 17 倍
初创公司 Tensordyne 推出了利用对数数学提高效率的新型 AI 加速器。这种将乘法重写为加法的方法声称与 Nvidia 的 GB300 机架相比，每瓦性能提高了 17 倍。该系统采用其“Napier Processor”，集成了快速内存层和 systolic array，专为推理任务设计。虽然 Nvidia 之前曾探索过对数数学，但 Tensordyne 似乎克服了之前的实现挑战，其系统将于今年晚些时候开始发货。
-
人工智能基础设施交易将重点从容量转向 GPU 利用率
QumulusAI 已通过为期三年的协议获得了超过 1.24 亿美元的资金，重点关注人工智能基础设施的利用率，特别是推理工作负载。这一转变表明，客户越来越优先考虑高效利用 GPU 容量，而不是仅仅获取它，正如 QumulusAI 首席执行官 Mike Maniscalco 和 Hyperbolic 首席执行官 Jasper Zhang 所强调的那样。重点现在是优化生产环境的基础设施，在这些环境中，持续的正常运行时间和成本效益至关重要，…
-
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…
-
NVIDIA GeForce NOW 提供云游戏会员大幅优惠
NVIDIA 正在为其 GeForce NOW 云游戏服务举办夏季促销活动，对 12 个月会员提供大幅折扣。此次促销旨在通过强调在无需高端硬件的情况下，跨多种设备畅玩 PC 游戏的便利性来吸引新用户。新游戏（包括《激战3》）正在加入该平台，进一步提升了其价值主张。
-
苹果将使用Google Cloud上的Nvidia芯片来支持AI Siri
据报道，苹果正计划将Nvidia的Blackwell B200芯片集成到Google Cloud的基础设施中，以支持即将推出的AI增强版Siri。此举旨在克服苹果内部硬件的局限性，据称该硬件对于新的AI模型来说速度太慢。此次集成表明，苹果下一代语音助手将严重依赖外部云和芯片供应商。
-
SANA-Streaming 支持在消费级 GPU 上进行实时视频编辑
研究人员开发了 SANA-Streaming，一个用于在消费级 GPU 上进行实时视频编辑的框架。它利用具有注意力机制的混合扩散 Transformer 架构，以提高局部建模和效率。该系统还采用了一种新颖的循环反向正则化技术，可在无需配对长视频的情况下增强时间一致性。SANA-Streaming 针对 NVIDIA Blackwell 架构进行了优化，在单个 RTX 5090 GPU 上实现了 1280x704 分辨率下的 24 FPS 编辑。