Nvidia Blackwell B200
PulseAugur coverage of Nvidia Blackwell B200 — every cluster mentioning Nvidia Blackwell B200 across labs, papers, and developer communities, ranked by signal.
- instance of Blackwell 90%
- competes with jalapeño 90%
- instance of Nvidia Hopper 90%
- used by NVIDIA Dynamo 90%
- used by vLLM 80%
- competes with AMD Radeon AI Pro R9700 80%
- competes with Intel Arc Pro B70 80%
- competes with Blackwell 70%
- used by GB300 NVL72 70%
- used by NVFP4 70%
- instance of GB300 NVL72 70%
- used by DeepSeek V4-Pro 70%
8 天有情绪数据
-
Prime Intellect 推出 Prime Inference 开源模型推理平台
Prime Intellect 推出了 Prime Inference，一个专为前沿开源 AI 模型设计的新型推理平台。该平台利用 NVIDIA Blackwell GPU，提供用于应对可变需求的无服务器端点和用于持续工作负载的预留容量。Prime Inference 旨在通过结合 NVIDIA Dynamo、vLLM、Mooncake 和 FlashInfer 等技术来优化性能，并支持与 OpenAI 兼容的 API。
-
新的多项式近似提高了在NVIDIA Blackwell GPU上训练大语言模型的速度
研究人员开发了用于大语言模型（LLMs）中超越函数的新多项式近似方法，以提高计算效率。这些近似方法在NVIDIA Blackwell GPU上进行了测试，在孤立的内核操作中显示出从1.19倍到2.19倍的显著加速。当集成到LLM训练任务中时，这些替换方法在整体训练吞吐量方面带来了明显的改进，某些任务的增益高达8.0%。该研究还评估了这些近似方法对模型行为的影响，发现与原生实现相比，最终训练损失的差异很小。
-
新的SPARC方法提高了序列模型效率和训练速度
研究人员开发了一种名为用于高效自适应谱递归的共享相位和保持控制（SPARC）的新方法，以改进序列模型。SPARC使用最小的输入相关信号来管理内存保持和相位旋转，为Transformer提供了一种更有效率的替代方案。该方法在连续控制和序列分类任务中展示了性能提升，并与现有的循环模型相比，显著降低了在NVIDIA Blackwell GPU上的训练延迟。
-
新的SPARC方法通过高效的自适应谱内存增强序列模型
研究人员开发了一种名为用于高效自适应谱递归的共享相位和保持控制（SPARC）的新方法，以改进序列模型。SPARC使用最小的输入相关信号来管理内存保持和相位旋转，克服了Transformer的计算和缓存限制，同时提供像固定状态递归模型一样的恒定内存推理。该方法在连续控制和序列分类任务中展示了性能提升，并显著降低了与现有基线相比在NVIDIA Blackwell GPU上的训练延迟。
-
人工智能硬件竞赛加剧：Nvidia面临来自AMD、Intel及云巨头的挑战
人工智能硬件领域竞争激烈，Nvidia目前处于领先地位。然而，AMD和Intel等竞争对手正在取得重大进展，而Microsoft、Google和Amazon等主要云服务提供商也在大力投资其自身的人工智能基础设施。Apple Inc.和Meta等公司也在开发定制人工智能芯片，而台积电（TSMC）仍然是许多公司的关键制造合作伙伴。
-
UBTECH开设大规模人形机器人工厂，年产能目标1万台
UBTECH Robotics在中国开设了一家新工厂，年产能可达1万台人形机器人，平均每10分钟就有一台新机器人下线。这一大规模生产举措使UBTECH跻身于快速增长的人形机器人制造领域中的其他中国竞争对手之列。该工厂将生产UBTECH的Cruzr和Walker S系列机器人，现有机器人将协助组装新机器人，这凸显了机器人制造更多机器人的趋势。
-
NVIDIA 通过新平台和合作伙伴关系提高 AI 工厂效率
在 AI Infra Summit 上，NVIDIA 宣布了其 AI 基础设施平台的进展，重点关注能效和代币优化。关键进展包括与亚马逊的 Annapurna Labs 在高带宽内存方面以及与 d-Matrix 在 NVLink Fusion 方面的合作。此外，Emerald AI 与 Silicon Valley Power 合作展示了一个 AI 工厂灵活负载计划，Lambda 报告称使用 NVIDIA DSX MaxLPS 可将每瓦…
-
NVIDIA 通过先进的物理 AI 平台赋能 AI 机器人和机器人出租车
NVIDIA正与Skild AI合作，通过让机器人从单个视频演示中学习新任务来推进机器人技术，这种技术被称为上下文内学习。该方法由NVIDIA的AI基础设施（包括Isaac Lab和Cosmos）提供支持，使机器人能够在无需大量重新编程的情况下适应不断变化的环境。与其他人AI系统相比，Skild AI的S1机器人基础模型在任务成功率方面取得了显著的提高，并且该公司在商业部署后实现了可观的收入增长。同时，NVIDIA也是机器人出租车行业…
-
英伟达与Palantir合作优化AI驱动的供应链 · 追踪4个来源
英伟达（Nvidia）与Palantir已达成合作，利用AI优化供应链运营，英伟达自身复杂的百万部件供应链将作为首个试点案例。此次合作将利用Palantir Foundry进行数据建模，并使用cuOpt（一个开源库）进行混合整数线性规划，以管理部件分配并最大限度地缩短交付时间。此外，英伟达还整合了其Nemotron 3.5 Lightning模型的预训练版本，以纳入非结构化运营数据，显著提高了供应链分配的决策准确性。
-
Cohere 使用 NVIDIA Blackwell 将人工智能推理成本降低高达 50%
Cohere 通过将生产工作负载迁移到 NVIDIA 的 Blackwell 平台，显著提高了其人工智能模型的性能和成本效益。此次迁移使许多工作负载的首次代币生成时间缩短了 30-50%，同时降低了代币成本并提高了吞吐量。此举凸显了人工智能模型开发者与 NVIDIA 等基础设施提供商之间的共生关系。
-
Nvidia 发布量化版 Alibaba Qwen3.8-27B 模型，用于 AI 代理
Nvidia 发布了 Alibaba 的 Qwen3.8-27B 语言模型的量化版本，该版本针对 AI 代理系统和其他应用程序进行了优化。此模型名为 nvidia/Qwen3.8-27B-NVFP4，利用 Nvidia 的 Model Optimizer 进行量化，并设计用于在 Nvidia GPU 加速系统上高效运行。它支持高达 262K 的上下文长度，并在推理、编码和多模态任务等各种基准测试中进行了评估。
-
Nvidia 发布为 Blackwell 硬件优化的 Qwen3.8-Flash-Next 模型
Nvidia 发布了 Qwen3.8-Flash-Next，一个拥有 1250 亿参数的模型，作为 NVFP4 检查点。该模型集成了混合注意力和专家混合 (MoE) 架构。它已针对在 Nvidia 的 Blackwell B200/B300 硬件上通过 vLLM 运行进行了优化，与 BF16 相比，量化使其磁盘大小减少了 63%。
-
Nvidia 发布 GLM-5.3-Flash NVFP4 多模态模型，支持 1M 上下文
Nvidia 发布了 GLM-5.3-Flash NVFP4 模型，这是 ZAI 的 GLM-5.3-Flash 的量化版本。这款多模态混合专家模型专为推理、编码和智能体任务设计，采用混合注意力架构，支持高达 100 万个 token 的上下文长度。该模型针对 NVIDIA 硬件进行了优化，提供更快的训练和推理速度，并兼容 vLLM 和 SGLang 等各种运行时引擎以及 NVIDIA Blackwell 微架构。
-
NVIDIA 为 Blackwell 硬件发布量化版 DeepSeek 和 Qwen LLM
NVIDIA 已发布两种大型语言模型的量化版本，DeepSeek-V4-Pro-0813 和 Qwen3.8-2.4T-A95B，采用了其 NVFP4 量化方法。DeepSeek 模型拥有 1.65 万亿参数，采用混合注意力机制，并通过 SGLang 在 Nvidia 的 Blackwell B200 硬件上运行。Qwen 模型是一个拥有 2.4 万亿参数、950 亿激活参数的 MoE 模型，支持 100 万 token 的上下文长度…
-
OpenAI 的 Jalapeño 芯片旨在超越 Nvidia Blackwell 和 Rubin GPU
据报道，OpenAI 正在开发一款名为 Jalapeño 的新型推理芯片，旨在超越 Nvidia 的 Blackwell 和 Rubin GPU 等竞争对手。该芯片预计将配备 128 个处理器和 27 TB 的 HBM 内存，目标性能为 1.7 exaFLOPS。此举标志着 OpenAI 在专业 AI 硬件领域的战略性举措，以增强其推理能力。
-
OpenAI 的 Jalapeño 芯片旨在挑战 Nvidia 的 Blackwell 和 Rubin
据报道，OpenAI 正在开发一款名为 Jalapeño 的新型推理芯片，旨在成为人工智能硬件市场上的强大竞争者。该芯片预计将配备 128 个芯片和 27 TB HBM，目标是超越 Nvidia 的 Blackwell 等现有产品，并可能挑战即将推出的 Rubin GPU。这一开发标志着 OpenAI 正在努力提升其在人工智能模型推理方面的硬件能力。
-
Nvidia Blackwell、AMD Radeon AI Pro、Intel Arc Pro GPU在LLM推理方面的比较
对高端GPU进行本地大型语言模型（LLM）推理的比较，突出了Nvidia Blackwell B200、AMD Radeon AI Pro R9700和Intel Arc Pro B70的优势。分析考虑了显存容量、内存带宽和软件生态系统等因素。基于这些技术规格为AI工作负载提供实际建议。
-
OpenAI 的 Jalapeño 芯片在推理性能上优于 Nvidia
OpenAI 公布了其定制设计的“Jalapeño”推理芯片的初步性能数据，展示了在速度和能效方面的显著提升。基准测试表明，Jalapeño 在吞吐量和延迟等关键指标上优于 Nvidia 的 Blackwell 和 GB200/GB300 等竞争对手。该芯片在 Broadcom 的合作下，并借助 AI 辅助开发，旨在优化 AI 推理工作负载，并计划部署在 OpenAI 的基础设施中。
-
NVIDIA Vera Rubin NVL72 将 AI 代理效率提升 30 倍，通过与联发科的交易扩展生态系统 · 跟踪 10 个来源
NVIDIA 推出了其 Vera Rubin NVL72 系统，据报道，与之前的 NVIDIA GB300 NVL72 系统相比，该系统在每兆瓦的 AI 代理工作负载吞吐量方面提高了 30 倍。这种显著的效率提升归功于先进的优化和共同设计的软硬件平台，旨在降低每百万个 token 的成本，并在功耗受限的环境中实现更多的代理式 AI 任务。同时，NVIDIA 正通过战略投资和合作伙伴关系扩展其 AI 生态系统，包括以 35 亿美元投资联…
-
人工智能基础设施投资每年将达1万亿美元，探索商品市场融资
到2027年，人工智能基础设施的建设预计将超过每年1万亿美元，这得益于Anthropic和OpenAI等领先人工智能实验室对先进计算资源持续增长的需求。尽管存在人工智能泡沫的担忧，但像Nvidia Blackwell这样的最新加速器成本的不断增加，以及旧款GPU的高溢价，都表明市场需求强劲。为了满足这一日益增长的需求，该行业正在探索类似于商品市场的金融结构，旨在通过标准化计算定价和创造流动性来解锁大量投资，这类似于天然气市场的演变方式。