NVIDIA 在 SC26 发布 Nemotron for Science、Rubin HPC GPU 及 Vera CPU 平台
NVIDIA 在 SC26 上宣布 Nemotron for Science、Rubin HPC GPU 及扩展的 Vera CPU 平台,并展示与 IBM 和费米实验室的量子计算合作。
NVIDIA 在 SC26 上宣布 Nemotron for Science、Rubin HPC GPU 及扩展的 Vera CPU 平台,并展示与 IBM 和费米实验室的量子计算合作。
NVIDIA 在 SC26 推出 DGX Spark HPC 开发者套件,该四节点集群通过 ConnectX-7 直连,提供 512GB 内存和 16TB 存储。利用 NVFP4 技术,用户可在本地部署最高 700B 参数的模型(如 DeepSeek V4.1),无需等待共享集群队列。该套件旨在让研究人员在桌面端运行多节点科学工作负载和 AI 模型,HPC SDK 安装指南即将发布。
NVIDIA 运营负责人 Deb Shoquist 荣获 2026 年 Dr. Lisa Su 女性创新奖,以表彰其构建全球 AI 基础设施供应链的贡献。她通过深度绑定 TSMC、Foxconn 等合作伙伴,实现了从芯片到系统平台的规模化制造,例如支持 Amphenol 生产高精度线缆组件。
NVIDIA 在 SC26 发布 Rubin HPC GPU,旨在加速科学、工程和数据分析工作流中的模拟与数据处理。该 GPU 配备超过 50,000 个 CUDA 核心及第七代 NVLink 互连技术,通过稀疏数据加速能力优化计算效率。Rubin HPC 预计于 2028 年可用,此前 NVIDIA 已推出 Vera Rubin 平台。
NVIDIA 在 SC26 上庆祝 CUDA 平台 20 周年,回顾其自 2006 年发布以来如何推动科学计算与 AI 发展。目前全球已有超过 1100 万开发者基于 CUDA 构建应用,该生态支撑了从分子模拟到深度学习的关键突破。
Lambda 采用 NVIDIA Photonics 共封装光学交换机连接超过 10,000 个 GPU 的 NVIDIA GB300 NVL72 机架集群。该方案将网络功耗效率提升最高 5 倍,可靠性提升最高 15 倍,并在机架和 Pod 规模下分别降低约 4% 和 10% 的网络延迟。
RadixArk 与 Annapurna Labs 合作推出的 SGLang-Neuron 现已通过 AWS Deep Learning Container 公开可用,支持在 AWS Trainium 上运行 SGLang 进行模型服务及强化学习 rollout 生成。
AWS 发布 re:Invent 2026 AI/ML 分会场参会指南,该分会场包含 140 余场覆盖 AI 芯片、模型训练及智能体开发的课程。指南解析了从 AWS Trainium 到 Amazon Bedrock AgentCore 的 AI 技术栈,帮助参会者根据技能水平筛选 Breakout 或 Workshop 等不同类型的学习场次。
NVIDIA 宣布投资韩国 AI 互联初创企业 Point2,并计划投资 Motif Technologies、RLWRLD 和 Upstage。这些公司覆盖 AI 基础设施、基础模型、物理 AI 及企业应用,其中 Motif Technologies 发布了开源权重的 LLM Motif-3。
NVIDIA 与韩国科学技术信息通信部扩大主权 AI 合作,覆盖 AI 半导体、数据中心基础设施、人才、初创企业、模型、智能体及安全。合作为韩国 NPU 和 XPU 公司参与 NVIDIA NVLink Fusion 生态系统奠定基础,并包含 NVIDIA 培训认证、黑客马拉松及技术研讨会以强化 GPU 利用率。
NVIDIA Vera CPU 在 100 兆瓦数据中心对比中,相比最快 x86 CPU 每瓦支持 1.6 倍智能体,相比最高能效 x86 CPU 智能体速度提升 2 倍。Perplexity 和 DeepInfra 等早期采用者在生产测试中分别实现了 1.5 倍和 2.2 倍的性能提升。
NVIDIA 通过全栈协同设计优化 GPU、CPU 及存储层级,以解决 AI 内存瓶颈。从 Blackwell Ultra 到 Vera Rubin 平台,HBM 容量每 GPU 仅增约 3%,但 SemiAnalysis AgentX 上的智能体吞吐量每美元提升高达 30 倍。此前 NVIDIA 率先将 HBM3e 和 HBM4 技术引入加速计算栈。
OpenAI 推出国家社区契约(National Community Compact)和算力园区政策蓝图(Compute Campus Policy Blueprint)。该举措旨在保护当地资源、创造就业,并指导负责任的 AI 基础设施建设。
NVIDIA 与 COMSOL、Applied Materials 等合作,利用 cuDSS 和 PhysicsNeMo 将半导体仿真速度提升 10 至 35 倍。AI 智能体将模型选择时间从数小时缩短至分钟级,数字孪生技术则支持在虚拟环境中验证工厂布局与流程变更。
OpenAI 推出 Grid Protectors Program,旨在与公用事业公司合作,确保未来的计算园区支持电网可靠性并保护消费者电费。
NVIDIA 创始人黄仁勋访问阿斯塔纳,宣布投资哈萨克斯坦初创公司 Higgsfield AI。Firebird 获准在哈萨克斯坦部署 45,000 块 NVIDIA Grace Blackwell GPU,一期目标 2027 年第三季度商用,总容量规划达 500 兆瓦。
全球企业利用 NVIDIA DSX AI Factory Platform 将电网与 AI 工厂作为统一系统进行规划、模拟和运行,以解决电力成为基础设施最大瓶颈的问题。
Hugging Face 发布教程,指导用户利用 TorchNeuron 在 AWS Trainium 上系统分析推理性能瓶颈。教程演示了配置 torch.profiler 捕获 Neuron 设备时间,并通过 Neuron Explorer 追踪操作从框架分发到硬件执行的全过程。
Hugging Face 发布教程,指导用户利用 TorchNeuron 在 AWS Trainium 上系统分析推理性能瓶颈。教程演示了配置 torch.profiler 捕获 Neuron 设备时间,并通过 Neuron Explorer 追踪操作从框架分发到硬件执行的全过程。
Nebius、Nscale 等欧洲 AI 云服务商及服务器制造商正采用 NVIDIA Vera CPU 构建本地基础设施,以支持智能体计算需求。Vera 凭借高单核性能与 LPDDR5X 内存带宽,加速代码执行与数据处理,帮助数据中心在扩展规模时保持响应速度。此举旨在满足欧洲主权 AI 生态对数据本地化及高性能计算的需求。
NVIDIA 宣布扩展机密计算,新增 Confidential Bare Metal 部署选项,允许前沿模型构建者在第三方基础设施上运行敏感工作负载。该功能支持 NVIDIA Grace Blackwell 和 Rubin 系统,并与 NVIDIA DSX OS 集成。Cohere 和 Google Cloud 已计划或宣布支持该功能,以保护模型和数据安全。
NVIDIA 欧洲云合作伙伴正扩展区域算力,支持模型训练、推理及 AI 智能体应用开发。Nscale 利用 NVIDIA DSX MaxLPS 在 GB300 NVL72 系统上实现 37% 更多 GPU 及近 50% 推理吞吐量提升。
巴塞罗那超级计算中心(BSC)AI Factory 加速器计划已全面运行,为初创企业提供主权算力、技术支持及培训,部分服务现已通过 NVIDIA Inception 门户开放。
Deepgram 将 Nova-3 语音转文本模型移植至 AWS Trainium2,在离线批量工作负载中实现了每美元处理音频量提升 11%–70%。该优化通过 Neuron 软件栈及自定义内核调优完成,单台 trn2.3xlarge 实例运行 8 个模型副本。此前 Deepgram 主要依赖标准 PyTorch 代码,此次合作旨在降低推理成本并提升服务效率。
NVIDIA 加入欧盟 AI in Science Enablers 计划,提供超过 250 个开放模型、1400 个开源项目及算力支持。NVIDIA 正推动欧洲 35 台超级计算机建设,旨在为超过 300 万研究人员提供下一代基础设施。
北欧地区正利用 NVIDIA 基础设施构建欧洲领先的技术生态系统,包括部署 16 个机架的 DGX GB300 超级计算机 Sferical One。Spotify 使用 TensorRT-LLM 降低推理成本,ABB Robotics 实现 99% 仿真精度,Klang 基于 Parakeet v3 开发的瑞典转录模型速度提升 64 倍。
NVIDIA 宣布计划投资 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane 五家英国初创公司,并承诺五年内投入 2.5 亿美元算力以加强英国智能体安全与安保研究。此前 NVIDIA 已支持 Basecamp Research、Synthesia 和 Wayve 等企业,此次投资进一步扩展了其在英国 AI 生态的布局。
NVIDIA 在 OCP 全球峰会宣布通过开放 MGX 架构贡献 Vera Rubin 机架与计算托盘设计,为下一代 AI 工厂基础设施提供通用基础。MGX 1.2 规范支持高达 250kW 的机架部署,并新增 Vera CPU 机架设计以支持 agentic AI 场景下的工具调用与编排。此举旨在通过开放标准加速 AI 基础设施的规模化部署,提升能效并优化 tokens-per-watt 性能。
Ai2 用 GPU 时间预算、分层公平分配和时间片契约替换了基于优先级的调度器,将资源分配从个案运营转为透明的行政预算流程。该机构管理数千块 NVIDIA H100、B200 和 B300 GPU,面临 2-3 倍于可用量的算力需求。此前基于优先级的调度导致了 GPU 占用和优先级通胀等“公地悲剧”问题。
Amazon SageMaker HyperPod 提供基于 EKS 的多租户参考架构,支持多团队共享 GPU 集群并实现资源隔离与公平分配。该架构利用 AWS IAM Identity Center 进行集中认证,通过 Kubernetes 命名空间隔离工作负载,并借助 HyperPod Task Governance 管理计算配额。
文章阐述了通过 SageMaker Unified Studio 管理 Amazon SageMaker HyperPod 集群的治理策略,涵盖组织、项目、集群和工作负载四层控制。该方案允许 ML 团队在项目工作区启动工作负载,同时由基础设施团队通过 IAM、EKS 或 Slurm 控制底层集群配置与容量分配,实现计算资源的安全共享。
NVIDIA 指出 AI 工厂投资回报取决于产能、寿命与需求,其平台通过全栈协同设计实现每兆瓦最高吞吐量与最低 token 成本。SemiAnalysis 数据显示 Vera Rubin NVL72 系统吞吐量较 GB300 NVL72 提升超 30 倍,DeepSeek V4 Pro 模型每百万 token 成本降低达 45 倍。
AWS 结合 Amazon EKS、EFA 与 DeepEP,为大规模 MoE 模型的 RLHF/GRPO 强化学习后训练提供架构方案,吞吐量提升 40%。该方案针对 rollout 生成与策略训练并行的异步 RL 循环,通过 DeepEP 优化 Expert Parallelism 的 all-to-all 通信,缓解跨节点带宽瓶颈。
NVIDIA 验证工程师 Sakeena Fiza 负责在量产前测试数据中心系统,确保硬件在 AI 工厂环境中稳定运行。她曾见证 NVIDIA Rubin GPU 首次实现系统级枚举,并通过排查固件、硬件及热力学问题,在客户发现故障前解决潜在风险。
NVIDIA 推出 DSX Ready 认证计划,用于评估符合 NVIDIA DSX AI 工厂参考设计要求的合作伙伴产品。该计划首批涵盖电池储能系统(BESS)和冷却分配单元(CDU),已认证供应商包括 Hitachi Energy、LG Energy Solution、Tesla、LG Electronics、LiquidStack 和 Vertiv。
NVIDIA 发布 Halos 全栈安全系统,用于物理 AI 在设计、验证与部署各环节的安全工程。面向自动驾驶,Halos 覆盖 DRIVE AGX Thor。
NVIDIA 在开罗大埃及博物馆举办活动,展示埃及 AI 生态从能力建设走向规模化落地,其 Deep Learning Institute 埃及学员规模一年增长超十倍。
NVIDIA 在纽约气候周上介绍了五家以 AI 为基础推进清洁能源的公司。ThinkLabs AI 用 NVIDIA CUDA 平台打造数字孪生与智能体,帮助南加州爱迪生将电网并网申请评估时间从 30-45 天缩短至两分钟。
Emerald AI、Google 和 NVIDIA 宣布成立 AI Energy Management Alliance(AEMA),推动数据中心根据电网状况动态管理用电。
Mistral 与 HUMAIN 宣布达成数亿欧元规模的战略合作,旨在沙特及中东地区推进 AI 基础设施、先进模型开发及解决方案部署。双方将重点开发网络安全、语音及阿拉伯语前沿模型,并探索利用 HUMAIN 数据中心支持本地算力需求。该合作聚焦受监管行业,确保数据、模型及算力在客户控制下运行,以支持主权 AI 需求。