Deep dive

2025年 5月 20日

NVIDIA Dynamo 新增 GPU 自動縮放、Kubernetes 自動化和網絡優化功能

在 NVIDIA GTC 2025 上，我們宣布推出 NVIDIA Dynamo ，這是一種高吞吐量、低延遲的開源推理服務框架，
2 MIN READ
2025年 5月 20日

使用 NVIDIA Isaac Lab 為工業機器人裝配應用彌合仿真與現實之間的差距

多個部件的組裝在幾乎每個主要行業 (如制造、汽車、航空航天、電子和醫療設備) 中都發揮著關鍵作用。盡管機器人組裝應用廣泛，
3 MIN READ
2025年 5月 18日

借助 NVIDIA ARC-Compact 在基站部署 AI-RAN

無線網絡是現代連接的支柱，通過全球數百萬個蜂窩基站為數十億 5G 用戶提供服務。AI-RAN 的機遇和優勢正在推動電信網絡和生態系統向 AI…
3 MIN READ
2025年 5月 18日

利用 NVIDIA Cosmos Reason 整理合成數據集以訓練物理 AI 模型

AI 系統如何理解可能發生的事故與物理上不可能發生的事件之間的區別？還是計劃在邊緣場景中進行跨人類、物體和環境的多步驟交互？
2 MIN READ
2025年 5月 18日

NVIDIA Isaac Sim 和 NVIDIA Isaac Lab 即將新增高級傳感器物理特性、自定義和模型基準測試功能

在 COMPUTEX 2025 上，NVIDIA 宣布對其機器人仿真參考應用 NVIDIA Isaac Sim 和機器人學習框架…
3 MIN READ
2025年 5月 18日

使用 NVIDIA AI Blueprint 進行視頻搜索和摘要，推動視頻分析 AI 智能體的發展

與傳統的 Computer Vision (CV) 模型相比， Vision Language Models (VLMs)…
4 MIN READ
2025年 5月 16日

R2D2：通過 NVIDIA Research 解鎖機器人裝配和豐富的接觸操作

本期 NVIDIA 機器人研發摘要 (R2D2) 探討了 NVIDIA Research 針對機器人裝配任務提供的多個接觸性豐富的操作工作流，
3 MIN READ
2025年 5月 15日

印第安納瓊斯? 中的路徑追蹤優化：著色器執行重排序與實時狀態降低

本文是“ Indiana Jones™ 系列 中的 Path Tracing Optimizations”的一部分 。 在 2024 年為“…
5 MIN READ
2025年 5月 15日

使用 GPU 預測 Apache Spark 的性能

大數據分析領域正在不斷尋找加速處理和降低基礎設施成本的方法。Apache Spark 已成為用于橫向擴展分析的領先平臺，可處理 ETL、
2 MIN READ
2025年 5月 14日

使用先進的開放式后訓練數據集構建自定義推理模型

合成數據已成為大語言模型 (LLM) 后訓練程序的標準組成部分。使用從單個或一組經商業許可的開源 LLM 中合成生成的大量示例，
2 MIN READ
2025年 5月 9日

應用具有推理能力的專用大語言模型（LLM）加速電池研究

人工評估材料通常會拖慢電池創新等復雜領域的科學研究，限制了每天只有數十個候選材料的進展。在這篇博客文章中，
3 MIN READ
2025年 5月 8日

借助 3DGUT 在 gsplat 中革新神經重建和渲染

從訓練自動駕駛汽車 (AV) 到為機器人和數字孿生提供支持，逼真的 3D 仿真正在成為現代 AI 和圖形的基石。
1 MIN READ
2025年 5月 8日

應用基于自動編碼器的 GNN 檢測 NetFlow 數據中的高吞吐量網絡異常

隨著現代企業和云環境的擴展，網絡流量的復雜性和數量也在急劇增加。NetFlow 用于記錄有關通過路由器、交換機或主機等網絡設備的流量的元數據。
2 MIN READ
2025年 5月 7日

使用 NVIDIA NeMo Curator 構建 Nemotron-CC：一個高質量萬億令牌數據集，用于大型語言模型預訓練，源自 Common Crawl

對于想要訓練先進的 大語言模型 (LLM) 的企業開發者而言，整理高質量的預訓練數據集至關重要。為了讓開發者能夠構建高度準確的 LLM，
2 MIN READ
2025年 5月 7日

概念驅動的 AI 教學助手引導學生獲得更深入的見解

在當今的教育環境中，生成式 AI 工具既帶來了福音，也帶來了挑戰。雖然這些工具提供了前所未有的信息獲取途徑，但也引發了對學術誠信的新擔憂。
2 MIN READ
2025年 5月 6日

NVIDIA NV-Tesseract 新一代時間序列模型助力數據集處理和異常檢測的突破性進展

時間序列數據已從簡單的歷史記錄演變為跨行業關鍵決策的實時引擎。無論是簡化物流、預測市場，還是預測機器故障，
1 MIN READ