Deep dive

2025年 7月 2日

通過低精度量化優化用于圖像編輯的 FLUX.1 Kontext

FLUX.1 Kontext 是 Black Forest Labs 最近發布的模型，是對社區圖像生成模型的一項令人著迷的補充。
3 MIN READ
2025年 7月 1日

適用于有效 FP8 訓練的按張量和按塊擴展策略

在本博文中，我們將分解主要的 FP8 縮放策略 (按張量縮放、延遲和電流縮放以及按塊縮放 (包括 Blackwell 支持的 MXFP8…
2 MIN READ
2025年 6月 30日

出色的多模態 RAG：Llama 3.2 NeMo 檢索器嵌入模型如何提高工作流準確性

數據遠不止于文本，它本質上是多模態的，包括圖像、視頻、音頻等，通常采用復雜的非結構化格式。雖然常見的方法是將 PDF、掃描圖像、
2 MIN READ
2025年 6月 25日

NVIDIA DOCA 3.0 助力 AI 平臺開啟網絡新紀元

NVIDIA DOCA 框架已發展成為新一代 AI 基礎設施的重要組成部分。從初始版本到備受期待的 NVIDIA DOCA 3.0 發布，
3 MIN READ
2025年 6月 24日

隆重推出 NVFP4，實現高效準確的低精度推理

為了充分利用 AI，優化至關重要。當開發者考慮優化用于推理的 AI 模型時，通常會想到量化、蒸餾和剪枝等模型壓縮技術。毫無疑問，
4 MIN READ
2025年 6月 18日

NVIDIA 集合通信庫 2.26 實現性能和監控功能的提升

NVIDIA 集合通信庫 (NCCL) 可實現針對 NVIDIA GPU 和網絡優化的多 GPU 和多節點通信基元。
3 MIN READ
2025年 6月 17日

通過 NVIDIA Holoscan for Media 上的全新 AI 應用實例，實現實時 AI 媒體效果增強

直播媒體工作流越來越多地使用 AI 微服務來增強制作能力。然而，先進的 AI 模型大多托管在云端，由于網絡延遲、帶寬和實時可擴展性方面的限制，
1 MIN READ
2025年 6月 16日

使用世界基礎模型生成的合成軌跡數據提高機器人學習效果

在機電一體化和機器人 AI 基礎模型的進步的推動下，通用型機器人技術已經問世。但關鍵的瓶頸依然存在：
2 MIN READ
2025年 6月 12日

NVIDIA Holoscan 傳感器橋接技術賦予開發者實時數據處理能力

在快速發展的機器人和邊緣 AI 領域，高效處理和傳輸傳感器數據的能力至關重要。許多邊緣應用正在擺脫單傳感器固定功能解決方案，
3 MIN READ
2025年 6月 12日

借助 RAPIDS 單細胞技術推動十億細胞分析和生物學突破

細胞生物學和虛擬細胞模型的未來取決于大規模測量和分析數據。在過去 10 年里，單細胞實驗一直以驚人的速度增長，從數百個細胞開始，
2 MIN READ
2025年 6月 12日

借助 MMseqs2-GPU 和 NVIDIA NIM 加速蛋白質科學序列對齊

蛋白質序列對齊 (比較蛋白質序列的相似性) 是現代生物學和醫學的基礎。它通過重建進化關系 (技術上稱為 homology…
3 MIN READ
2025年 6月 11日

使用 NVIDIA Cosmos Predict-2 構建自定義物理人工智能基礎模型

構建更智能的機器人和自動駕駛汽車 (AV) 始于能夠理解現實世界動態的物理 AI 模型。這些模型發揮著兩個關鍵作用：
2 MIN READ
2025年 6月 11日

借助全新 NVIDIA Cosmos 世界基礎模型簡化端到端自動駕駛汽車開發

隨著向為自動駕駛汽車 (AV) 提供動力支持的端到端規劃模型的轉變，人們對基于物理性質的高質量傳感器數據的需求也在不斷增加。
1 MIN READ
2025年 6月 10日

借助 AI 超級計算和 NVIDIA CUDA-Q Academic 變革量子教育

隨著量子計算機的擴展，它們將與 AI 超級計算機集成，以解決世界上一些最具挑戰性的問題。這些加速量子超級計算機將運行利用 CPU、
2 MIN READ
2025年 6月 9日

借助 EoRA 快速恢復 LLM 壓縮錯誤的免微調方法

模型壓縮技術已經過廣泛探索，可減少為大語言模型 (LLM) 或其他大型神經網絡提供服務所需的計算資源。 但是，與未壓縮的模型相比，
5 MIN READ
2025年 6月 5日

利用 NVIDIA cuML 中的森林推理庫加速樹模型推理

樹集成模型仍然是表格數據的首選，因為它們準確、訓練成本相對較低且速度快。但是，如果您需要低于 10 毫秒的延遲或每秒數百萬次的預測，
3 MIN READ