AI 正在改变半导体晶圆厂的运作方式,工程师的推进速度因此加快
NVIDIA 携手 COMSOL、Applied Materials、Siemens、Lam Research、Advantest 等公司,用 AI 加速半导体制造研发。
NVIDIA 携手 COMSOL、Applied Materials、Siemens、Lam Research、Advantest 等公司,用 AI 加速半导体制造研发。
AWS 博客介绍 Exowatt 基于 Amazon SageMaker AI 无服务器模型定制构建可复用微调流水线,产出边缘与云端两个部署模型。
NVIDIA 在 GTC Berlin 展示本地 AI 硬件全线产品:RTX Spark 面向 Windows PC 个人智能体,DGX Spark 支持最多 8 台集群,DGX Station 提供 748GB 一致性内存和 20 petaflops 性能,Windows 版 DGX Station 12 月推出。
推荐理由:原文汇总了 RTX Spark、DGX Spark 和 DGX Station 的本地 AI 硬件阵容与配套软件、模型支持,可据以判断本地智能体部署选项。
NVIDIA RTX Spark 笔记本正式开售,搭载 Blackwell RTX GPU 与 Grace CPU,提供最高 1 petaflop AI 算力和 128GB 统一内存,起价 $2,399,首发厂商包括 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI。
NVIDIA RTX Spark 于 10 月 16 日正式发布,定位为一台同时面向创作者、玩家和 AI 智能体的 Windows PC。媒体评测称其在本地 AI、游戏和创意工作流上表现出色,Artificial Analysis 的独立测试也展示了其笔记本端本地 AI 性能。
NVIDIA 发布开放模型 Nemotron 3.5 Super VL,120B 参数,主打多模态智能体任务,称在其级别中速度比次优模型快 5x,参数量约为自家最大推理模型的五分之一。
推荐理由:官方披露了三个开放模型的具体参数量、量化方案和基准表现,并给出部署入口,便于读者按部署层级选型。
Google DeepMind 与新加坡政府科技局(GovTech Singapore)合作,基于轻量级 Gemma 模型微调出隐私保护的端侧诈骗检测模型。模型采用两阶段流水线,先用轻量分类器筛查消息,再用微调后的 Gemma 分析会话上下文确认威胁,全程在设备上运行,双方均无法访问用户对话。
推荐理由:原文说明了两阶段端侧架构和治理细节,读者可以了解政府与模型方合作兼顾隐私的反诈思路。
Google Research 在 Mountain View 的 Research@ 活动上展示 10 项研究亮点。
NVIDIA 官宣 RTX Spark 笔记本将于 10 月 16 日开售,并同步推出配套软件更新:为 GitHub Copilot、Hermes、OpenClaw 等智能体应用提供 OpenShell 与 Microsoft Execution Containers 安全沙箱和本地与云端混合路由。
推荐理由:原文汇总了 RTX Spark 上市前的软件生态准备,从智能体安全沙箱到创意与游戏应用优化,信息密度高且可核对落地时间。
在旧金山微软 Windows AI 与 Surface 活动上,NVIDIA 与微软宣布为 Windows PC 上的 AI 智能体共同设计软硬件,微软宣布 Microsoft Execution Containers(MXC)正式可用,作为让智能体在操作系统控制下安全持久运行的系统级基础设施。
推荐理由:英伟达与微软把智能体运行所需的系统级容器和本地算力硬件一并给出,读者可据此判断本地智能体的落地条件。
Google DeepMind 发布 EmbeddingGemma 2,基于 Gemma 4 架构、740M 参数、Apache 2.0 许可,将文本、图像、音频、视频映射到统一嵌入空间。
推荐理由:EmbeddingGemma 2 把文本、图像、音频、视频统一到同一嵌入空间,并给出端侧内存与向量截断数据,便于判断本地多模态检索的可行性。
NVIDIA 将于本月通过 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 等厂商推出 64GB 统一内存版 DGX Spark,10 月 23 日开售,起售价 4,999 美元,可完全在本地运行最高 1000 亿参数模型。
推荐理由:原文给出 64GB 新配置的价格、上市时间和双机集群性能数据,可据此判断本地跑大模型的成本与扩展方式。
Berkeley Sky Lab 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX,并加入结构化的 CUDA-to-MLX 翻译层,让 CUDA 内核经验自动适配 Apple Silicon。
推荐理由:读者可以看到 CUDA 内核经验如何被结构化翻译到 Apple Silicon,以及翻译层对性能差距的具体贡献。