04:37官方一手Hugging Face: Blog(博客/媒体)NVIDIA 发布博客概述物理AI模拟的现状,指出模拟需解决真实感、场景多样性和大规模可扩展性三大挑战。文章提及 Isaac Sim 模拟器可用于生成合成数据训练机器人模型,并讨论 sim-to-real 迁移方法以提升泛化能力。还介绍了 Cuberos、Habitat 等开源模拟工具及合成数据生成流程。整体梳理了从模拟器到物理部署的关键技术路径。行业NVIDIAIsaac Sim物理AI7 个信源在谈事件专题推荐理由:NVIDIA 这篇把物理AI模拟的难点和现有工具都讲透了,做 sim-to-real 或机器人训练的建议看看。原文稍后读已读值得跟进有用关注 NVIDIA
02:57官方账号NVIDIA AI@NVIDIAAINVIDIA AI在Nemotron Labs视频中展示,对Nemotron模型进行微调前,应先用LangChain调整评估harness(测试框架)。该方法可确保微调过程更有效,避免浪费资源。视频详细演示了如何配置LangChain评估流程。技巧NemotronLangChainNVIDIA3 个信源在谈事件专题推荐理由:NVIDIA教你怎么用LangChain先调好评估工具再调模型,很实用的小技巧,省时间少踩坑。原文稍后读已读值得跟进有用关注 Nemotron
00:37官方一手marktechpost@Sana Hassan本文介绍NVIDIA srt-slurm框架,使用srtctl将YAML声明式配置转换为可重复的SLURM基准工作流。在Google Colab中配置集群并运行内置与自定义配方。通过参数扫描和Pareto分析,建模分离预填充(prefill)和解码(decode)部署的性能权衡。技巧NVIDIAsrt-slurmSLURM3 个信源在谈事件专题推荐理由:想搞分布式LLM基准测试?NVIDIA这个srt-slurm框架让你用YAML写配置,一键跑SLURM,还能做参数扫描和Pareto分析,超实用。原文稍后读已读值得跟进有用关注 NVIDIA
23:52官方账号NVIDIA AI@NVIDIAAI83°NVIDIA Blackwell Ultra 在预训练 671B 参数的 DeepSeek-V3 模型上达到每 GPU 1648 TFLOPS 的性能。这一数字约为上一代 GPU 性能的 3 倍。该成果通过 Megatron-Core、TorchTitan 和 JAX 等框架的协同设计与持续软件优化实现。Blackwell Ultra 在该基准测试中刷新了世界纪录。AI模型Blackwell UltraDeepSeek-V3NVIDIA8 个信源在谈事件专题推荐理由:NVIDIA 的 Blackwell Ultra 训练 DeepSeek-V3 671B 比上一代快 3 倍,每 GPU 跑到 1648 TFLOPS,优化太狠了。原文稍后读已读值得跟进有用关注 Blackwell Ultra
16:39官方一手marktechpost@Asif Razzaq72°NVIDIA 推出 Cosmos 3 Edge,一个 4B 参数的开放世界模型,专为设备端运行设计。该模型可帮助机器人和视觉 AI 代理理解环境、实时推理并本地生成动作。Cosmos 3 系列此前已于 2026 年 5 月 31 日在 GTC Taipei 发布 Cosmos 3 Nano(16B)和 Cosmos 3 Super(64B)。AI模型NVIDIACosmos 3 Edge机器人6 个信源在谈事件专题推荐理由:NVIDIA 把 40 亿参数的开放世界模型塞进设备端,机器人不用联网就能自己理解环境、推理并执行动作,适合边缘部署场景。原文稍后读已读值得跟进有用关注 NVIDIA
11:57官方账号arXiv cs.LG@Krish Agarwal, Zhuoming Chen, Yanyuan Qin, Zhenyu Gu, Atri Rudra, Beidi ChenFlashRT 是一个引导编码智能体优化实时多模态应用部署的框架,将简单参考实现转化为多 GPU 部署。在 NVIDIA B200 GPU 上,FlashRT 将视频世界模型和多模态 LLM 的延迟降低达 70 倍,吞吐量提升 2.8 倍。在 AMD MI355X GPU 上,延迟降低持平,吞吐量提升达 3.6 倍。针对 Qwen3-Omni 文本到音频推理,FlashRT 在 AMD MI355X 上比专家 vLLM-Omni 实现减少 65% 响应延迟。AI模型FlashRTNVIDIAAMD7 个信源在谈事件专题推荐理由:部署多模态模型时延迟高吞吐低?FlashRT 让智能体自动优化,实测延时降 70 倍,吞吐升 3.6 倍,AMD 平台效果尤其猛。原文稍后读已读值得跟进有用关注 FlashRT
04:21官方账号NVIDIA AI@NVIDIAAIPoolside的Laguna模型现已可在NVIDIA DGX Spark上本地运行。DGX Spark是NVIDIA推出的桌面级AI超级计算机。这使得Laguna模型能够在个人设备上进行高效推理,无需依赖云服务。具体性能指标尚未公布。AI模型PoolsideLagunaNVIDIA5 个信源在谈事件专题推荐理由:Poolside把Laguna模型放进了NVIDIA的DGX Spark小盒子,以后本地跑代码生成模型更方便了。原文稍后读已读值得跟进有用关注 Poolside
01:54AI Engineer@aiDotEngineerAI x Security Track 演讲视频合集已发布,涵盖10位来自Anthropic、NVIDIA、Snyk等公司的演讲者。其中包括Anthropic的机器学习工程师Eugene Yan、Snyk的CTO Murali Nair、以及NVIDIA的Lovina Dmello。内容聚焦AI安全、工程实践和行业应用。行业AI安全AnthropicNVIDIA10 个信源在谈事件专题推荐理由:Anthropic、NVIDIA的专家都在聊AI安全,10个演讲视频一次看完,值得直接收藏。原文稍后读已读值得跟进有用关注 AI安全
00:28官方账号NVIDIA AI@NVIDIAAINVIDIA 宣布完全开源 Cosmos 3 Edge 模型,包含完整的模型权重、后训练配方和代码。该模型已在 Hugging Face 平台上线,用户可自由下载使用。这是 NVIDIA 边缘 AI 系列的最新开源版本。AI模型Cosmos 3 EdgeNVIDIAHugging Face5 个信源在谈事件专题推荐理由:NVIDIA 把 Cosmos 3 Edge 完全开源了,模型权重和训练代码都在 Hugging Face 上,直接就能拿下来玩。原文稍后读已读值得跟进有用关注 Cosmos 3 Edge
00:27官方账号NVIDIA AI@NVIDIAAI77°NVIDIA 推出 Cosmos 3 Edge,一个拥有 4B 参数的开源世界模型。该模型包含一个基于 Nemotron 的 2B 参数量推理器,可在 DGX Spark、NVIDIA Jetson 等设备上本地运行。它主要服务于机器人学习、自动驾驶场景理解和智能基础设施的视觉 AI 推理。AI模型Cosmos 3 EdgeNVIDIA开源模型5 个信源在谈事件专题推荐理由:NVIDIA 开源了一个能在边缘设备上跑的世界模型 Cosmos 3 Edge,4B 参数加 2B 推理器,机器人、自动驾驶都能用,Jetson 上就能跑。原文稍后读已读值得跟进有用关注 Cosmos 3 Edge
03:24官方一手marktechpost@Asif RazzaqNVIDIA DeepStream 9.1新增13种智能体技能,允许Claude Code和Codex等编码智能体通过自然语言提示构建多摄像头视频分析管道。它引入Multi-View 3D Tracking(MV3DT),将各摄像头检测融合到共享3D世界并提供全局一致对象ID。AutoMagicCalib(AMC)功能自动完成摄像头标定,无需手动操作。该版本还支持JetPack 7.2,并统一了开源GitHub单仓库核心。AI产品DeepStream 9.1NVIDIA智能体7 个信源在谈事件专题推荐理由:NVIDIA DeepStream 9.1 新增13个智能体技能,用自然语言就能让Claude Code帮你搭多摄像头视频分析,自动3D追踪,不再手动标定摄像头。原文稍后读已读值得跟进有用关注 DeepStream 9.1
04:24官方账号NVIDIA AI@NVIDIAAI71°NVIDIA发布Nemotron 3 Embed系列嵌入模型,8B版本在LMEB排行榜上位居第一,1B版本紧随其后排名第二。LMEB专门测试嵌入模型在长对话和记忆密集型任务中的检索能力,对需要跨会话保持上下文的智能体非常关键。此外,8B模型还以整体第一的成绩登顶RTEB基准,该基准评估真实世界场景下的检索准确性。AI模型NemotronNVIDIALMEB10 个信源在谈事件专题推荐理由:NVIDIA的Nemotron 3 Embed 8B在LMEB和RTEB两个排行榜都拿了第一,适合做智能体长期记忆的检索。原文稍后读已读值得跟进有用关注 Nemotron
15:57官方一手marktechpost@Asif Razzaq73°NVIDIA 于 2026 年 7 月 15-16 日发布 Nemotron 3 Embed 系列,包含三个开源检查点:8B-BF16、1B-BF16 和 1B-NVFP4。8B 模型在 RTEB 基准上以 78.46 平均 NDCG@10 排名第一。1B 模型通过 ModelOpt NAS 剪枝和 COS+MSE 蒸馏从 8B 教师模型获得。NVFP4 量化版本在 Blackwell 上吞吐量提升 2 倍,同时保留超过 99% 的 BF16 检索精度。所有检查点支持 32,768 token 输入,基于 OpenMDW-1.1 协议。AI模型Nemotron-3-EmbedNVIDIARTEB10 个信源在谈事件专题推荐理由:NVIDIA 开源了三个嵌入模型,8B 的 RTEB 第一,1B 的量化版速度翻倍还能保持 99% 精度,适合做检索和 RAG。原文稍后读已读值得跟进有用关注 Nemotron-3-Embed
11:23官方账号Nous Research@NousResearchNousResearch与NVIDIA、Stripe联合举办了加速商业黑客马拉松,要求参赛者构建能赚钱、花钱并运行实际操作的智能体。共收到292份高质量提交。经过与NVIDIA和Stripe的共同评审,最终确定了获胜者。行业NousResearchNVIDIAStripe10 个信源在谈事件专题推荐理由:NVIDIA和Stripe赞助的黑客马拉松,292个参赛项目角逐能自动赚钱花钱的AI智能体,看看胜者有什么亮点。原文稍后读已读值得跟进有用关注 NousResearch
01:18mem0@mem0ai精选Mem0在其记忆检索管线中评估了NVIDIA的Nemotron-3-Embed嵌入模型。在LongMemEval基准上,该模型的Recall@10从Qwen-3-600m的78.71提升至80.38。Nemotron-3-Embed具有开放权重,支持Blackwell上的NVFP4高效推理,且吞吐量高,适合频繁写入的系统。Mem0还详细介绍了其嵌入使用方式及评估过程。AI模型Nemotron-3-EmbedNVIDIAMem010 个信源在谈事件专题推荐理由:NVIDIA新嵌入模型Nemotron-3-Embed在检索任务上超越Qwen-3-600m,开放权重加NVFP4,适合做记忆系统。原文稍后读已读值得跟进有用关注 Nemotron-3-Embed
01:07官方账号NVIDIA AI@NVIDIAAINVIDIA 宣布提供三种方式试用 Thinkymachines 的 Inkling 模型:1) 通过 build.nvidia.com 获取免费 GPU 加速端点;2) 使用 NVIDIA NIM 下载并本地运行;3) 借助 NVIDIA Dynamo 的 GitHub recipe 部署。Inkling 是一个新发布的模型,支持直接通过云端或自托管使用。所有渠道均面向开发者开放。AI模型InklingThinkymachinesNVIDIA10 个信源在谈事件专题推荐理由:想试试 Thinkymachines 的新模型 Inkling?NVIDIA 给了三种方式,包括免费 GPU 端点,直接上手非常方便。原文稍后读已读值得跟进有用关注 Inkling
00:41官方账号NVIDIA AI@NVIDIAAI精选NVIDIA 发布了 Nemotron 3 Embed 8B 模型。该模型在 RTEB 基准测试中取得总体第一,RTEB 评估真实世界任务的检索准确度。更好的检索能力为智能体提供更相关的上下文,有助于提升响应准确性。AI模型Nemotron 3 Embed 8BNVIDIARTEB10 个信源在谈事件专题推荐理由:NVIDIA 新出的 8B 嵌入模型,RTEB 排名第一,检索能力强,适合做 RAG 和智能体。原文稍后读已读值得跟进有用关注 Nemotron 3 Embed 8B
00:40官方账号NVIDIA AI@NVIDIAAI精选NVIDIA官方展示了如何借助TAO Agent Skills在一天内对Cosmos 3模型进行后训练。该流程通过TAO平台的自定义能力,让用户快速将预训练模型适配到新场景。无需从头训练,显著降低时间与资源成本。技巧NVIDIACosmos 3TAO Agent Skills1 个信源在谈事件专题推荐理由:想快速定制Cosmos 3?NVIDIA的TAO Agent Skills教你一天搞定后训练,适合开发者上手。原文稍后读已读值得跟进有用关注 NVIDIA
00:38官方一手Hugging Face: Blog(博客/媒体)精选NVIDIA 发布 Nemotron 3 Embed 模型,在 RTEB 基准上以 68.7 的总体分排名第一。该模型在包含 8 个子任务的评测中,于对话检索、事实问答等场景均取得领先。其采用对比学习与多任务蒸馏技术,使检索准确率相比前代提升 12%。这为 RAG 和智能体系统提供了更强的基础检索能力。AI模型Nemotron 3 EmbedNVIDIARTEB10 个信源在谈事件专题推荐理由:NVIDIA 的新检索模型在 RTEB 上拿了第一,做智能体检索和 RAG 场景很能打,性能直接拉满。原文稍后读已读值得跟进有用关注 Nemotron 3 Embed
00:07官方账号LangChain@LangChainAI精选该视频演示了如何通过 Baseten 结合 Deep Agents Code 部署 NVIDIA Nemotron 3 Ultra 模型。该模型拥有550B参数,推理速度可达每秒300 tokens。视频还展示了构建终端智能体,支持技能调用、子智能体及 MCP 协议。全程通过 LangSmith 进行追踪调试。技巧Nemotron 3 UltraNVIDIABaseten10 个信源在谈事件专题推荐理由:想跑Nemotron 3 Ultra?这个视频手把手教你用Baseten部署,还演示了带MCP的终端智能体,挺实用的。原文稍后读已读值得跟进有用关注 Nemotron 3 Ultra
18:12Aadit Sheth@aaditshNVIDIA CEO Jensen Huang在东京与Fujitsu、Kawasaki Heavy Industries、FANUC、Yaskawa Electric四家日本工业巨头会面。各方合作将物理AI从国家战略层面推进到实际工厂车间。物理AI技术将应用于制造业自动化,提升生产效率。这次合作覆盖机器人、重工业等多个领域,标志着AI与实体经济的深度融合。行业NVIDIAJensen Huang物理AI3 个信源在谈事件专题推荐理由:NVIDIA老板和日本四大工业巨头联手,要把AI塞进工厂机器人里,不是画饼是真动手了。原文稍后读已读值得跟进有用关注 NVIDIA
16:22IT之家(博客/媒体)81°NVIDIA与Noetra合作基于DSX平台打造一座140MW国家物理AI工厂,采用Vera Rubin NVL72机架,部署13750块Vera CPU和27500块Rubin GPU。该工厂支持T级模型训练,为日本FRONTia项目提供算力基础。预训练权重将与NVIDIA的Nemotron、Cosmos等开源模型一同提供给日本开发者和企业。行业NVIDIANoetra日本10 个信源在谈事件专题推荐理由:NVIDIA帮日本建国家级AI工厂,140MW算力、Vera Rubin GPU、T级训练,开源模型全给当地开发者,这波很实在。原文稍后读已读值得跟进有用关注 NVIDIA
12:05IT之家(博客/媒体)精选NVIDIA 宣布扩展 Jetson Thor 计算机家族,新增 T3000 和 T2000 模组,定位主流中高端。T3000 提供 865 TFLOPS FP4 稀疏 AI 算力,集成八核 Neoverse Arm CPU 和 32GB LPDDR5X 内存(带宽 273GB/s),支持 25GbE 网络。T2000 提供 400 TFLOPS FP4 算力,配备 16GB 内存。NVIDIA 称 T3000 在多模态工作负载中推理性能与旗舰 T5000 相近,可帮助降低高内存成本。新 Jetson 软件结合内存优化和智能体 skill,开发者仅需数天即可实现显著内存节省。AI产品NVIDIAJetson ThorT300010 个信源在谈事件专题推荐理由:NVIDIA 出了两款新 Jetson Thor 模组 T3000 和 T2000,算力比上代 AGX Orin 强,价格更亲民,适合边缘 AI 推理和多模态应用。原文稍后读已读值得跟进有用关注 NVIDIA
10:38官方账号arXiv cs.AI@Tam Nguyen, Hung Nguyen, Robert Ogburn该论文提出一个AI加速的端到端框架,覆盖知识获取、内容开发、审核、教学与评估五个阶段。美国国家会计委员会已批准基于该框架的继续教育学分项目。3名学习者借助该框架在短时间内通过NVIDIA认证专家考试。框架的知识库还生成了1267条多智能体AI系统风险项数据集,验证了有效性。论文NVIDIAAgentic AI技能提升10 个信源在谈事件专题推荐理由:这个框架把AI用在职业培训全流程,5个阶段都提速,已经帮人通过NVIDIA认证考试,还有美国会计委员会背书,挺靠谱。原文稍后读已读值得跟进有用关注 NVIDIA
05:46官方账号Fei-Fei Li@drfeifei精选Stanford SVL与NVIDIA Robotics联合提出RoboTTT,基于测试时训练(TTT)方法,将机器人模型原生扩展到8000时间步的上下文(约5分钟肌肉记忆),推理成本恒定。相比以往机器人策略仅能处理数帧(<0.1秒),该方法将上下文长度提升3个数量级。在电路板组装任务中,RoboTTT通过一次人类视频演示即可实现零样本模仿学习。实验显示,8K上下文预训练性能比1K高出62%,且从128到8K时间步的闭合环路性能持续提升无饱和迹象。AI模型RoboTTTStanford SVLNVIDIA10 个信源在谈事件专题推荐理由:斯坦福和英伟达搞了个新方法RoboTTT,能让机器人记住5分钟内的动作历史,一次看人演示就能模仿,还能自己纠错。上下文越长效果越好,8K比1K强62%。原文稍后读已读值得跟进有用关注 RoboTTT
03:00官方账号NVIDIA AI@NVIDIAAI精选Thinking Machines 推出开源模型 Inkling,支持文本、图像和音频三模态推理。模型基于 NVIDIA GB300 NVL72 训练,NVFP4 检查点已在 Hugging Face 开放下载。官方提供完整权重,并支持通过 Tinker 平台进行微调,用户也可在 Inkling Playground 直接体验。AI模型InklingThinking MachinesNVIDIA10 个信源在谈事件专题推荐理由:Thinking Machines 刚发了 Inkling,一个开源的多模态推理模型,能处理文本、图像、音频,还给了完整权重可以微调,NVFP4 检查点直接下。原文稍后读已读值得跟进有用关注 Inkling
02:33官方账号NVIDIA AI@NVIDIAAINVIDIA在X平台直播演示DGX Spark实现自主AI代理迁移。直播观看数达2190,获18次点赞和7次转发。该平台支持无需人工干预的AI代理跨环境迁移。AI产品DGX SparkNVIDIA自主AI代理3 个信源在谈事件专题推荐理由:NVIDIA用DGX Spark现场演示了自主AI代理如何自动迁移,想看实际效果可以看看回放。原文稍后读已读值得跟进有用关注 DGX Spark
02:45官方账号NVIDIA AI@NVIDIAAINemotron Labs 发布了一个教程,讲解如何利用 Agent Skills 运行强化学习自动研究。该教程面向开发者,展示如何构建和部署智能体以自动执行 RL 实验。它可能涉及 NVIDIA 的 Nemotron 框架和特定工具链。具体步骤包括环境配置、技能组合和实验管理。技巧Nemotron Labs强化学习智能体10 个信源在谈事件专题推荐理由:想用强化学习自动跑实验?Nemotron Labs 出了个教程,手把手教你用 Agent Skills 搭建智能体,省心省力。原文稍后读已读值得跟进有用关注 Nemotron Labs
01:27官方账号NVIDIA AI@NVIDIAAI精选零样本模型漏检了一个可见交通信号。用 LoRA 对 Cosmos 3 Nano 进行后训练后,WTS 验证准确率从 54.41% 提升到 87.14%。结合 NVIDIA TAO AutoML,准确率进一步达到 93.35%。整个微调流程在一天内完成。AI模型NVIDIACosmos 3 NanoLoRA10 个信源在谈事件专题推荐理由:NVIDIA 用 LoRA 微调小模型 Cosmos 3 Nano 做交通信号识别,准确率从 54% 蹿到 93%,一天内搞定,效果很猛。原文稍后读已读值得跟进有用关注 NVIDIA
00:35官方账号NVIDIA AI@NVIDIAAI精选NVIDIA 展示一个编码智能体,利用 NeMo RL 和 NeMo Gym 框架,在有限时间内自主构建训练环境并指导 Qwen3-VL-2B 视觉模型学习数彩色星星。模型准确率从 25% 跃升至 96.9%。智能体还能主动提出下一项实验方案,研究员全程仅进行方向性指导。AI模型NVIDIANeMo RLNeMo Gym10 个信源在谈事件专题推荐理由:NVIDIA 让智能体自己搭环境教模型,Qwen3-VL-2B 准确率从 25% 飙到 96.9%,还能自动想下一步实验,挺有意思。原文稍后读已读值得跟进有用关注 NVIDIA
21:35官方账号LangChain@LangChainAI黄仁勋在 LangChain 分享中指出,过去六个月最大变化是智能体系统(agentic systems)终于有了足够强大的模型支撑。这些系统集成了知识、工具、记忆,并能迭代执行任务直到完成。他强调模型能力的提升使这一架构不再是理论,而是可落地的工程实践。行业Jensen HuangNVIDIA智能体9 个信源在谈事件专题推荐理由:老黄用一句话点透AI趋势:智能体不再是画饼,模型进步让Agent系统终于能跑起来了。原文稍后读已读值得跟进有用关注 Jensen Huang
15:54IT之家(博客/媒体)谷歌正向 Neocloud 推销其自有 TPU AI 芯片。Neocloud 企业通常主要基于英伟达 GPU 提供云算力。谷歌与多家 Neocloud 企业讨论部署 TPU,并提议回租 TPU 云服务。Nscale 发言人表示其所有签约集群均由 GPU 支持,英伟达未因不使用 TPU 提供财务激励。行业GoogleTPUNeocloud4 个信源在谈事件专题推荐理由:谷歌想用自家TPU抢英伟达的Neocloud客户,还提议回租。看看Neocloud会选谁。原文稍后读已读值得跟进有用关注 Google
13:55官方账号vLLM@vllm_project精选NVIDIA NeMo 团队发布了新的智能体优先强化学习框架 Molt,采用 vLLM(基于 Ray)作为 rollout 引擎。vLLM 支持快速异步服务,最高可扩展至 1T 级 MoE 规模,且易于集成,让上层的强化学习核心保持小巧和可修改。AI模型vLLMMoltNVIDIA10 个信源在谈事件专题推荐理由:vLLM 被 NVIDIA 新框架 Molt 选为 rollout 主力,支持 1T 级 MoE 规模,想搞强化学习可以试试这套组合。原文稍后读已读值得跟进有用关注 vLLM
10:16官方账号NVIDIA AI@NVIDIAAINVIDIA 在社交平台感谢开源社区,并回应了关于 Nemotron 的提及。NVIDIA 最新的开源模型 Nemotron Ultra 在 Ollama 平台上的使用量迅速增长,为开发者解锁了更复杂、更长时间运行的任务执行能力。该模型是 NVIDIA 支持开源生态的又一举措,目前已被越来越多的开发者采用。AI模型NVIDIANemotron UltraOllama8 个信源在谈事件专题推荐理由:NVIDIA 发了新开源模型 Nemotron Ultra,在 Ollama 上跑得很火,专门搞定复杂长任务,比之前的版本更强。原文稍后读已读值得跟进有用关注 NVIDIA
07:15官方账号NVIDIA AI@NVIDIAAI精选NVIDIA发布“AI Model Co-Design”系列文章,首篇探讨模型维度与GPU性能的关联。文章指出,调整模型维度(如宽度、深度)能直接影响GPU的计算效率。通过合理设计,可提升系统吞吐量和单用户响应速度。该系列旨在推动模型与硬件的协同优化。技巧NVIDIAGPU模型设计2 个信源在谈事件专题推荐理由:NVIDIA新系列讲模型和硬件怎么配合更高效,首篇教你调维度来榨干GPU性能,部署AI服务的人值得一看。原文稍后读已读值得跟进有用关注 NVIDIA
20:21AI Will@FinanceYF5湾区拥有超过300家机器人公司、研究实验室和创新中心,其生态系统全球领先。斯坦福大学和加州大学伯克利分校为这里输送大量AI与机器人人才。Figure、Physical Intelligence等初创公司在此聚集,NVIDIA和Tesla的机器人技术布局也以湾区为总部。该地区风险资本密集,支撑了Figure等公司的长期研发。这张地图精选了其中的重要产品型公司。行业湾区机器人Figure6 个信源在谈事件专题推荐理由:湾区机器人公司超过300家,Figure、NVIDIA、Tesla都在这张图里。想了解硅谷机器人生态,看这一张就够了,虽然是精选但很有代表性。原文稍后读已读值得跟进有用关注 湾区
11:15官方账号Together AI@togethercomputeTogether AI联合NVIDIA和Lyra Labs,在ICML 2025会议上主办一场炉边谈话,由Tri Dao主持。活动主题聚焦AI研究与基础设施的未来发展。会议将于ICML期间举行,需RSVP参与。行业Together AINVIDIALyra Labs6 个信源在谈事件专题推荐理由:Tri Dao带队,Together AI、NVIDIA和Lyra Labs一起聊AI研究走向,ICML现场限定,想去的赶紧RSVP。原文稍后读已读值得跟进有用关注 Together AI
11:00官方账号Together AI@togethercomputeNVIDIA的开放模型Nemotron 3 Ultra在Together AI上线后迅速获得社区青睐。该模型在OpenRouter平台上的处理量在几天内达到每天350亿token。这反映了社区对快速、高效且可定制开放模型的积极支持。Nemotron 3 Ultra是一款完全可定制的开放模型,由NVIDIA开发。AI模型Nemotron 3 UltraNVIDIATogether AI6 个信源在谈事件专题推荐理由:NVIDIA刚推的Nemotron 3 Ultra在Together AI上火了,几天就在OpenRouter冲到每天350亿token用量,社区超爱这种又快又省又好改的开放模型。原文稍后读已读值得跟进有用关注 Nemotron 3 Ultra
06:19官方账号NVIDIA AI@NVIDIAAI在 Local AI Summit at AIEWF 上,首场小组讨论“State of the Union: Why Local, Why Now”上线。讨论由 Ahmad Osman 主持,参与方包括 NVIDIA、Roboflow、Osmantic、Forward Future 和 EXO Labs。几位专家从技术、成本、隐私等角度分析了本地部署 AI 模型的优势与挑战。该视频已在 NVIDIA AI 的 X 账号公开。行业NVIDIARoboflowOsmantic5 个信源在谈事件专题推荐理由:想了解为什么大公司都开始推本地AI?NVIDIA 牵头,Roboflow、EXO Labs 等一起聊了最新观点,直接看视频。原文稍后读已读值得跟进有用关注 NVIDIA
01:04Harrison Chase@hwchase17精选LangChain 与 NVIDIA 合作发布了 NemoClaw DeepAgents 蓝图,该蓝图集成了 Deep Agents 开源框架、Nemotron 3 ultra 模型以及 OpenShell 企业运行时。同时,OpenWiki 推出新版本,支持从 Gmail、互联网等来源创建个人知识库(个人大脑)。这些更新旨在帮助企业从模型层到上下文层实现完整的技术栈掌控。AI产品LangChainNVIDIADeep Agents10 个信源在谈事件专题推荐理由:LangChain和NVIDIA合作出了个新蓝图,用Nemotron 3 ultra跑Deep Agents,还有OpenWiki新版本能从你的邮箱建个人知识库,挺实用的。原文稍后读已读值得跟进有用关注 LangChain