#567. 黄仁勋:Agent 时代普通人和企业的新生产力,AI 基础设施竞赛下的计算革命
黄仁勋在GTC Taipei 2026上宣布Agentic AI时代已到来,AI从内容生成转向自主执行任务,NVIDIA推出Vera Rubin、Vera CPU等基础设施产品,推动计算范式变革,使AI成为利润与GDP的直接生成器。
入选理由:NVIDIA发布Vera Rubin超级计算系统,专为Agent设计,支持解耦、异构和分布式AI工作负载。
公司
别名:英伟达
全球最大的AI芯片供应商,控制90%的前沿AI芯片市场
已跟踪 30 条高相关材料
最近变化
2026-11-16 · 使用NeMo Gym和NeMo RL工具链可实现模型领域适配
为什么值得关注
NVIDIA 被反复提及时,通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
#567. 黄仁勋:Agent 时代普通人和企业的新生产力,AI 基础设施竞赛下的计算革命
跨国串门儿计划 · 9.2 分
黄仁勋在GTC Taipei 2026上宣布Agentic AI时代已到来,AI从内容生成转向自主执行任务,NVIDIA推出Vera Rubin、Vera CPU等基础设施产品,推动计算范式变革,使AI成为利润与GDP的直接生成器。
Introducing NVIDIA Cosmos 3
NVIDIA Developer · 9.2 分
NVIDIA 推出 Cosmos 3,首个融合语言、视频、声音与动作的多模态统一模型,采用 Mixture of Transformer 架构,提供 nano 与 super 两个版本,已在物理 AI 多项基准测试中登顶,支持开源定制与边缘部署。
Meet Cosmos 3: Our Latest Frontier Model for Physical AI
NVIDIA Developer · 9.2 分
NVIDIA发布Cosmos 3,首个整合视觉、语言、声音与动作的全能物理AI模型,采用Mixture-of-Transformer架构,在多个基准测试中登顶,支持开源定制与边缘部署。
已收录 30 条与 NVIDIA 相关的内容,按评分排序。
黄仁勋在GTC Taipei 2026上宣布Agentic AI时代已到来,AI从内容生成转向自主执行任务,NVIDIA推出Vera Rubin、Vera CPU等基础设施产品,推动计算范式变革,使AI成为利润与GDP的直接生成器。
入选理由:NVIDIA发布Vera Rubin超级计算系统,专为Agent设计,支持解耦、异构和分布式AI工作负载。
NVIDIA Cosmos 3 是首个开源物理AI全能模型,整合世界生成、物理推理与动作生成于单模型,支持机器人、自动驾驶等场景,基于MoT架构并提供Hugging Face集成。
入选理由:Cosmos 3 是首个统一物理AI能力的开源模型,融合世界生成、物理推理与动作生成于单模型。
NVIDIA发布Cosmos 3,首个整合视觉、语言、声音与动作的全能物理AI模型,采用Mixture-of-Transformer架构,在多个基准测试中登顶,支持开源定制与边缘部署。
入选理由:Cosmos 3 是首个融合语言/视频/声音/动作的Omni模型,基于Mixture-of-Transformer架构。
NVIDIA 推出 Cosmos 3,首个融合语言、视频、声音与动作的多模态统一模型,采用 Mixture of Transformer 架构,支持开源定制与边缘部署,已在多项物理AI基准测试中登顶。
入选理由:Cosmos 3 是首个整合语言/视频/声音/动作输入输出的 omni 模型,基于 Mixture of Transformer 架构。
Gamma-World通过正单纯形编码与稀疏枢纽注意力,系统解决多智能体世界建模架构缺陷,FVD平均下降超40%,支持双人训练四人零样本泛化及24 FPS实时推演。
入选理由:采用正单纯形(regular simplex)编码玩家身份,实现任意玩家间几何等距,支持零样本扩展至更多玩家且无需重训
Gamma-World通过正单纯形编码与稀疏枢纽注意力,系统性解决多智能体世界建模难题,实现2人训练→4人零样本泛化与24 FPS实时推演,FVD平均下降超40%。
入选理由:采用正单纯形(regular simplex)编码实现玩家身份等距、无参数、可扩展,支持训练时2人→推理时4人零样本泛化
NVIDIA 推出基于扩散模型的 Nemotron-Labs Diffusion 语言模型,支持 AR、扩散和自推测三种生成模式,实现多 token 并行生成与迭代修正,显著提升吞吐与灵活性。
入选理由:Nemotron-Labs Diffusion 提供 3B/8B/14B 三档模型,支持商业友好许可证(NVIDIA Nemotron Open Model License)。
AI基础设施正经历资本主义史上前所未有的系统性重构,电力与晶圆成为核心瓶颈,Anthropic单月新增110亿美元ARR揭示算力需求爆炸,而TSMC、NVIDIA与SpaceX等实体正在重塑全球算力地缘格局。
入选理由:Anthropic单月ARR增长110亿美元,远超市场预期,证明AI基础设施需求远超资本定价能力。
AWS 提供了支持大规模基础模型训练与推理的完整技术栈,涵盖高性能计算、网络、存储及开源软件集成,适配 NVIDIA 提出的“三大缩放定律”。
入选理由:NVIDIA 的三大缩放定律包括预训练、后训练(如 SFT 和 RL)和推理时计算,需统一基础设施支持。
OpenAI联合AMD、NVIDIA等公司推出MRC协议,提升超大规模AI训练网络的性能与可靠性,并已开源至OCP,推动行业标准统一。
入选理由:MRC通过多路径传输和静态源路由设计,有效规避网络拥塞与单点故障,保障AI训练稳定性。
英伟达提出以每Token成本作为AI基础设施的核心经济指标,取代传统的算力成本或每美元FLOPS评估方式,强调全栈优化对降低推理成本、提升商业价值的关键作用。
入选理由:每Token成本是衡量AI基础设施经济效益的核心指标,直接反映实际产出效率。
OpenAI 联合多家公司开源 MRC 协议,提升大模型训练网络可靠性,已在超算中部署验证。
入选理由:MRC 实现微秒级故障绕过,避免传统网络中断导致训练重启。
NVIDIA 推出 Cosmos 3,一个基于新型混合 Transformer 架构的开放通用模型,专为物理 AI 设计,能生成物理准确的合成视频、作为世界模型和模拟器,并支持机器人等实体智能系统的训练与推理。
入选理由:Cosmos 3 使用新型混合 Transformer 架构,结合自回归和扩散 Transformer 实现感知、推理与生成。
OpenAI通过MRC协议构建了131,000 GPU训练网络,采用反直觉的网络设计,显著提升训练效率。
入选理由:MRC协议消除传统三层控制平面,提升网络可靠性
Anna Goldie 和 Azalia Mirhoseini 创立的 Recursive Intelligence 使用 AI 自动化芯片设计,已应用于 Google TPU 等多代芯片,并计划通过三个阶段实现芯片设计民主化。
入选理由:Recursive Intelligence 的 AlphaChip 已经在 Google TPU 上应用了四代,显著提高了芯片设计效率。
NVIDIA 推出Nemotron 3 Ultra,550B参数的开放模型,面向长时运行的智能代理,采用LatentMoE与多令牌预测,在同等推理成本下专家数提升4倍,强调速度与智能正相关,并以Open MDW许可面向企业落地。
入选理由:Nemotron 3 Ultra 为 550B 参数模型,基于与 Nemotron 3 Super 相同架构,面向长时运行的智能代理场景。
NVIDIA 推出 5500 亿参数的 Neotron 3 Ultra,采用混合专家架构并专为代理任务训练,在代理基准上超越多款万亿参数模型,且公开数据与配方,便于企业本地部署与定制微调。
入选理由:Neotron 3 Ultra 为 550B 参数混合专家模型,活跃参数约 55B,专为代理任务训练。
AI递归自我进化正推动模型进入‘新摩尔定律’时代;SpaceX通过Starlink与Colossus算力构建万亿美元级‘Elon Web Services’生态;美国社会对AI的恐惧源于就业替代焦虑、CEO沟通失当与监管错位,而非技术本身。
入选理由:Anthropic已实现LLM ARR盈利,递归式自我改进(如Claude优化自身)可能使AI迭代速度超越人类工程师
Richard Socher宣布创立Recursive,致力于通过递归自改进机制实现超级智能,自动化科学发现,推动AI与生物医学突破。
入选理由:Recursive由Richard Socher与Tim Rocktaeschel等七位联合创始人共同创立,团队包含Peter Norvig等顶级AI专家。
基于29.7万用户数据,分析最受欢迎的AI硬件组合,显示NVIDIA、Apple和Intel在不同类别中的主导地位,以及显存对AI开发的重要性。
入选理由:AI开发者更看重显存容量而非算力,RTX 3060 12GB成为最流行独立GPU。
NVIDIA发布教程,展示如何使用NeMo Gym和NeMo RL对Nemotron 3.5 Super VL进行微调以提升科学领域准确性。
入选理由:使用NeMo Gym和NeMo RL工具链可实现模型领域适配
Nvidia CEO Jensen Huang因AI芯片需求激增而崛起,最终因政治与供应链问题被迫辞职,揭示了技术巨头在政策与市场间的脆弱性。
入选理由:Nvidia因CUDA和AI芯片需求成为行业龙头,但高利润也带来政治风险。
Nvidia通过循环融资策略维持GPU高价,新任CEO曾对此表示担忧。
入选理由:Nvidia通过循环融资维持GPU高价,以吸收TSMC晶圆过剩产能。
到10月,击败4月最佳编码模型的成本降低了20倍,AI模型性能提升速度加快,价格下降显著。
入选理由:10月最佳模型在相同价格下对4月最佳模型的胜率高达65%-80%。
Thinking Machines团队利用NVIDIA NVFP4和GB300 NVL72在68小时内训练出594B参数模型,展示了低精度训练的突破。
入选理由:594B参数模型仅用68小时完成训练,使用NVIDIA NVFP4和GB300 NVL72硬件
CoreWeave在NVIDIA GTC 2026展示AI云基础设施与工具,加速AI从实验到生产落地。
入选理由:NVIDIA HGX B300云平台支持大规模推理与智能代理工作负载。
Nvidia确认其芯片追踪技术可行,但行业质疑其实施难度。文章披露Nvidia私下承认可实现Chip Security Act要求的防走私措施,同时行业协会公开反对该法案。
入选理由:Nvidia私下确认可通过Fleet Intelligence实现芯片位置追踪
ParseBench-2是首个将330+文档解析错误类型与人类判断对齐的基准,包含4300+文档页面和新增表单维度,同时发布OCRia-1.5模型。
入选理由:ParseBench-2包含4300+文档页面,错误类型达330+,并新增表单解析维度
NVIDIA推出Déjà View模型,通过循环单个Transformer块实现高效3D重建,117M参数在五项基准测试中超越10倍规模模型。
入选理由:循环单个Transformer块实现10倍模型性能,参数量仅117M
NVIDIA开发的AI系统motion bricks可自动生成游戏角色和机器人动作,无需手动动画制作,基于700小时真人动作捕捉数据训练。
入选理由:motion bricks通过700小时真人动作捕捉数据训练生成动作