0
Applied Materials × NVIDIA：从原子级材料模拟到晶圆厂数字孪生，一条“AI 制造 AI”的计算链
Applied Materials与NVIDIA展示从材料模拟、腔体物理到晶圆厂孪生的半导体数字线程；厂商加速数据需在客户场景中复验。
标签: NVIDIA
0
CUDA Python 1.0 到底解决了什么：Python 正在从“调用 GPU 库”变成 CUDA 的一等公民
Python 早就是 AI 和科学计算的主语言，但长期以来，它和 GPU 的关系有一个明显断层。大多数开发者通过 PyTorch、CuPy、RAPIDS 等高层库使用 GPU，只有当这些库暴露的能力不够时，才不得不跳到 CUDA C++、编译扩展、维护绑定和处理复杂构建链。结果是 Python GPU 生态很繁荣，底层却长期由许多不同 binding layer 拼接而成：每个库都有自己的 st
0
大模型服务崩一次为什么要几分钟才能回来：NVIDIA“影子引擎”把 283 秒恢复压到 7.3 秒
大模型线上服务的可靠性问题，过去很容易被“多部署几个副本”掩盖。真正到了大规模推理集群，副本并不能消除故障成本：一个 worker 进程崩溃以后，剩余 worker 要立刻承接流量，首 Token 延迟升高，单用户生成速度下降；如果模型有数百 GB 权重，还要重新从存储加载、建立通信器、完成编译和 autotune、重新捕获 CUDA Graph，冷启动可能持续几分钟。对于面向 Coding A
0
OpenAI 自研推理芯片 Jalapeño：当大模型公司开始自己设计硅片，GPU 的护城河会松动吗？
2026 年 8 月 25 日，SemiAnalysis 公布了对 OpenAI 首款自研推理芯片 Jalapeño 的现场测试和架构分析。两个月前，OpenAI 与 Broadcom 已经正式宣布这款芯片，并明确把它定位为面向大语言模型推理的专用加速器。官方当时给出的信息相对克制：Jalapeño 从零开始设计，重点优化模型推理中的计算、内存移动、网络和服务调度，工程样片已经能够以目标频率和功
0
约两万枚H200开始交付：高端AI芯片放行后的三重约束
据英国《金融时报》等媒体报道，字节跳动与腾讯近期各收到约1万枚NVIDIA H200。交付只是第一步，美国出口许可、中国入境审批、境外部署条件和国产芯片政策，仍会影响这批GPU转化为可用算力的速度。
0
当 128K 上下文吞掉 85% 的预填充时间：NVIDIA 为什么主张从模型结构协同设计注意力
NVIDIA实测显示，输入从4K增长到128K后，注意力在DeepSeek-R1预填充阶段的耗时占比从18%升至85%。长上下文效率已经不能只靠更快内核，而要同时设计Query/KV头比例、头维度、有效KV状态和多卡并行方式。
0
英伟达不只是卖 GPU：AI 基础设施正在被金融化
AI 算力竞争正在进入新阶段。英伟达不只是卖 GPU，还在通过投资、信用支持、收入分成和算力承购安排，把 GPU 从硬件产品变成可融资、可出租、可证券化的基础设施资产。
0
Physical AI 为什么需要工具链：NVIDIA 开源能力背后的产业信号
Physical AI 的竞争不是一个模型直接指挥机器，而是仿真、数据、传感器、控制器、部署和反馈闭环共同构成的工程体系。NVIDIA 开源工具链释放的信号，是物理世界智能正在进入平台竞争。
0
硬件版 Vibe Coding 开始了：英伟达、Cadence 和芯片工程师的下一次分工重写
软件开发这两年的变化，很多人已经感受得很明显了。 最早是代码补全。程序员还在一行一行写代码，只是旁边多了一个“聪明的输入法”。后来是 AI 辅助编程。开发者把函数、模块、报错信息丢给模型，AI 帮你写代码、改 Bug、补测试。再往后，Cursor、Claude Code、Codex 这类工具把编程变成了一个更接近对话和调度的过程：你说目标、说约束、看结果、再反馈。于是“Vibe Coding”这
0
川崎重工牵手英伟达：机器人产业的下一场战争，已经从“机械臂”打到“Physical AI”
川崎重工在美国圣何塞设立 Kawasaki Physical AI Center，并与 NVIDIA、Analog Devices、Microsoft、Fujitsu 等展开合作。这不是一次普通的机器人中心落地，而是机器人产业从传统自动化走向 Physical AI 与 AI 工程化的明确信号。
0
工业智能每日观察-20260430
汉诺威工博会2026持续释放工业智能化重磅信号。ABB宣布将Genix工业IoT和AI套件与NVIDIA Omniverse及Microsoft Azure深度整合，推动工业数字孪生从传统监控向沉浸式多维度运营洞察演进。施耐德电气提出"智能体制造"概念，利用AI智能体自动化工业设计流程，将配置工作量削减50%。SAP展示四大AI用例。人形机器人从实验室走向工厂车间。
0
工业智能每日观察-20260429
工信部与国家数据局联合发布2026年"模数共振"行动通知，面向钢铁、石化化工、汽车、航空航天、医疗装备等20个行业，通过构建行业通识数据集，打造行业模型和特色智能体，目标到2026年底基本形成"数据-模型-场景应用"良性互促循环。美国钢铁巨头Cleveland-Cliffs与Palantir签署三年AI平台合作协议，将AI技术部署到钢铁制造运营和商业流程的核心环节。SK Telecom携手NVIDIA将元宇宙平台转型为物理AI训练平台，通过数字孪生降低制造风险。北京车展2026成为AI大模型上车爆发元年。
0
工业AI终于不再停留在大屏上，它开始长进工厂里了
4月20日，2026汉诺威工业博览会正式开展。NVIDIA在官方博客上发了一篇长文，标题很直接：“NVIDIA and Partners Showcase the Future of AI-Driven Manufacturing”。但真正让人注意的不是标题，而是内容——这次不是概念演示，不是渲染视频，而是一个接一个的真实工厂部署案例。人形机器人在西门子德国工厂跑了8小时物流，视觉AI Agent在丰田产线上监控生产节拍，数字孪生帮Krones把仿真时间从4小时压到5分钟。工业AI终于从大屏上走下来了。
0
AI下半场，真正卡脖子的已经不是模型，而是芯片、算力和成本
过去一年，外界谈 AI，最热闹的话题几乎都围绕模型展开。谁的推理更强，谁的上下文更长，谁的多模态更完整，谁又在代码、搜索、Agent 上更进一步。表面上看，AI 产业像是在打模型大战；但如果把视角往下挖一层，就会发现真正决定胜负的东西，正在从模型能力，转向另一套更硬、更重、也更残酷的底层体系：芯片、算力、供电、网络，以及谁能把这些东西的成本打下来。 最近一连串新闻，几乎把这个趋势摆到了台面上。Meta 刚把与 Broadcom 的定制 AI 芯片合作延长到 2029 年；Google 也与 Broadcom 签了长期协议，共同开发未来几代定制 AI 芯片，协议一路延伸到 2031 年；Anthropic 一边加码 Google TPU 体系，一边又被曝正在评估自研芯片。热闹还在模型层，真正的战争却已经打到算力底盘上了。
0
AI技术每日分析-20260417
全球人工智能领域在底层架构革新、核心商业路线分化以及安全伦理博弈上迎来了极为密集的动态。OpenAI大幅削减消费者端项目以聚焦企业级应用，并计划推出代号为“Spud”的全新推理模型；Anthropic正式发布Claude Opus 4.7，未公开的“Mythos”模型则因“过于强大”的公关策略引发强烈争议。
0
工业智能每日观察-20260417
全球工业软件巨头、智能制造领军企业及顶尖科研机构在工业数字化与智能化领域释放了密集的重磅信号。大模型与工业场景的结合正在从单点赋能向全栈协同跃升，工业智能正全面向好用、常用的新常态迈进。
0
工业智能每日观察-20260416
NVIDIA与西门子深化物理AI底座建设，金蝶升级AI PLM平台加速国产替代，智能科学家系统6周攻克火星制氧催化剂，2026中国工业大模型市场预计2030年突破420亿元。
0
工业智能每日观察-20260409
达索系统与NVIDIA联合发布工业AI平台及虚拟助手Leo/Marie/Aura；微软Aurora模型重塑超大规模物理预测；跨域自适应Transformer提升工业缺陷检测鲁棒性；全国首单具身智能数据集在江苏落地。