NVIDIA

在ICRA上，NVIDIA Research展示了28篇论文中的8篇，重点研究模拟到现实的迁移，使机器人能够在动态、不可预测的环境中感知、推理、规划和行动。这些方法涵盖多臂协调、跨机器人导航、抓取、精确装配和视觉-语言-动作模型，显著提高了成功率和可靠性。

黄仁勋宣布英伟达将每年在台湾投入1500亿美元建设AI基础设施，尽管此前承诺了5000亿美元美国投资。这凸显了台湾在全球AI芯片制造和封装生态系统中的核心地位。

英伟达CEO黄仁勋计划在台湾投资1500亿美元建设AI基础设施，尽管特朗普政府试图通过关税将芯片制造带回美国。台湾拒绝放弃其半导体主导地位，而美国芯片制造能力不足。

NVIDIA研究人员推出Polar框架，通过在智能体工具链和推理服务器之间放置模型API代理，实现无需修改智能体工具链即可进行强化学习训练。基于Qwen3.5-4B模型使用GRPO训练，Polar在Codex、Claude Code和Pi工具链上分别将SWE-Bench Verified pass@1提升了22.6、4.8和6.2个百分点。框架以NeMo Gym环境注册，并在ProRL Agent Server仓库开源。

AI工厂是新型基础设施，实时将电能转化为智能的生成单元——令牌。随着代理型AI的扩展，每瓦性能与每令牌成本成为关键经济指标。本文深入探讨AI工厂的工作原理、架构优化以及NVIDIA的最新硬件如何提升效率。

美国情报机构秘密申请 90 亿美元采购英伟达 GB10 超级芯片，以帮助 CIA 和 NSA 追赶 Anthropic、OpenAI 等 AI 巨头的步伐。这笔资金尚待国会批准，同时国防预算已调拨 8 亿美元用于云算力。文章详细介绍了芯片规格、成本以及 AI 硬件竞赛的升级趋势。

英伟达CEO黄仁勋在即将在台湾设立总部的发布会上称该国为AI革命的“中心”。

英伟达在台湾的年度支出因AI需求激增，从150亿美元飙升至1500亿美元，主要流向了台积电等供应商。

英伟达CEO黄仁勋批评一些公司CEO将裁员归咎于人工智能，称这种说法“毫无意义”且“懒惰”。他指出，生成式AI工具近期才变得实用，而许多裁员在两年前就已发生。黄仁勋呼吁行业传递关于AI的平衡叙事，既承认其潜力，也强调安全推进的重要性。他还透露了近期与特朗普总统同访北京的经过。

提出随机解耦策略梯度（SDPG）方法，一种轻量级视觉强化学习技术，可在单块NVIDIA RTX 4080 GPU上数小时内端到端训练多种视觉运动控制策略。SDPG通过轨迹rollout的随机扰动估计策略梯度，大幅减少批量渲染环境的数量以及计算和内存开销。在视觉MuJoCo基准测试中，SDPG在训练时间、内存使用和奖励方面一致优于基线方法。此外，引入了涵盖灵巧操作和挑战性运动的全新真实感视觉机器人基准测试，并在物理硬件上展示了有效的模拟到现实迁移。

本文提出R2P2分散式方法，通过规则分配推、支撑、阻止角色，并采用比例速度控制，实现多机器人协作推动箱体在不同倾斜度和摩擦力的地表（平坦、上坡、下坡）上运输。该方法减少了通信与同步需求，避免单点故障。在NVIDIA IsaacSim仿真中，六机器人团队验证了其在不同地表和箱体质量下的泛化能力，成功率优于传统虚拟领导者-跟随者方法。实际实验中，四台Turtlebot成功移动了1.2千克的箱体。

NightSight提出了一种轻量级感知方法，结合单目事件相机、编码孔径镜头和红外点阵投影器，使小型飞行器能够在完全黑暗的环境中自主导航。系统通过编码孔径产生深度相关的模糊特征，并用卷积神经网络解码为密集深度图，仅使用合成数据训练即可零样本泛化到真实场景。在NVIDIA Jetson Orin Nano上以20Hz实时运行，2.5米范围内误差仅7.0厘米（2.80%）。

随着AI向智能体方向演进，对CPU提出了新要求：快速内核、海量内存带宽以及全核高负载下的持续性能。Phoronix今日发布的基准测试结果显示，NVIDIA Vera CPU满足这些需求。Vera采用88个定制Olympus核心，1.2TB/s内存带宽，在功率效率内提供强劲性能。测试中，Vera在单插槽系统中展现了卓越的代码编译、文件压缩、视频转码等能力，并在STREAM TRIAD测试中实现了90%峰值带宽，远超传统x86 CPU。与上一代Grace相比，Vera性能提升1.6倍，在多项测试中领先于Intel和AMD的最新处理器。NVIDIA已向主要AI公司和云提供商交付首批Vera CPU，预计下半年通过合作伙伴上市。

尽管97%的电信高管正在评估或采用AI，但许多项目因“数据债务”——即分散、无治理且语义不清晰的数据——而停滞在规模化之前。NVIDIA的2025年报告指出，瓶颈并非模型质量，而是数据可用性。Databricks Unity Catalog通过统一的语义层和治理机制，实现跨系统数据联邦、细粒度访问控制和丰富的语义上下文，从而将AI从演示推向可信赖的生产系统。

了解如何构建一个多智能体活动审核系统，该系统利用NVIDIA NIM进行GPU加速推理、Amazon Bedrock AgentCore提供托管运行时、Strands Agents实现无服务器编排，支持并行推理、上下文持久化和可观测性。

面壁智能推出全球首个完全由AI编写的大模型预训练框架ForgeTrain，性能超越英伟达Megatron 10%，并用它训练出新模型MiniCPM5-1B，该模型在1B参数规模下刷新智能密度上限。

本教程详细介绍了如何使用NVIDIA FLARE构建高级联邦学习实验，在非独立同分布CIFAR-10数据集上比较FedAvg和FedProx算法。通过狄利克雷分布模拟客户端的标签不平衡，并使用NVFlare Job API定义和启动联邦任务，Client API处理本地训练和模型交换。文章提供了完整的代码实现和实验结果可视化。

ServiceNow是一家美国企业软件公司，总部位于加州圣克拉拉，全球员工超过29,000人。该公司大力投资AI和自动化，收购Passage AI、与NVIDIA合作、投入10亿美元风投资金支持AI初创企业，并在加拿大投资1.1亿加元推动公共部门AI应用。文章重点介绍两个AI用例：利用生成式AI嵌入ITSM/CSM工作流，将解决记录时间减少约80%；以及通过机器学习预测客户升级，使主动参与率从11%提升至68%，误报率仅约3%。

本文介绍了PIMbot框架，该框架通过奖励通道激励操控和智能体自身策略操控两种互补手段，对多机器人强化学习环境进行对抗性操控。自适应多目标控制器在线平衡这些手段。实验在Gazebo仿真环境和NVIDIA Jetson Orin Nano真实嵌入式设备上验证了效果，PIMbot可作为多机器人协作任务漏洞的严格压力测试工具。

上周AI领域迎来重大转折：Google发布Gemini Omni及代理优先平台；Andrej Karpathy加入Anthropic，专注于利用Claude加速预训练研究；Anthropic与xAI达成价值450亿美元的Colossus算力租赁协议；Cerebras IPO成功，市值近950亿美元；SpaceX、OpenAI和Anthropic计划在未来六个月内相继上市，总估值可能超过3万亿美元。此外，多项前沿研究发布，包括HRM-Text高效预训练范式、AI评审员效果评估、NVIDIA的联合AR-扩散模型等。

Google 的 SynthID 水印系统正被 OpenAI、Nvidia、ElevenLabs 和 Kakao 采用，标志着 AI 内容检测向共享行业标准转变。

尽管被五角大楼列为供应链风险，Anthropic仍可能继续向NSA提供AI模型。情报机构缺乏英伟达最新的Grace Blackwell芯片，而Anthropic的Mythos模型据称也运行在较旧的硬件上。之前导致谈判破裂的“任何合法用途”条款并未包含在此次协议中。

NVIDIA 推出的 Gated DeltaNet-2 是一种线性注意力层，通过通道级擦除门和写入门解耦了记忆更新中的擦除与写入操作。在 1.3B 参数、100B FineWeb-Edu 令牌上训练，该模型在语言建模、常识推理和长上下文检索上超越了 Mamba-2、Gated DeltaNet、KDA 和 Mamba-3，尤其在 RULER 长上下文检索中提升显著。

Meta推出了内部AI排行榜'Claudeonomics'，通过代币消耗追踪员工AI工具使用情况，但因数据泄露而关闭。这一趋势在行业内增长，Nvidia的Jensen Huang提议将AI代币纳入薪酬。

NVIDIA 发布 Nemotron-Labs 扩散语言模型系列，通过并行生成与迭代精炼技术，在保持高准确率的同时，相比传统自回归模型实现最高 6.4 倍的推理速度提升。模型支持自回归、扩散和自推测三种模式，8B 版本在准确率上超越 Qwen3 8B 1.2%，并已开源。

Mahjax是一个在JAX中实现的完全向量化立直麻将环境，可利用GPU进行大规模并行化，吞吐量达到在8块NVIDIA A100 GPU上每秒200万步（无红宝牌规则）和100万步（有红宝牌规则）。该环境支持从零开始（tabula rasa）的强化学习训练，并附有高质量可视化工具，实验验证了训练智能体可以有效提升排名。

在COMPUTEX的NVIDIA GTC台北站上，全球开发者、研究人员和行业领袖齐聚一堂，探讨AI工厂、扩展基础设施、代理式AI及物理AI等领域的突破性进展。NVIDIA创始人兼CEO黄仁勋将于6月1日上午11点（台北时间）发表主题演讲。本文提供实时更新，包括NVIDIA Vera Rubin NVL72、Jetson Thor和Alpamayo在COMPUTEX 2026最佳选择奖中获奖详情。

开源运动正将AI的突破性进展引入机器人领域，降低开发门槛。从ROS框架到英伟达、Hugging Face和阿里巴巴的开源模型，机器人推理、决策和行动的能力正变得对更多人可用。但商业激励与学术初心之间的张力也带来新挑战。

英伟达CEO黄仁勋在财报电话会议中透露，Vera芯片将开辟一个2000亿美元的新市场，预计本财年收入达200亿美元。尽管Q1营收超预期，但Vera芯片的供应紧张问题值得关注。

阿里巴巴推出新AI芯片和模型，旨在减少对Nvidia芯片的依赖，实现全栈AI战略。

NVIDIA推出Nemotron-Labs-Diffusion模型家族，在单一架构中统一自回归解码、扩散并行解码和自推测解码。支持3B、8B和14B参数规模，包含基础、指令和视觉语言变体。自推测模式通过扩散生成候选令牌，再由自回归验证，无需辅助模型。在8B规模下，线性自推测较Qwen3-8B实现6倍前向令牌数，准确率63.61%，优于Qwen3-8B的62.75%。布署灵活，适用于不同并发场景。

一份白皮书揭示，NVIDIA A100 GPU在报告利用率0%的情况下，功耗可达146.66瓦，暴露了GPU遥测中的关键盲点。作者提出新的能效基准（CEI）和开源优化器来检测此类“幽灵”异常。

在今年的Google I/O大会上，NVIDIA和Google Cloud宣布加速其联合开发者社区中超过10万名开发者的工作，提供精选学习路径、实践实验室和活动，帮助他们在Google Cloud上使用全栈NVIDIA AI平台进行构建。社区新增了JAX库学习路径、NVIDIA Dynamo codelab以及月度直播等活动。双方还在JAX、NVIDIA Dynamo on GKE等开源框架上紧密合作，并整合了Google DeepMind的Gemma和NVIDIA Nemotron模型。此外，NVIDIA首次与Google DeepMind合作应用SynthID水印技术于NVIDIA Cosmos模型，确保AI生成内容的完整性。

2026年5月19日，NVIDIA Vera CPU正式交付给Anthropic、OpenAI、Oracle Cloud Infrastructure和SpaceXAI等领先AI实验室。Vera是一款专为代理式AI工作负载设计的独立CPU，具备88个定制Olympus核心、1.2 TB/s内存带宽和50%的单核性能提升。该CPU旨在处理AI代理所需的并发实时任务，如工具调用、编排和长上下文检索。Oracle计划从2026年开始部署数十万个Vera CPU。

特朗普总统访华，临时带上黄仁勋，但H200芯片仍未出货。美国已批准出口，但北京阻止本国企业接收，导致华为填补空白。中国AI平台转向华为昇腾芯片。

本研究针对Apple M3 Ultra（60核GPU，512 GB统一内存）进行了10阶段的全面优化实验，旨在实现实时相机img2img变换。通过结合蒸馏专用模型SDXS-512的CoreML转换和3线程相机流水线，最终在512x512分辨率下达到了22.7 FPS。研究揭示了CUDA平台上的优化策略在Apple Silicon统一内存架构上并不有效，例如量化无法加速、并行推理无效以及神经引擎不适用于大规模模型，并提供了针对Apple Silicon的扩散模型推理实用指南。

SuperInfer是一种针对超级芯片（如NVIDIA GH200）上LLM推理的高性能系统，通过SLO感知的旋转调度和全双工内存管理，显著提高TTFT SLO达标率，同时保持相当的TBT和吞吐量。

在戴尔科技世界大会上，戴尔和NVIDIA宣布了新一代AI基础设施，包括基于NVIDIA Vera Rubin NVL72的Dell PowerEdge XE9812，可将每个token的推理成本降低10倍。戴尔CEO迈克尔·戴尔表示，全球AI基础设施支出到2030年可能达到3-4万亿美元，代币消耗量增长3400%。NVIDIA CEO黄仁勋强调需求呈抛物线式增长。企业AI已从试点转向大规模代理AI和推理部署。戴尔AI工厂与NVIDIA合作，提供从桌面到数据中心的全面AI解决方案，包括保密计算和开放模型支持。

英伟达副总裁 Ian Buck 亲手将首款 Vera CPU 系统交付给 Anthropic、OpenAI、SpaceXAI 和甲骨文云基础设施。Vera 专为智能体 AI 工作负载设计，拥有 88 个定制内核、1.2 TB/s 内存带宽和 50% 的单核性能提升。

本文介绍了如何通过参数高效微调技术LoRA和DoRA，在单个GPU上微调NVIDIA Cosmos Predict 2.5世界模型，生成用于机器人学习的合成视频轨迹。文章详细说明了数据处理、适配器初始化、训练循环、推理方法及评估指标。

NVIDIA提出了一种基于NVFP4 4位微缩放格式的预训练方法，该方法在Blackwell张量核心上原生支持，并通过训练一个120亿参数的混合Mamba-Transformer模型（使用10万亿token）进行了验证。这是公开文献中时间最长的4位预训练运行。相比FP8基线（MMLU-Pro 5-shot准确率62.62%），NVFP4达到了62.58%，几乎无损。该技术仅将线性层中的GEMM操作量化为NVFP4，而嵌入层、归一化层、注意力机制等保持BF16或FP32。四种关键技术——选择性高精度层、随机哈达玛变换、2D权重块缩放和梯度随机舍入——共同确保了训练稳定性。与MXFP4相比，NVFP4在相同token预算下实现了更低的损失，且预计在GB200和GB300上分别实现2倍和3倍的算术吞吐量提升。

AI Foundry 在新西兰推出基于NVIDIA Blackwell GPU的固定费用无限LLM推理服务，用户可通过登录页面访问。

本文跟随黄仁勋（英伟达CEO）的北京半日Citywalk路线，打卡了尹三豆汁、鼓楼馒头、黄瓦增福财神庙、蜜雪冰城、紫光园酸奶、方砖厂炸酱面、稻香村、玩具店、后海酒吧、庆云楼和潮府林苑等地点，记录了沿途遇到的店主和粉丝的互动故事，并制作了开源攻略路线图。

百胜餐饮集团（Yum Brands）与英伟达（Nvidia）合作，利用英伟达技术加速AI开发，计划在2025年第二季度在约500家餐厅（包括必胜客、塔可钟、肯德基和哈比特汉堡）部署AI工具，涵盖语音点餐、计算机视觉运营分析和AI分析，旨在提升效率并保持竞争优势。

蔚蓝科技发布BabyAlpha A3消费级四足机器人，采用自研异构计算集群，感知和算力突破行业天花板，实现端侧运行70亿参数模型，推动具身智能进入家庭场景。

NVIDIA的SANA-WM是一个开源世界模型，能够根据单张图像和相机轨迹生成60秒720p视频，训练仅需64块H100 GPU，推理可在单块GPU上完成。其蒸馏变体在单块RTX 5090上仅需34秒即可生成完整60秒720p视频。

随着生成式AI融入日常运营与自主系统快速发展，企业重新评估将数据交给第三方模型的风险。EDB调查显示70%高管认为主权AI平台是关键。NVIDIA CEO黄仁勋呼吁各国建设自主AI基础设施。本文基于2050多名高管调查，探讨企业如何掌控模型与数据。

英伟达披露其CEO黄仁勋的子女Madison和Spencer的最新薪酬，分别为123.2万和132万美元，较此前大幅上涨。公司强调薪资评定与黄仁勋无关，二人凭能力晋升，未涉足核心芯片业务。

美国已批准约十家中国公司（包括阿里巴巴、腾讯和字节跳动）每家最多购买75,000块英伟达H200芯片，但尚未有一块芯片发货。商务部长卢特尼克称，北京方面阻止了这些购买以保护本国芯片产业。

理论物理学家汉斯·布里格尔的研究团队与英伟达合作，开发了一种AI方法，能够自动生成高效的量子电路，这是使量子计算机具有实际可用性的关键瓶颈。