股价止跌失败,黄仁勋透露Blackwell Ultra和Vera Rubin上市时间,推理能力成重点

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

近年来,从云计算到加密货币,从元宇宙到人工智能,全球科技领域的每一次重大风口,几乎都能看到英伟达 (NVIDIA) 的身影。尤其是在人工智能的新一轮热潮中,英伟达凭借其深厚的技术沉淀,牢牢掌控着数据中心 GPU 市场约 95% 的份额,成为 AI 芯片领域的绝对主导者。

然而,今年年初,DeepSeek 推理模型的横空出世向大众传递了一个明确的信号:过去依赖堆数据、堆算力的「大力出奇迹」模式已逐渐失效,这一度动摇了市场对 AI 算力前景的预期,以英伟达在内的多家科技巨头股价大幅下跌。尽管英伟达的股价随后有所回升,但其在行业中的主导地位已不再像过去那样坚不可摧,为证实公司的实力,英伟达势必要对其 GPU 进行全面升级和更新。

在北京时间 3 月 19 日凌晨 1 点举行的 GTC 2025 大会上,黄仁勋带来了英伟达芯片的最新消息: AI 芯片架构 Blackwell 的升级版 Blackwell Ultra 将在今年下半年推出,NVIDIA GB300 NVL72 和 NVIDIA HGX™ B300 NVL16 全面增强模型推理能力,英伟达下一代 GPU 架构 Vera Rubin 明年上市。

NVIDIA Blackwell Ultra 加速 AI 推理进程

去年的 GTC 大会上,黄仁勋公布了新一代 AI 芯片架构 Blackwell,作为 Hopper 的继任者,Blackwell 架构的 GPU 拥有 2,080 亿个晶体管,专注于加速生成式 AI 任务、大规模训练和推理工作负载,黄仁勋曾在演讲中自豪地宣称,这是迄今为止功能最强大的 AI 芯片系列。

在这里插入图片描述

今天的直播中,黄仁勋再次提及 Blackwell, 他表示:「Blackwell 的优势是更快、更大、晶体管更多,计算能力更强。」此外,其采用的 NVL 72 架构 + FP4 计算精度的模式,也让 Blackwell 的性能得到进一步提升,这意味着,我们可以用更少的能耗完成相同计算任务。

在这里插入图片描述

值得一提的是,DeepSeek 出现之后,人工智能市场的关注点逐渐从「训练」转向「推理」,本次大会,黄仁勋特意列举了一个推理模型案例,证实 Blackwell 计算性能的优越性——比 Hopper 高 40 倍。「我之前就说过,如果 Blackwell 开始大规模出货,你甚至没法把 Hopper 送出去」。当然,黄仁勋也提到,Blackwell 正在全力投入生产,今年下半年,NVIDIA Blackwell AI 工厂也会再次升级,并无缝过渡到 Blackwell Ultra。

在这里插入图片描述

Blackwell Ultra 将包括 NVIDIA GB300 NVL72 机架级解决方案,以及 NVIDIA HGX B300 NVL16 系统。

首先,NVIDIA GB300 NVL72 采用全液冷机架式设计,将 72 个 NVIDIA Blackwell Ultra GPU 和 36 个基于 Arm 的 NVIDIA Grace™ CPU 整合到一个平台中,该平台针对测试时间扩展推理进行了优化。与上一代 NVIDIA GB200 NVL72 相比,GB300 NVL72 的 AI 性能提升了 1.5 倍,能够探索多种解决方案,并将复杂任务分解为多个步骤,从而生成更高质量的响应。

其次,NVIDIA HGX B300 NVL16 为高效处理 AI 推理等复杂任务提供了突破性发展,与 Hopper 相比,其将大语言模型的推理速度提升 11 倍,计算能力提高了 7 倍,内存容量增加了 4 倍。

总而言之,Blackwell Ultra 增强了训练和测试时间扩展推理,为加速 AI 推理、AI Agent 和 Physical AI 等应用提供了强大支持。

对此,黄仁勋表示:「AI 技术已实现巨大飞跃,推理和 AI Agent 对计算性能的需求大幅提升。为此,我们设计了 Blackwell Ultra——它是一个多功能平台,可以高效执行预训练、后训练、推理任务」。

英伟达下一代 GPU 架构 Vera Rubin

英伟达自 1998 年起就一直以科学家的名字来命名其架构,这次亦不例外,即将推出的英伟达下一代 GPU 架构 Vera Rubin 就以发现暗物质的美国天文学家 Vera Rubin 来命名。

在这里插入图片描述

Vera Rubin

Vera Rubin 首次将自研 CPU 与 GPU 架构深度整合, 标志着 NVIDIA 在 AI 计算架构上的又一突破,进一步拓展 AI 计算性能边界。

「基本上,除了底盘之外,其他一切都是全新的」,正如黄仁勋所言,作为 NVIDIA 史上首款完全自主设计的 CPU 架构,Vera 基于定制化 Arm 核心打造,它是一个只有 50 瓦的小型 CPU,但内存更大,带宽更高。据 NVIDIA 官方数据显示,相较于 Grace Blackwell,Vera 的计算性能直接提升 2 倍,此外,它还针对 AI 负载进行了深度优化。并通过优化指令集,显著降低通信延迟,使数据处理更加高效流畅,为 AI 训练和推理提供了强劲支撑。

与此同时,全新 Rubin GPU 也带来了 AI 计算的又一次飞跃。与 Vera 共同运行时,Rubin 推理计算可实现每秒 50 千万亿次浮点运算,较现有 Blackwell GPU 提升 2 倍以上。此外,Rubin 还支持高达 288GB 的高速内存,确保 AI 训练和推理能够高效处理庞大数据量。

黄仁勋还透露,Vera Rubin NVL144 将于明年下半年上市, 而 2027 年下半年,NVIDIA 预计推出 Vera Rubin Ultra,它采用 NVL576 技术,由 250 万个部件组成,每个机架功率高达 600 千瓦,浮点运算次数将提升 14 倍,达到 15 百亿亿次浮点运算,实现极致的扩展。

在这里插入图片描述

从 Grace Hopper 到 Blackwell,再到如今的 Rubin,黄仁勋向我们展示了 NVIDIA 在计算性能与成本优化方面的跨越式进步。 相比基准计算能力,Hopper 纵向扩展的浮点运算次数是基准的 1 倍,Blackwell 提升至 68 倍,而 Rubin 更是跃升至 900 倍,实现了指数级增长。这一突破不仅显著降低了 AI 计算的单位成本,也使更复杂、更大规模的 AI 模型训练和推理变得高效可行。

在这里插入图片描述

英伟达将为构建 AI 工厂提供全流程服务

近年来,AI 领域的重心逐渐从训练大型模型转向推理模型的广泛应用,推理已成为推动 AI 经济快速增长的核心动力。这一转变不仅改变了技术格局,也对计算基础设施提出了全新要求——传统的数据中心并非为新的 AI 时代而设计,为了高效推进 AI 推理和部署进程,AI 工厂 (AI Factories) 应运而生。

AI Factories 不仅能存储和处理数据,还能大规模「生产智能」,将原始数据转化为实时洞察。NVIDIA 表示:「对专门打造 AI Factories 的企业进行投资,将在未来的市场中占据领先地位」。

为了支持这一变革,NVIDIA 创建了完整堆栈 AI Factories 的构建模块,并向合作伙伴提供以下关键组件:高性能计算芯片、先进网络技术、基础设施管理与工作负载编排、最大的 AI 推理生态系统、存储与数据平台、设计与优化蓝图、参考架构以及灵活的部署方式。

在这里插入图片描述

毫无疑问,在此之中,计算能力是 AI Factories 的核心支柱。从 Hopper 到 Blackwell 架构,NVIDIA 提供了世界上最强大的加速计算。通过基于 Blackwell Ultra 的 GB300 NVL72 机架级解决方案, AI Factories 能够实现高达 50 倍的 AI 推理输出,也为处理复杂任务提供了前所未有的性能支持。

参考资料:
https://mp.weixin.qq.com/s/ih-0LttWwNBYfyKPAhkEXQ

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

AI 应用开发:四维架构落地实战——以 HR Agent 为例拆解感知·推理·记忆·执行【意图路由、规划编排、长期记忆、工具执行、面试题】

本文基于四维架构(感知·推理·记忆·执行),以HR Agent为例,系统拆解大模型应用从“聊天”到“生产可用”的落地路径。通过Spring AI实现意图路由、规划编排、RAG检索与工具调用,结合真实踩坑复盘,揭示架构化设计对安全、成本与可维护性的关键价值,为AI Agent工程化提供可复用的实战框架。

王大师企业官方博客 1325

英伟达NVL576正交架构解析&国内正交架构超节点差异对比

英伟达最新发布的NVL576正交架构采用革命性设计,通过中置背板实现计算节点与交换节点的正交互联,相比前代NVL72显著提升了系统可靠性和可维护性。该架构单机柜推理算力达15EFLOPS,配备4.6PB/s带宽的HBM4e显存,NVLink互连带宽达1.5PB/s。与国内海光scaleX640、阿里磐久AL128相比,NVL576在互联拓扑复杂度上更为激进,保留了关键的中置背板设计。正交架构正成为下一代GPU整机柜的主流方向,其技术突破将推动AI算力规模持续扩展。

weixin_72858395的博客 2751

STM32使用内部RC振荡器作为系统时钟开发项目--内晶振启动模板工程

STM32使用内部RC振荡器时,OSC32_IN,OSC32_OUT接法: 1)对于100脚或144脚的产品,OSC_IN应接地,OSC_OUT应悬空。 2)对于少于100脚的产品,有2种接法:    2.1)OSC_IN和OSC_OUT分别通过10K电阻接地。此方法可提高EMC性能。    2.2)分别重映射OSC_IN和OSC_OUT至PD0和PD1,再配置PD0和PD1为推挽输出

overflyme的博客 1万+

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 341

Swift Package Manager (SPM) 创建并集成本地库

Swift Package Manager (SPM) 在macOS 项目中创建并集成的完整步骤

征战无悔人生 1428

从仿真到实践:两级直接耦合放大电路的静态工作点协同调试指南

本文详细解析了两级直接耦合放大电路的静态工作点协同调试方法,从仿真到实践提供系统指南。重点介绍了Rc2电阻调整技巧、集电极电位测量方法及常见问题排查,帮助工程师解决各级静态工作点相互影响的难题,提升模拟电路设计效率。

weixin_29189373的博客 125

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 280

修复ASUS in WinRE教程

暑假入手了天选三,发现是win11家庭版,本来想着家庭版将就一下无所谓,结果在使用的过程中发现相较于专业版真的是不能比,于是自己就重装了系统,发现ASUS in WinRE入口不见了,折腾半天最后成功修复。

weixin_46202629的博客 1万+

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 616

Windows 11 系统部署 OpenClaw 完整指南:从零到一的 AI 助手搭建

OpenClaw(昵称“小龙虾”)是一款开源 AI 代理工具,定位为“AI 指挥官”,能够接收指令、调用工具并自动化处理任务。它支持对接国内外多款大模型,所有数据本地存储,兼顾实用性与安全性。本文将详细介绍在 Windows 11 系统上部署 OpenClaw 的完整流程。OpenClaw 在 Windows 11 上的部署虽然有一定技术门槛,但按照本文的步骤操作,大多数用户都能顺利完成安装。环境准备是基础:确保 Node.js ≥22 版本,使用管理员权限操作安装方式灵活选择。

weixin_41484939的博客 802

碰撞检测 | 图解视线生成Bresenham算法(附ROS C++/Python/Matlab实现)

Bresenham视线生成是一种高效的算法,用于在二维网格上绘制直线。Bresenham算法可以应用在栅格地图中进行一维碰撞检测,即检查起点和终点间直线是否穿过障碍栅格。本文图解Bresenham碰撞检测的原理,并给出ROS C++/Python/Matlab三种实现加深理解

FRIGIDWINTER的博客 1万+

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 209

世界职业院校技能大赛商贸赛道项目参考逐字稿一

商贸赛道“智选优品”—基于大数据与AI驱动的跨境电商平台项目参考逐字稿您订阅本专栏后即可`永久享有所有文章的查阅权`,希望我们更新的参考资料能帮助到您。如果您需要我们团队赋能培训可联系我(企业一线工程师及国一获奖选手在线培训支持:每周直播精讲(可回放,支持弹幕答疑)、代码Review+技术售后(拉群随时问,12h内响应)、④路演PPT+答辩话术一对一点评,评委视角提前彩排、适合:中职/高职赛项选手、指导老师带队、校企工作室、整校打包另谈(可开发票))

我是网络安全兼技能大赛工程师,专注网络安全技术学习与技能大赛实战!持续分享最新的技术文章,帮你少走弯路,一起在技术赛道上进步~ 1596

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 345

FAST-LIVO2 源码精读(十八):实时性优化、漂移排查与工程落地

FAST-LIVO2 的工程价值,不在于某一个孤立的技巧,而在于它把"激光的几何精度、惯性的高频预测、视觉的纹理与色彩"用一套简洁的滤波框架紧紧拧在一起,又在实时性、鲁棒性、可扩展性之间取得了难得的平衡。先用内建计时表定位瓶颈,再按降采样、并行、滑窗、编译优化、双频输出逐项加速;遇到漂移先看现象、循诊断树定位根因、回到对应章节取解法。十八篇至此收束。

PX4-SLAM-PNC 220

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 363

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 87

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 163

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 514

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 619

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

408

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 402

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 5168

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 573

企业宣传片发前如何批量排查并遮挡视频里的敏感信息

做企业视频的人都会碰到一个具体问题:实拍画面里混进了不该出现的信息。办公室背景里有贴着客户信息的白板,采访对象的授权书边缘露出一串身份证号码,街采素材里路人面孔和车牌号直接入镜。人眼在时间线上扫视,会漏掉快速闪过的帧、画面边缘的小字、以及暗光区域里的证件号码。用抹影AI完成车牌、人脸和证件区域批量检测后,又手动补充了两个时间段的屏幕遮罩,最终导出时画面已无合规隐患。重点关注快速运动、遮挡、低光照条件下的目标,这些是漏检的高发区域。导入视频后选择要检测的目标类型(人脸、车牌、证件号、二维码等)。

Mysssone的博客 182

面向工业对讲的双通道声学 DSP 模组 A-59(NR2050-A)方案解析与工程落地案例

A-59模组以NR2050-A DSP为核心,37.5×16mm邮票孔封装,支持-40℃~85℃工业温域,兼容A-06/A-09/A-29系列,可低成本替换存量设备。通过固件切换实现三种模式:模式一(低改版成本,适配矿井、电梯);模式二(最优AEC,用于医院呼叫);模式三(双波束独立输出,支持双人会议语音分离)。集成AEC、ENC、BF与AGC算法,有效抑制回声、噪声与串扰,解决对讲系统核心声学难题。选型需注意参考信号路径、麦间距与温度匹配,建议先做声学测试再量产。

R190_6589的博客 374
上一篇: 【TVM教程】使用自定义调度规则(Sketch Rule)在 CPU 上自动调度稀疏矩阵乘法
下一篇: 【Triton 教程】triton_language.tensor
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值