2025年NVIDIA AI Open Day

于 2025-06-13 09:58:02 发布
阅读量201 收藏
点赞数 2
CC 4.0 BY-SA版权
文章标签： 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/NVIDIA_Community/article/details/148626450
2025年5月30日，新一期NVIDIA AI Open Day在北京举办，在这次活动上，NVIDIA 加速计算专家团队（DevTech）深度剖析了大语言模型最新技术进展，尤其是针对 DeepSeek 等主流模型的优化加速方案，深入分享了如何借助 NVIDIA 计算平台提升模型训练与推理效率。同时还有生成式推荐系统，CUDA开发深入解析，高级辅助驾驶和具身智能等技术内容，请点击以下链接，观看回放，温故知新，共同进步。
博客
突破延迟极限：在 NVIDIA Blackwell GPU 上优化 DeepSeek-R1 的性能
07-04 608
在延迟敏感型应用中突破 DeepSeek R1 的性能极限是一项非凡的工程。本文详细介绍的优化措施是整个 AI 技术栈各个领域的协作成果，涵盖了内核级优化、运行时增强、模型量化技术、算法改进以及系统性能分析与调优。希望本文介绍的技术和最佳实践，能够帮助开发者社区在任务关键型 LLM 推理应用中更充分地发挥 NVIDIA GPU 的性能。
博客
NVIDIA TensorRT-LLM 支持腾讯混元最新大语言模型 Hunyuan-A13B推理加速
07-04 637
未来，NVIDIA 技术专家团队将继续跟进混元模型的演进，探索更极致的推理加速技术（如新一代量化、更精细的算子融合、对 Blackwell 新特性的支持），不断刷新性能天花板。同时还将持续推动 TensorRT-LLM 与腾讯云 TI 平台、Hunyuan API 服务等生态的深度集成，提供更便捷的一站式混元模型部署与管理体验。
博客
NVIDIA 培训 | 学习 3 门 NVIDIA AI 技术在医疗和健康的实践
07-04 587
NVIDIA BioNeMo 提供了一个专门用于药物研发的 LLM 和生成式 AI 平台，通过云原生 NIM ，研究人员能够简化 AI 工作流程，提高模型的可扩展性和部署效率。AI 技术正在迅速改变医疗和健康领域，NVIDIA 深度学习培训中心（DLI）推出 3 门医疗和健康领域的在线自主培训，帮助医疗专业人士和研究人员掌握最新的 AI 工具和技术。通过使用云原生 NIM 和 Blueprint，获得实际操作经验，能够部署可以大规模处理和解释复杂生化数据的 AI 模型，提升您的处理能力。
博客
在魔搭社区使用 NVIDIA TensorRT-LLM PyTorch 新架构优化 Qwen3 系列模型推理
07-04 517
在上述已实现的各项优化特性之外，针对 Qwen3 系列模型，TensorRT-LLM 还在不断研发和探索新的优化方法，包括 kernel 层面的持续优化、算子融合、基于 sparse attention 的超长文本支持、基于 Eagle-3 的投机性采样、MoE 模型的 expert 负载均衡、新的量化精度（W4AFP8/NVFP4）等等，期待您紧密关注。Qwen 系列开源模型因其突出的模型能力、丰富的模型尺寸和持续更新的生态，在开源社区直接使用、二次开发和落地应用上都有着极其深刻的影响力。
博客
基于 NVIDIA VSS 视频搜索和总结的 AI Blueprint，图灵新讯美打造企业级多模态视觉大模型融合解决方案
06-26 529
以融合解决方案为切入口，图灵新讯美充分发挥自身作为独立软件供应商 (ISV) 在技术集成、场景适配和客户交付方面的专业优势，打通从智算基础设施到场景应用的全链路，推动视觉智能从“看得清”走向“想得通、答得快”，真正将多模态 AI 转化为生产力、决策力与增长引擎。基于 VSS Blueprint 开发的应用接口，将事件分析，证据留存，触发告警的工作流无缝的集成到现有的新讯美的视频管理及调度平台上，实现不同目标任务，不同数据 (RTSP) 源，视觉模型及视觉大模型的灵活匹配和最佳部署。
博客
什么是“物理AI”？
06-26 825
利用物理 AI，自主机器能够感知、理解并在现实 (物理) 世界中执行复杂的操作。物理 AI 是指使用运动技能理解现实世界并与之进行交互的模型，它们通常封装在机器人或等自主机器中。
博客
NVIDIA Research 通过 AI 赋能的渲染技术为物理 AI 开发场景赋以新意
06-26 530
利用由 DiffusionRenderer 驱动的应用，智能汽车开发者可以获取大部分是白天驾驶镜头的数据集，并随机对每个视频片段的光照进行调整，以创建更多具有阴天或雨天、具有刺眼照明和阴影的夜晚以及夜间场景的视频片段。这样一来，研究人员观察到一种扩展效应，其中应用 Cosmos Predict 更大、更强的视频扩散模型相应提高了 DiffusionRenderer 的去光照和重新打光质量，实现了更清晰、更准确和时间上更一致的结果。
博客
NVIDIA 发布全新的 AI 模型和开发者工具，推动汽车行业生态系统发展
06-26 491
辅助驾驶卡车领域的领军企业 Plus 正在利用 NVIDIA DRIVE AGX 平台构建其解决方案，该企业正在通过卡车运输数据对 Cosmos Predict 进行后训练，以生成高度逼真的合成驾驶场景，从而加速其辅助驾驶卡车解决方案的大规模商业化进程。为加速下一代辅助驾驶架构的开发，NVIDIA 发布了 NVIDIA Cosmos Predict-2，这是一种全新的世界基础模型，具有更强的未来世界状态预测能力，可生成高质量的合成数据，以及新的开发者工具。
博客
NVIDIA 推出开源物理 AI 数据集，助力机器人及自动驾驶汽车技术发展
06-26 570
加州大学圣地亚哥分校多个机器人和自动驾驶汽车实验室的负责人 Henrik Christensen 表示：“利用这个数据集，我们能做很多工作，比如训练预测性 AI 模型，这些模型可以帮助自动驾驶汽车更好地追踪行人等易受伤害的道路使用者的动向，从而提高安全性。NVIDIA 物理 AI 数据集可以帮助开发者在预训练期间扩展 AI 性能，海量数据能够支持构建更强大的 AI 模型，在预训练阶段利用更丰富的数据对 AI 模型进行训练，以提高其在特定用例中的性能表现。
博客
NVIDIA 人工智能开讲 | 了解物理 AI 新趋势
06-25 264
欢迎收听本期的 NVIDIA 人工智能开讲，本次节目邀请到了 NVIDIA 中国区高级技术市场经理施澄秋，为大家介绍 Physical AI（物理 AI）的新趋势，伴随 NVIDIA 推出的新的 Cosmos 平台，预计机器人行业将成为下一个 10 万亿美元市场。集顶尖的研究人员、技术专家及商业领袖，为您解读最具挑战性的 AI 难题，与您探讨由 GPU 技术推动的 AI 革命，帮您了解如何驾驭 AI 的磅礴力量。它如何推动物理 AI 的发展？00:56：物理 AI 是什么，和 AI 的关系是怎样的？
博客
NVIDIA 面向物理 AI 开发者社区开放 Cosmos 世界基础模型
06-25 608
3D 输出时，扩散模型生成可控的高质量合成视频数据，用于启动机器人和自动驾驶汽车感知模型的训练。在 CES 大会上，NVIDIA 推出第一批 Cosmos 世界基础模型，用于基于物理的仿真和合成数据生成，配备先进的 tokenizer、护栏、加速数据处理和管理工作流，以及模型定制和优化框架。是一个用于加速物理 AI 开发的平台，推出了一系列世界基础模型——可以预测和生成虚拟环境未来状态的物理感知视频的神经网络，以帮助开发者构建新一代机器人和自动驾驶汽车（AV）。Super，用于高性能基线模型；
博客
SC24 | NVIDIA 宣布与行业软件领先者推出 Omniverse 实时物理数字孪生产品
06-25 476
Omniverse Blueprint 通过整合用于加速求解器的 NVIDIA CUDA-X™ 库、用于训练和部署模型以生成流场的 NVIDIA Modulus 物理 AI 框架，以及用于 3D 数据互操作性和 RTX 支持的实时可视化的 NVIDIA Omniverse API（应用编程接口）来实现这些功能。NVIDIA 和 Luminary Cloud 在 SC24 大会上展示了业界领先的虚拟风洞，它允许用户以实时、交互式的速度对流体动力学进行仿真和可视化，甚至可以同时更改风洞内的车辆模型。
博客
NVIDIA 培训 | NVIDIA 认证北京和上海现场考试时段发布
06-25 1038
NVIDIA 深度学习培训中心（DLI）发布全新 NVIDIA 认证现场考试时段，自 6 月起每月在北京或上海举办。考试面向国内开发者和 IT 专业人员，提供 7 门 Associate（初级）和 Professional（中级）认证科目，考生可根据需求自由选择报考科目。邀请您和您的团队、伙伴、亲朋好友参加考试，展示您的专业知识和技能，助力个人职业生涯，增强企业竞争实力。根据您的工作角色、专业知识和职业目标，选择以下最适合您需求的专业认证。北京和上海考试安排。
博客
NVIDIA recsys-examples: 生成式推荐系统大规模训练推理的高效实践(上篇)
06-19 1047
NVIDIA recsys-examples 将生成式推荐（如 “Actions Speak Louder than Words” 论文中提出的技术）与分布式训练（借由 TorchRec 增强）及优化训练推理相结合，助力开发和部署能够提供高度个性化用户体验的复杂推荐模型。我们诚挚邀请研究人员和从业者试用该工具，并期待与您共同推动生成式推荐系统的技术演进。
博客
NVIDIA 培训 | 机器人开发免费学习路径发布，掌握开发到部署全流程
06-13 1057
通过学习 Isaac Sim 、 Isaac Lab 和 Isaac ROS 在线自主培训课程，从根本上了解机器人开发的核心概念，并探索仿真和机器人学习方面的必备工作流。课程概要：探索 NVIDIA Cosmos™ 平台，包括生成式世界基础模型（WFM）、先进的标记器（tokenizers）、护栏机制（guardrails），以及加速数据加工和精选流程，旨在加速物理人工智能的开发。课程概要：学习软件在环（SIL）的基本概念、优势，以及如何结合 Isaac Sim 和 ROS 2 应用于机器人开发。
博客
NVIDIA DOCA下载指南
06-13 337
借助 DOCA， 开发者可以通过创建软件定义、云原生、DPU 和 SuperNIC 加速的服务，并支持零信任保护，从而满足现代数据中心的性能和安全需求。选择资源包：在页面上，依次点击"BlueField"、"BF-Bundle"、"Ubuntu"，然后选择"22.04"版本，安装BFB程序类型，以获取推荐的DOCA资源包。滚动至页面底部，选择"I Accept"以同意协议。选择资源包：在页面上，依次点击"BlueField"、"BF-FW-Bundle"、"BFB"，以获取推荐的DOCA资源包。
博客
使用 NVIDIA Triton 和 TensorRT-LLM 部署 TTS 应用的最佳实践
06-13 840
当前主流的 TTS 大模型大致可分为两类：非自回归扩散模型和自回归 LLM 模型。F5-TTS 是一款非自回归扩散 TTS 模型，它基于 DiT (Diffusion Transformer) 和 Flow-matching 算法，移除了传统非自回归 TTS 模型中的 Duration 模块，使模型能直接学习文本到语音特征的对齐。随着大模型时代的到来，TTS 模型的参数量和计算量持续增长，如何高效利用 GPU 部署 TTS 模型，构建低延迟、高吞吐的生产级应用，已成为开发者日益关注的焦点。
博客
火山引擎：单机部署 DeepSeek-R1 的 W4A8 方案，部署成本减半
06-13 752
DeepSeek-R1 凭借其优秀的深度推理能力，一经推出便在 AI 市场掀起热潮。然而，DeepSeek-R1 包含 671B 的模型参数，基于 FP8 的数据精度，权重显存消耗接近 700GB，单卡 96GB 显存的 GPU 卡，也需要 16 卡进行多卡部署（2 台 ecs.hpcpni3ln.45xlarge 实例），多机推理之间的数据传输效率也面临极大挑战。如何在保证模型性能的前提下，提升部署效率、降低推理成本，成为限制 DeepSeek-R1 大模型规模化部署及应用的关键挑战。
博客
NVIDIA 将为每家 AI 工厂提供网络安全
06-13 602
NVIDIA 和 Cisco 正在为企业提供所需的基础设施，使企业能够自信的扩展 AI 的使用，同时保护其最宝贵的数据资产。随着代理式 AI（Agentic AI）的广泛应用，在企业级规模运行的 AI 模型和自主代理，能够实现数据、应用程序和用户的无缝连接，为从数据中获取洞察带来前所未有的机遇，但同时也催生出需要与之发展速度匹配的高级防护需求。Cisco 正在与 NVIDIA 合作，打造基于 NVIDIA 架构的安全的 AI 工厂，简化企业大规模部署和保护 AI 基础设施的方式。
博客
COMPUTEX 2025 | NVIDIA 推出 NVLink Fusion，助力行业用户构建半定制 AI 基础设施
06-13 127
MediaTek、Marvell、Alchip Technologies、Astera Labs、Synopsys 和 Cadence 是首批采用 NVLink Fusion 的厂商，可支持定制化芯片纵向扩展（Scale-up）以满足模型训练和代理式 AI 推理等要求严苛的工作负载的需求。MediaTek、Marvell、Alchip Technologies、Astera Labs、Synopsys 和 Cadence 将借助 NVIDIA NVLink 生态系统打造自定义 AI 芯片。
评论
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