据The Information报道，微软正在重绘其自研人工智能服务器芯片的产品路线图，将在未来几年内专注于推出设计更保守、开发难度更低的芯片版本，目标是在2028年前克服当前导致研发延迟的一系列问题。
清华大学朱军教授团队与 NVIDIA Deep Imagination 研究组联合提出一种全新的视觉生成模型优化范式 —— 直接判别优化（DDO）。
在我们去年 AI Scaling Laws article from late last year中，我们探讨了多层 AI 扩展定律如何持续推动 AI 行业向前发展，使得模型能力的增长速度超过了摩尔定律，并且单位 token 成本也相应地迅速降低。
NVIDIA等研究团队提出了一种革命性的AI训练范式——视觉游戏学习ViGaL。通过让7B参数的多模态模型玩贪吃蛇和3D旋转等街机游戏，AI不仅掌握了游戏技巧，还培养出强大的跨领域推理能力，在数学、几何等复杂任务上击败GPT-4o等顶级模型。
虽然 AMD 已投入大量资金来加速其 Instinct 数据中心 GPU 的开发，以便与 Nvidia 最强大的 AI 芯片正面交锋，但该公司也大力依赖收购，以便能够提供“端到端 AI 解决方案”。
近日，NVIDIA 联合香港大学、MIT 等机构重磅推出 Fast-dLLM，以无需训练的即插即用加速方案，实现了推理速度的突破！通过创新的技术组合，在不依赖重新训练模型的前提下，该工作为扩散模型的推理加速带来了突破性进展。本文将结合具体技术细节与实验数据，解析其核心优势。
在刚刚结束的GTC大会上，黄仁勋公布了英伟达面向未来AI工厂的GPU路线图，从Ampere、Hopper，到Blackwell、Rubin和Feynman，每一代GPU架构都以历史上杰出的科学家命名。这些名字背后，不仅凝聚了人类科学智慧的巅峰成就，也寄托着Nvidia对科技创新的致敬与传承。
Nvidia刚刚发布了「世界生成」模型Cosmos-Transfer1，可以根据多种模态的空间控制输入（如分割、深度和边缘）生成世界模拟，使得世界生成具有高度可控性。开发者使用模型能够创建高度逼真的模拟环境，用于训练机器人和自动驾驶车辆。
在GTC2025大会上，NVIDIA依旧延续着“算力的故事”。如果AI的发展依旧遵循着scaling law（规模定律），那么这个故事还能继续讲下去。
据新加坡本地媒体报道，新加坡警方逮捕了两名新加坡籍男子和一名中国公民，并指控这3人涉嫌绕过了美国贸易出口限制，非法向国内的DeepSeek公司走私Nvidia GPU。据路透社报道，新加坡警方和海关突击搜查了22个地点，总计逮捕了9人，并查获了相关文件和电子记录。
