AI硬體

Back to Articles Transformers Model Integration Contracts Published November 3, 2026 Update on GitHub Upvote - Tarek Ziadé tarekziade Follow On July 30, 2026, Transformers enabled PyTorch's scaled dot-product attention (SDPA) for T5.

Back to Articles NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required Enterprise + Article Published October 21, 2026 Upvote 1 Joshua Przybylko jprzybylko Follow nvidia Jure Leskovec profjure Follow nvidia Matthias Fey rusty1s Follow nvidia Federico Lopez flopeznv Follow nvidia Valter Hudovernik valterh-nv Follow nvidia Akihiro Nitta akihironitta-nv Follow nvidia Ramona Bendias RBendiasN Follow nvidia TL;DR NVIDIA Kumo Relational is a pre-trained relational foundation model that makes predictions directly on enterprise databases.

Back to Articles NVIDIA Kumo Forecast Combines Pretrained Time-Series Representations with Historical Pattern Retrieval and Interpretability Enterprise + Article Published October 21, 2026 Upvote - Saira Qureshi sairaq Follow nvidia Aditi Gautam adgautam Follow nvidia Manikandan Ravikiran mravikirannvidia Follow nvidia Sena Ekiz neptunel1 Follow nvidia Viraj P Modak vmodak Follow nvidia Highlights (TL;DR) NVIDIA Kumo Forecast (formerly known as NV-Tesseract Forecasting) is a multi-variate time-series forecasting model that combines a pretrained Transformer backbone with Domain-Aware Representation and Retrieval (DARR), a context-enhanced forecasting mode that blends direct model predictions with patterns retrieved from historical data.

Back to Articles Announcing SimReady Central: An Open Library of Simulation-Ready 3D Assets for Robotics and AI Factories Enterprise + Article Published October 21, 2026 Upvote 1 John Kosnik jkosnik Follow nvidia Frank DeLise delisef Follow nvidia Pomi Lee pomilee Follow nvidia Building robotics simulations and high-fidelity AI factory digital twins takes more than 3D models.

Back to Articles NVIDIA Cosmos3-H-Dreams: Bringing Clinical Surgery to Life Through Generative Simulation Enterprise + Article Published October 20, 2026 Upvote - Lukas Zbinden lzbinden Follow nvidia Javier Gamazo javirk1 Follow nvidia Nigel Nelson nigeln Follow nvidia Mostafa Toloui mtoloui Follow nvidia Sean Huver shuver Follow nvidia Picture moving the Cadiere grasper, grasping the gallbladder, and lifting it, all within a generated surgical scene that responds in real time.

本文介紹了針對22種印度語言的預訓練擴展計畫，使用了2.8兆詞元，並提供了12種語言的羅馬化資料。作者來自AI4Bharat與NVIDIA，開發了一套可重用的GPU加速管線，用於翻譯、品質評估與修復，以支援這些語言的模型訓練。

Back to Articles Multimodal open d1 decision models for the edge Team Article Published October 7, 2026 Upvote - Aurelien Lac Aurelien-Lac Follow LiquidAI Fernando Fernandes Neto fernandofernandes Follow LiquidAI Edoardo Mosca EdoardoMosca Follow LiquidAI Maxime Labonne mlabonne Follow LiquidAI Leonie Monigatti iamleonie Follow LiquidAI Today, we release two open decision models in our d1 decision model family: d1-3B and d1-omni-600M (experimental).

In this tutorial, we work with Laya, the open-source decision engine from Convai Innovations that became one of the most-starred machine-learning repositories of September 2026.

馬斯克確認正與臺積電討論Terafab芯片製造合作，此前英特爾是唯一被點名的夥伴，計劃提供14A製程。Terafab規模龐大，目標年產1TW AI算力，約為當前全球產出50倍，馬斯克可能藉此分散風險並確保芯片供應。外界推測合作可能採臺積電直接運營、SpaceX控股或僅技術合作等模式，英特爾的14A製程也可能與臺積電技術混搭使用。

Back to Articles NVIDIA Kumo Tabular Sets a New Accuracy-Efficiency Frontier for Tabular Prediction Enterprise + Article Published September 29, 2026 Upvote - Jingang Qu jingangqu Follow nvidia Valter Hudovernik valterh-nv Follow nvidia Martin Jurkovic martinjurkovic Follow nvidia Cedric Lorenz cedric-lorenz Follow nvidia Akihiro Nitta akihironitta-nv Follow nvidia DG dgordeev Follow nvidia Federico Lopez flopeznv Follow nvidia Ramona Bendias RBendiasN Follow nvidia Gilberto Titericz Jr titericz Follow nvidia Aleksandar S.

NVIDIA創辦人黃仁勳預估明年該公司晶片銷售量將翻倍成長，反映市場對運算力的強勁需求。他同時認為AI監管不應直接套用社交媒體模式，以免扼殺創新，呼籲決策者深入了解技術特性。

Lucid 的合作方為歐洲共享出行平臺 Bolt。該 Robotaxi 將基於 Lucid 的即將推出的中型車平臺，採用 NVIDIA Hyperion 開發平臺和參考體系架構。

小米大模型MiMo-V2.6正處於強化學習中間階段，每秒需調用數千張高階GPU運算，每小時成本高達數十萬元。業界指出強化學習階段的訓練資源消耗極為驚人，每小時「燒錢」超過20萬元已是普遍共識。

華為正式發表昇騰960超節點運算架構，標誌AI算力競爭從單晶片轉向系統工程。該系統透過高速互聯與分布式計算最佳化，解決大規模訓練的延遲與調度問題，滿足千億參數模型需求。此舉反映華為在晶片供應受限下，以系統層級整合提升整體效率，拓展差異化競爭優勢。

查爾斯三世的預備講稿提到：“世界上珍視人性及其中不可或缺的道德價值的人們，都急切地希望得到你們的保證：我們仍能掌握自己的命運。”白金漢宮在聲明中介紹，論壇將探討如何讓這項技術“造福社會和自然界”。

臺積電共同首席運營官米玉傑在臺灣大學演講時表示，AI 如同三歲版超人，能力強大卻不知破壞後果。他透露臺積電對 AI 處理研發敏感信息尤為審慎，並認為當前 AI 還無法有效助力下一代半導體技術研發。#臺積電##人工智能##AI安全#

Leo張ToB雜談2026.09.17 11:49 · 來自北京全文4763字00:00 / 14:22超節點的故事，就像是AI產業從“拼單點”走向“拼系統”的縮影。2026年，國產算力領域最火的一個詞非超節點莫屬。這個看起來有些技術化的名詞，正在悄悄改變算力世界的底層邏輯。

作者 | 李水青 編輯 | 心緣 9月17日上海報道，昨日，華為監事會主席郭平關於“華為ICT與計算的目標是成為‘英偉達’”的內部訪談內容剛剛刷屏，今日，華為就對外放出了憋了一年的算力“大招”。 在剛剛開幕的華為2026年全聯接大會上，華為靈衢互聯架構及超節點集群方案重磅亮相，華為推出了昇騰960DT芯片、昇騰960超節點、鯤鵬950超節點升級、OceanStor M900記憶存儲、靈衢全光交換設備等一系列AI基礎設施新品。 華為副董事長、輪值董事長汪濤現場宣佈，昇騰960DT芯片將提前就緒。

銅，這種人類最早掌握的金屬之一，從青銅時代就開始被廣泛用於兵器、錢幣與日常器具，數千年來始終是工業與文明的基礎材料。然而近年在 AI 技術爆發的浪潮中，銅的地位不但沒有被取代，反而迎來全新的需求高峰。從數據中心到伺服器機房，再到電動車與再生能源系統，銅的導電性、導熱性與可靠性讓它從傳統金屬一躍成為 AI 時代戰略物資。 背後原因並不複雜。AI 運算需要極大量伺服器與 GPU 晶片密集運作，這些設備需要穩定且高效的電力傳輸與熱管理。銅正是電纜與散熱元件的關鍵材料。

英偉達正主導AI數據中心從CPU轉向GPU與專用加速器的混合架構，其CUDA生態與NVLink標準形成技術護城河。中國廠商面臨技術壁壘與供應鏈壓力，必須加速自研晶片與開放標準布局，否則將長期處於市場邊緣。