Imagination Technologies（以下简称“Imagination”）今日公布了其E系列GPU IP的首批性能数据和演示结果，并推出全新的Neural Super Resolution（NSR，神经超分辨率）AI加速超分辨率解决方案。这些最新进展进一步体现了Imagination的GPU-first战略：通过一套架构和一套软件栈，让芯片设计厂商能够运行图形、计算和AI等不同类型的工作负载。随着边缘设备应用日趋复杂，芯片设计厂商不断新增针对不同工作负载的专用加速模块、软件栈与数据通路；这种碎
英特尔为新一代开源多模态视频模型MiniMax H3提供Day 0首发支持。依托英特尔锐炫™ Pro B70的硬核实力及完整软件生态，英特尔在第一时间实现了对该模型的深度适配，充分展现出其在AIGC前沿应用领域中高效响应、快速交付的卓越表现，也为广大创意人士打开了一条低门槛、低成本、快速出片的视频创作新路径。视频生成模型改写了AI在创意行业中的产业定位：借助AI开启创作的形式，已从边缘变成了主流，大模型也逐渐从辅助工具成长为核心担当，商业潜力持续释放。但成本依然是其规模化落地的道路上绕不开的一道坎。作为开
NVIDIA 最近将 ST 认定为 NVIDIA AI Factory MGX 生态系统的贡献者。NVIDIA MGX 是一种模块化参考架构，可作为数百种 GPU、CPU、存储设备等组件的基础。得益于双方的持续合作，ST 的 40 V、12 V 和 6 V 架构可帮助打造高密度供电板卡，并将其用于 NVIDIA MGX 机架中。简单来说，NVIDIA MGX 通过提供一个工程师可以快速构建的基础，加速了 AI 数据中心的创建。随着行业向 800 V HVDC AI 数据中心 迈进，这类协作将确保平稳而快速
除了加速器，AI 性能还要看内存输送数据的速度聊到AI，大家往往关注的是整个系统中最瞩目的部分，比如加速器、集群规模、模型大小。但随着 AI 系统变得越来越复杂，数据中心负责人们必须要面对一个务实且重要的问题：我们的平台能否迅速调度数据，让整个庞大的算力系统满载运转？ 比拼内存带宽的时刻，到了现代 AI 主机 CPU 需要支持更大的模型、更密集的 GPU 配置以及数据密集程度越来越高的管道。在这种环境下，内存性能不再是一个次要的规格指标。它将决定 CPU、加速器和存储是作为一个协同系
在英伟达GPU与CUDA生态长期垄断AI训练、科学仿真领域的行业背景下，以LineShine（灵晟）纯CPU超算为代表的全新算力体系登上了TOP500榜首，印证了矩阵增强型CPU 正在重构高性能计算底层硬件标准。近日，杰克・唐加拉、松冈聪、托尔斯滕・赫夫勒三位 高性能计算的权威学者联合发布论文《Do We Still Need GPUs? Rethinking AI and Scientific Computing on Matrix-Enhanced CPUs》，完整拆解了无 GPU 同构超算的四层核心
领先的智能边缘芯片和软件IP授权商Ceva公司近日宣布与一家美国软件和 AI 平台巨擘达成一项重大的AI授权协议，进行一项面向下一代智能计算设备的定制AI芯片项目。Ceva通过该协议将客户群体从传统的半导体公司和设备OEM厂商扩展到软件平台公司，这些公司越来越多地设计定制芯片以优化性能、功耗和面积 (PPA) 以及整体用户体验。Ceva首席执行官Amir Panush表示：“一家业界领先的软件和 AI 平台公司决定在NeuPro-M上构建定制 AI 芯片，这反映了转向 AI 优先计算架构的更广泛业界趋势。
实验室台面上摆放两台机械臂，右侧机械臂正将一块显卡举至主板上方。多组 AI 编码智能体可自主训练机器人完成各类精细操作任务。配图说明：多组 AI 编码智能体能够训练机器人执行显卡插装至主板等操作｜图源：英伟达如果给 AI 编码智能体配备一整间实验室机械臂、充足算力资源，再提供高额的大模型调用令牌额度，用以训练机器人完成各类实操任务，会发生什么？答案是：这些智能体能够自主设计完整训练流程，教会机器人顺利剪断塑料扎带，甚至把显卡精准插入主板细小插槽。一套全新智能体调度框架让 AI 实现全自动机器人训练成为现实
精准医疗与药物研发正被人工智能深刻重塑。作为AI for Science（AI4S）领域的核心阵地，解码生命奥秘的关键已从实验观测转向算力与算法的协同突破。蛋白质结构预测、基因组分析与医学影像，构成了生命科学AI的三类关键技术，其能力直接决定了新药研发的效率与精准医疗的进程。然而，作为这三类关键技术之一的蛋白质结构预测模型AlphaFold 3，其训练代码未完全开放，商业使用亦受限，这使得科学家难以基于该模型构建真正自主可控的研发环境。这种技术依赖还面临更深层的合规挑战：蛋白质结构预测与基因组分析涉及大量
Nutanix 首席执行官拉吉夫・拉马斯瓦米表示，人工智能技术的应用已开始为公司贡献利润。不过，自主智能体 AI 真正开始显著影响客户的盈利状况，还需要一段时间。该厂商在上月的 GTC 大会上公布了自主智能体 AI 平台战略，并于本周推出了更多相关功能，其中包括一套多租户框架，旨在帮助企业与新型云服务商从 GPU 中榨取更多价值。但目前仍处于早期阶段，可以合理认为，真正规模化使用 Nutanix 全新 AI 技术的客户数量大概率仅有数十家，而非数千家。与此同时，公司在聚焦即将到来的自主智能体 AI 时代的
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473