「GPU厂商」共找到 621 篇相关文章
假如有一万张卡，RL训练该怎么扩大规模？十万张呢？
本文是腾讯混元团队针对大模型强化学习规模化训练的研究，聚焦万卡级算力下Batch Size优化问题，拆分样本效率与系统效率的影响，给出可落地的调优框架，实测可缩短29%训练时间。
刚刚！OpenAI与Anthropic CEO罕见同台，黄仁勋当场唱反调：AI到底要不要踩刹车？
Salesforce Dreamforce 2026大会上，OpenAI、Anthropic、英伟达三大AI巨头CEO罕见同台，围绕AI发展是否需要踩刹车展开激烈论战，各方立场背后暗藏产业利益博弈，头部模型厂商已密谈行业安全协同。
同一模型便宜50%，API Hub靠什么赚钱？
文章探讨大模型API Hub低价卖Token现象，指出低价出售的常是闲置算力等。分析厂商不官网降价原因，介绍第三方低价来源及Hub盈利途径，给出判断低价Hub能否用的检查清单。
Agentic RL 后训练资源怎么分？港中文、恒生大学提出 Libra，吞吐最高提升 3 倍
大语言模型走向“完成任务”，Agentic RL 后训练让系统工作负载不稳定。港中文和恒生大学团队提出 Libra 资源管理系统，统一优化训练与 rollout，在多任务中提升吞吐，论文与代码已公开。
矩阵起源（MatrixOrigin）完成超千万美元A轮融资 | 5Y News
2026年8月6日，企业级AI基础设施厂商矩阵起源完成超千万美元A轮融资，由汉得信息参与投资的基金、亚康股份与Artesian Venture Partners注资。资金用于平台研发、市场拓展等。其产品具优势，获多方认可。
AI数据中心买光内存，手机电脑涨价潮开始
近日苹果官网多款产品全球涨价，微软、索尼、任天堂等也纷纷提价。库克称是AI数据中心建设热潮致内存短缺、芯片涨价。内存制造商产能有限，优先供应AI客户，消费电子厂商只能将成本转嫁给消费者。
英伟达MoE新开源：一行import，微调加速3.7倍
英伟达开源NeMo AutoModel，基于Hugging Face Transformers v5，不改代码API，添一行import就能更快速微调MoE模型。实验显示，它能提升3.4 - 3.7倍训练吞吐，减少29% - 32% GPU显存占用。
为什么算力追赶这么难？前谷歌架构师现场黑板推演底层架构，看懂芯片底层逻辑里被忽视的“空间博弈”
前谷歌架构师、MatX CEO Reiner Pope在访谈中从基础逻辑门讲起，推导芯片架构，指出芯片大部分成本花在搬运数据上，还探讨乘加运算、脉动阵列等原理，以及时钟周期、FPGA与ASIC差异等内容。
B站爆了！Hermes首度直播回应「抄袭」，MiniMax提前杀入Harness赛点
Hermes Agent业务负责人回应抄袭质疑，技术对谈探讨AI竞争新维度。MiniMax动作密集，构建“Model + Harness”双向飞轮，其模型获海外开源圈认可，产品驱动模型优化，还与云厂商合作解决沙箱问题。
字节清华智能体自动写CUDA内核，比torch.compile加速2.11倍
字节Seed与清华AIR团队开源CUDA Agent，在GPU内核优化基准KernelBench上成绩优异。它是大规模智能体强化学习系统，训练数据经多阶段构建，分阶段训练，全面超越商业模型，还开源了训练数据集。