关于 Nvidia 的报道

Z.ai发布了开源模型GLM-5.3-Flash，拥有320亿参数，在Artificial Analysis的智能指数上仅比更大的GLM-5.3低三分，成本却是后者的七分之一。值得注意的是，所有的推理流量都在中国的AI芯片上运行，而不是在Nvidia的硬件上。GLM-5.3-Flash的发布标志着AI模型的成本和性能之间的平衡取得了新的突破。

Nvidia 以 129 亿美元收购开源 AI 平台 Hugging Face，后者年收入为 1.5 亿美元。该交易是 Nvidia 投资数十亿美元于开源 AI 模型的最新举措，同时闭源 AI 供应商如 OpenAI 和 Anthropic 正在远离 Nvidia 硬件。Hugging Face 的收购是 Nvidia 在 AI 领域的又一次布局。

Nvidia 正在收购开放源代码 AI 中心 Hugging Face，金额为 129 亿美元。这笔交易将帮助 Nvidia 保护其芯片帝国，并重返云计算业务。Hugging Face 拥有大量模型和社区资源，Nvidia 可以利用这些资源进一步发展其 AI 业务。

亚马逊因应数据中心需求激增，向英伟达追加购买了 200 万块图形处理器芯片，订单量较之前增加了三倍。该合作伙伴关系不仅限于芯片采购，还将延伸到其他领域。

机器人导航策略的训练是实现机器人自主性的关键步骤。不同于简单的移动控制，导航需要机器人能够持续定位自己，解读周围环境的变化，选择路径，并避开障碍物。然而，这个过程往往需要大量的数据、模拟资源、机器人接口等。最近，研究人员提出了一种使用AI代理训练跨身体机器人导航策略的方法，旨在提高机器人导航策略的通用性和适应性。

阿里巴巴发布了 Qwen3.8-Flash-Next 模型权重，作为即将推出的 Qwen4 架构的预览，供开发者实验和评估。该模型采用多模态混合专家（MoE）架构，总参数量达 176B，包括 51B N-gram 嵌入参数，每个 token 激活 6B 参数。其原生上下文窗口大小为 262,144 个 token，通过 YaRN 可扩展至 1M 个 token。

阿里巴巴发布了 Qwen3.8-Flash-Next 的模型权重，作为即将推出的 Qwen4 体系结构的预览，让开发者进行实验和评估。该模型采用多模态 MoE 架构，主模型参数达 125 亿，辅以 51 亿 N-gram 嵌入，激活参数每个 token 6 亿。它支持 262,144 个 token 的上下文窗口，最大可扩展到 100 万 token。

OpenAI展示了自己的首款深度学习推理芯片Jalapeño，并在Hot Chips会议上进行了基准测试。测试结果显示，Jalapeño在吞吐量和能效方面超越了Nvidia的Blackwell和Rubin。SemiAnalysis CEO Dylan Patel表示，这是首款芯片就能击败Nvidia的黑马之作。

Nvidia 宣布将其推理芯片 Groq 3 LPX 投入量产，并在 Gemma 4 31B 上实现每秒 3,400 个令牌的性能，据称比 Cerebras 快了四倍。然而，这个数字并没有揭示全部真相。Nvidia 需要至少 64 个加速器才能达到这个速度，而 Cerebras 只需要一个或两个加速器。

Nvidia 高级经理涉嫌参与超微公司走私 AI 服务器至中国的计划， Jensen Huang 曾公开批评超微公司此行为。

Nvidia洽谈对Perplexity进行3千亿美元以上估值的投资，后者年化收入已增至7.5亿美元。

NVIDIA 的 AVO 达到了 ARC-AGI-3 的 100%，展示了一种前沿的通用目的架构用于长期自治代理。相比此前，NVIDIA 在自治代理领域取得了重大突破。这意味着 NVIDIA 在 AI 领域的竞争力进一步增强。开发者可以利用 AVO 架构开发出更加智能的自治代理。

NVIDIA 的博客文章讨论了人工智能代理栈中的安全性位置，强调了在 AI 系统中集成安全性的重要性。文章指出，安全性不仅仅是添加一个单独的组件，而是需要全面考虑整个系统的安全性。