跳到正文
11月14日周六
11月12日周四
  1. Luxonis DepthAI · Releases12

    Luxonis DepthAI v3.12.1 发布:修复 OAK4-FFC 单目驱动与多设备同步故障,ToF 相机健康检查改用 ToF 节点

    Luxonis DepthAI v3.12.1 修复了 OAK4-FFC 单目模块误用彩色驱动的问题,并解决多设备管道因不支持外部帧同步而启动失败及固件崩溃等缺陷。在特定条件下,ToF 场景处理帧率从 12.34 FPS 提升至 30.06 FPS(+144%),同时优化了 macOS 退出时的遥测数据保留机制。该版本已集成测试 Luxonis OS 1.48.0,旧版系统行为保持不变。

11月11日周三
11月10日周二
11月6日周五
11月5日周四
10月31日周六
10月29日周四
  1. Autoware · Releases82

    Autoware 2.0 发布:引入扩散规划器与生成 - 选择架构

    Autoware 2.0 正式发布,在原有规则基线栈旁新增 AI 规划器选项,采用生成 - 选择架构让用户通过 launch 参数选择 Diffusion Planner。基础模型与数据集已迁移至 Hugging Face,并引入 Autoware Index 管理外部仓库及 Autoware Reference Design 提供可复现的部署配置。

    推荐理由:Autoware 2.0 新增扩散规划器与生成 - 选择架构,并将基础模型迁移至 Hugging Face。

10月28日周三
10月27日周二
10月23日周五
  1. NVIDIA Technical Blog12

    如何在 Python 中使用 NVIDIA GPUDirect Storage 将数据读入 GPU 内存

    随着 AI 模型计算量每五个月翻倍且训练数据集每八个月翻倍,高效移动存储数据成为关键。NVIDIA 提供基于 Python 的解决方案,利用 GPUDirect Storage 技术直接将数据从存储设备加载至 GPU 显存。该方法旨在解决日益增长的加速器算力与海量数据处理之间的带宽瓶颈问题。

10月20日周二
10月7日周三
  1. NVIDIA Technical Blog13

    如何统一 NVIDIA 软件栈中的 GPU 发起式网络:DOCA GPUNetIO 详解

    NVIDIA 推出 DOCA GPUNetIO,旨在让 GPU 应用的网络与数据传输行为如同由 GPU 直接控制的操作,而非依赖主机驱动服务。该技术通过消除 CPU 在网络事务中间的瓶颈,降低延迟并提升分布式应用的实时响应效率。此方案统一了 NVIDIA 软件栈中的 GPU 发起式网络架构,解决关键路径上的性能限制问题。

10月6日周二
9月30日周三
9月24日周四
  1. Google DeepMind28

    Google DeepMind 发布 Private AI Compute 架构更新,实现云端持久化加密记忆与端侧密钥隔离

    Google DeepMind 推出 Private AI Compute 架构升级,通过云端安全飞地临时解密数据并立即重加密,在保障端侧隐私标准下提供跨设备持久化记忆。该方案结合硬件强制的安全飞地与设备衍生的加密密钥,解决了前沿模型需云算力而用户要求数据不离端的长期困境。团队同步发布防篡改公开记录及独立审计报告,邀请社区验证其安全保护机制与系统架构。

  2. NVIDIA Technical Blog12

    NVIDIA 与 SGLang 合作开发 SWE-Serve,揭示本地测试与真实服务间的差距

    SWE-Serve 评估推理服务软件变更时,发现 AI 编码代理生成的补丁虽能通过本地测试,但在服务器加载真实模型处理请求时仍可能失败。该工具基于 SGLang 团队输入,利用源自 53 个任务的基准暴露了完整服务路径中的缺陷,强调仅验证代码逻辑不足以确保生产环境正确性。

9月23日周三
9月22日周二
9月19日周六
  1. OpenCV Blog28

    OpenCV 增强 Windows on Snapdragon 原生计算机视觉开发支持

    OpenCV 宣布与高通合作,为基于骁龙 X 系列处理器的 Windows 设备优化原生构建、测试基础设施及性能。项目将提供针对该平台的原生二进制文件并解决关键依赖,旨在建立可持续的发布流程。技术更新将通过既定评审过程逐步验证,成果将在里程碑完成时向社区共享。

9月17日周四
  1. NVIDIA Technical Blog23

    TensorRT Edge-LLM 在 Jetson AGX Thor 上完成 MLPerf Edge Agentic Benchmark,推理速度提升 6.4 倍

    NVIDIA 推出 TensorRT Edge-LLM,使其在 Jetson AGX Thor 边缘设备上完成 MLPerf Edge Agentic Benchmark 测试,推理速度较基线快 6.4 倍。该成果验证了 AI Agent 从云端向车辆、机器人等边缘设备迁移的可行性,满足智能体多步工具调用与长对话的快速生成需求。

9月16日周三
  1. NVIDIA Technical Blog12

    NVIDIA Nemotron 3.5 Lightning 对比 Dense 与 MoE 架构:激活参数、吞吐量及选型指南

    NVIDIA Nemotron 3.5 Lightning 采用混合专家(MoE)架构,在 30B 总参数量下每 token 仅激活 3B 参数以兼顾容量。文章对比了 Dense 与 MoE 两种主流模型架构的主动参数组织方式及性能特征。内容重点解析了不同场景下选择 Dense 或 MoE 模型的依据,涵盖吞吐量分析与选型建议。

  2. NVIDIA Technical Blog12

    Groq 3 LPX 在 NVIDIA Vera Rubin 上实现确定性执行以驱动低功耗高交互推理

    Groq 3 LPX 凭借确定性执行架构,在 NVIDIA Vera Rubin 平台上实现了针对 AI 工厂功耗约束的高能效推理。该方案将每瓦性能确立为衡量平台价值的核心指标,而非单纯的原始吞吐量。此技术旨在解决 AI 工作负载对全计算平台在有限功率预算下最大化输出的需求。

9月10日周四
9月8日周二
9月5日周六
9月4日周五
9月3日周四
  1. Google DeepMind42

    DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber,强化代码推理与漏洞修复能力

    DeepMind 推出 Gemini 3.8 Flash 及专为可信防御者提供的 3.8 Flash Cyber,后者在内部基准中漏洞发现成功率超 70%,CWE-Bench 补丁 pass@1 达 47.2%。两款模型均基于相同核心智能,通过长周期智能循环迭代优化,在软件工程和关键多步推理领域显著提升性能且成本更低。

9月2日周三
  1. Luxonis DepthAI · Releases28

    DepthAI v3.10.0 发布:新增图像拼接与对齐节点、消息持久化及 ToF 去畸变功能,优化模型加载并修复多项已知问题

    DepthAI v3.10.0 版本发布,新增基于特征匹配的图像拼接节点及通用消息对齐节点,支持 ImgFrame 等八类消息的保存与加载。该版本引入 ToF 去畸变功能、优化 NN 模型加载并将内存占用减半,同时修复了视频编码器参数校验等缺陷。

9月1日周二
8月29日周六
  1. NVIDIA Technical Blog12

    英伟达发布 TensorRT Model Connect:两行命令实现开源模型从检查点到推理的部署

    英伟达推出 TensorRT Model Connect,通过两行命令即可将开源模型从检查点直接部署为原生 C++ 推理服务。该参考实现集合消除了模型特定的转换、预处理及运行时代码需求,支持在 NVIDIA TensorRT 上运行兼容模型。此举显著降低了将快速演进的开源 AI 模型集成至原生应用的工程门槛与开发成本。

8月24日周一
  1. NVIDIA Technical Blog26

    NVIDIA Vera Rubin 与 Blackwell 架构确立智能体 AI 能效新标准

    NVIDIA Vera Rubin 和 Blackwell 架构为智能体 AI 性能每瓦特设定了新基准。基于 100 万亿 token 的真实使用数据,OpenRouter 报告显示平均提示词 token 数量增长约四倍,反映了从单轮交互向多步工作流的扩展。该成果展示了在复杂推理、工具调用及子智能体协调任务中能效的显著提升。

8月20日周四
  1. NVIDIA Technical Blog73

    NVIDIA 发布 Cosmos 3 Edge 端侧机器人控制模型

    NVIDIA 发布 Cosmos 3 Edge,这是 Cosmos 3 家族中首个专为端侧机器人控制设计的 4B 参数全模态模型(含 2B NVIDIA Nemotron 推理器)。该模型旨在解决世界模型因体积过大难以部署在车载或机器人本地计算硬件的问题,使策略能适配传感器、环境与任务。

    推荐理由:NVIDIA 推出 Cosmos 3 Edge,将 4B 参数世界模型压缩至端侧硬件,解决物理交互学习模型的部署难题。