NVIDIA 通过 DSX AI Factory 利用运行时 AI 清单验证 GPU 平台
NVIDIA 推出 DSX AI Factory,解决在 Dynamo、Kubeflow 或 Slurm 等平台上部署 AI 负载时无法追踪实际运行内容的可视性问题。该方案弥补了仅依赖配方文件无法确认各节点具体工作负载状态的局限,确保团队能清晰掌握独立定义和更新的负载实例。
NVIDIA 推出 DSX AI Factory,解决在 Dynamo、Kubeflow 或 Slurm 等平台上部署 AI 负载时无法追踪实际运行内容的可视性问题。该方案弥补了仅依赖配方文件无法确认各节点具体工作负载状态的局限,确保团队能清晰掌握独立定义和更新的负载实例。
NVIDIA 将专为 AI 智能体设计的 Agent Substrate 捐赠给开源社区,解决传统 Kubernetes 因单会话 Pod 导致的内存浪费及跨轮次冷启动延迟问题。该方案通过保留非活跃会话状态并消除 RL 后训练中的调度瓶颈,显著降低智能体等待提示或工具响应时的资源开销与重启耗时。
Autoware 2.1.0 将 CUDA 基础包移至 autoware_cuda 仓库,发布 core-devel-cuda 等三层新镜像以支持 ROS 2 Humble/Jazzy。该版本在 Ubuntu 24.04 下通过 Python venv 解决 rosdep pip keys 安装失败问题,并新增 carla Ansible 角色以部署 CARLA 1.0 或夜间构建版。
NVIDIA 推出 Reshard Collective,解决强化学习后训练中推理与训练并行时的 GPU 资源解耦难题。该技术允许在独立 GPU 上运行策略模型推理并实时生成轨迹,同时仅对训练 GPU 更新权重且定期刷新全量参数。此方案显著提升了物理 AI 模型训练的并行效率与资源利用率。
智元 AGIBOT 在上海徐汇区一家运营中的便利店完成了为期 24 小时的实地测试,六台 G2 轮式人形机器人累计完成 1,730 项任务。其中四台通过最终性能评估,涵盖顾客服务、货架补货、咖啡制作及清洁等场景。
推荐理由:智元在便利店完成 24 小时实测,验证了 G2 机器人在真实零售场景下的任务执行与自适应能力。
NVIDIA 开发了 AI Factory Operations Agent,旨在通过单一界面让智能体自动关联分析计算、网络及硬件等多维数据以定位训练性能下降原因。该工具直接应用于 NVIDIA DGX SuperPOD 集群的现场可靠性工程场景,替代工程师需查看多个仪表盘的繁琐操作。
配置和优化针对 NVIDIA Vera Rubin 等新 GPU 硬件的 Kubernetes 环境复杂且易出错,需确保驱动、内核及调度器等组件协同调优。NVIDIA AI Cluster Runtime(AICR)作为 NVIDIA DSX AI Factory 的一部分,旨在解决此类匹配问题以保障工作负载运行与性能。
NVIDIA Dynamo 作为协调 GPU 工作节点的分布式推理框架,需配合驱动、资源调度及监控等组件才能在 Kubernetes 上实现成功部署。该方案旨在为 AI 应用团队提供从模型配置到可运行推理端点的可重复路径,解决仅完成容器化部署后的系统级依赖问题。
NVIDIA NemoClaw 提供由开发者控制的运行时环境,通过强制执行策略及优化与可观测性工具,确保自主智能体在访问真实企业系统与数据时的安全运行。该方案旨在解决生产级智能体在部署时面临的可靠性挑战,为构建专用智能体提供完整的模型、框架及领域工具支持。
NVIDIA GPUDirect Storage (GDS) 为本地及云端环境提供稳健、可移植且高效的数据路径,直接连接 NVIDIA GPU 与存储目标。该技术通过增加带宽、最小化延迟并降低 CPU 和内存利用率,广泛适用于各类平台、应用框架和工作负载模式。
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。
Kodiak AI 宣布与加州长途货运公司 DTL Transport 达成历史性的具有约束力的协议,DTL 将作为首批客户在自有车队中商业运营 Kodiak Driver。
推荐理由:Kodiak AI 与 DTL Transport 达成历史协议,DTL 将作为首批客户在自有车队中商业运营 Kodiak Driver。
针对仅需部分显存的 AI 负载,NVIDIA CUDA 13.4 支持在 Kubernetes 环境中通过内存机制进行 GPU 资源共享。该技术允许平台团队利用现有基础设施承载更多工作负载,有效解决全设备分配导致的容量闲置问题。
智元发布 Genie Studio 2.0 集成平台,连接机器人模型、任务工作流与现场系统,支持新任务环境七天验证。平台包含 Flywheel 模块用于数据收集、模型训练及仿真测试,Agent 模块用于拖拽式任务编排,Monitor 模块用于车队监控与远程干预。
推荐理由:平台整合数据、模型与现场系统,支持新任务环境七天验证,已在制造与轨交项目完成闭环。
部署训练好的神经网络不仅是将算子转换为 GPU 内核,更是一个存在多种合法答案的编译问题。NVIDIA TensorRT 构建引擎时需对图 IR 变换、融合、实现选择、内存放置及量化等相互依赖的决策进行调度。该过程被称为调度(scheduling),是性能优化的核心环节。
NVIDIA TensorRT 11.1 新增 Global Performance Tuner 功能,提供端到端的自动、感知精度且针对不同模型定制优化的性能调优。该特性旨在解决深度学习调度等关键阶段的挑战,实现超越单一构建路线的性能优化。
智元宣布开源 AGIBOT WORLD 2026 的第四版发布内容“物理推理”数据集,将任务设计重心从操作难度转向决策复杂度。该数据集覆盖具身智能五大研究方向,包含超 10 类逻辑推理场景,记录同一目标在不同状态与约束下的决策与执行过程。通过连接高层指令、子任务分段、动作步骤及空间标注,支持决策模型与底层策略的协同训练,旨在帮助机器人从孤立操作迈向自主完成复杂现实任务。
推荐理由:智元开源 AGIBOT WORLD Release 4,提供涵盖多状态约束的物理推理数据集与细粒度标注,支持决策 - 执行联合训练。
NVIDIA 在柏林 GTC 展示将多台 DGX Spark 节点互联,以支持需数百 GB 显存的前沿架构及多模型并行编排。此举旨在把开发环境从数据中心延伸至桌面,让开发者能直接链接更多 Spark 节点进行复杂实验。
NVIDIA 将完整的 NVIDIA Run:ai 平台以开源软件形式发布,赋予客户、开发者及生态伙伴访问生产级 AI 工作负载与 GPU 编排能力的权限。此举扩展了 NVIDIA DSX AI Factory 平台,确立 NVIDIA Run:ai 为开放基础,使更广泛生态系统能推出差异化解决方案。
智元 AGIBOT 今日在中环时代广场正式开设香港办公室,旨在拓展商业合作、推动实用机器人应用及深化与高校科研机构伙伴。现场演示了包括迎宾接待、酒店服务、泡茶及灵巧机械手在内的多项机器人功能,以验证技术在实际场景中的表现并建立公众信任。
NVIDIA 通过让机器人自动组装 GB300 超级芯片测试托盘,验证了其在物理 AI、机械智能及传统工程领域的融合能力。该演示展示了如何利用先进硬件解决全球工厂中依赖熟练人工的精密装配难题。项目旨在揭示机器人学习与实体操作结合的新路径,为未来自动化制造提供技术参考。
ROSCon Global 2026 于多伦多举办,吸引来自 40+ 国家的 1000+ 参会者,见证 Cognex 收购 RealSense 与 Qualcomm 收购 PickNik 等行业动态。
英伟达发布开源项目 Do Inference Now Deploy,提供实用 C++ 样本以连接模型检查点与原生推理。该工具结合 ONNX Runtime 和 NVIDIA TensorRT RTX 执行提供者,旨在解决本地应用中模型格式便携性与跨系统加速需求。开发者可直接利用此代码库将 AI 模型部署至目标系统并实现即时推理。
Kodiak AI 宣布采用亚马逊云科技(AWS)作为核心云平台,支撑其 BreakPoint 安全验证工具、AI 模型训练及 Driver 自动驾驶系统的开发。该合作旨在利用 AWS 的高性能计算能力运行百万级仿真场景,加速在 2026 年底前于德州公共高速公路推出无人驾驶货运服务。此举为 Kodiak 未来在美国范围内的规模化部署提供了可扩展的云基础设施基础。
Torc 成立 DataLoop and Simulation (DL+S) 部门,旨在统一组织内从数据摄入、处理到模型验证及部署的完整开发周期。该部门利用 Ray 等工具标准化工作流,管理每小时约 9TB 的卡车运营数据并构建闭环实验循环以加速 AI 模型迭代。通过整合仿真生成合成数据与强化学习,DL+S 确保在海量多模态数据处理下实现高效计算与可审计的安全部署。
Figure 将首批部署于宝马的 F.02 机器人队退役,并在芬兰伊马特拉工厂完成销毁。团队利用动作捕捉数据训练 AI 策略,使机器人在 24 小时内自主从二楼跃入钢水,即便电子设备失效也能无缝运行策略。熔炼后的金属条被运回美国加工成限量版纪念品,仅少量 F.02 保留在总部存储。
NVIDIA VSS Blueprint 3.3 旨在解决将视频理解能力转化为可维护系统的难题,整合了数据摄入、流处理及事件检测等技能。该方案通过 NVIDIA Metropolis Blueprint for Video Search and Summarization 帮助开发者以更低成本构建生产级视觉 AI 智能体。
NVIDIA 推出新工具在 AI 工作负载运行前验证 GPU 集群就绪状态,避免因单卡变慢或链路降级导致训练任务失败。该方案能识别配置错误引发的流量路由至低速路径问题,防止算力和网络资源浪费。
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。
Boston Dynamics 机械工程师 Diane Heinle 解答了 Stretch 机器人的耐力测试方法,通过加速循环数百万次以在数周内模拟仓库数年磨损。团队利用客户现场数据设定动态周期目标,结合全球多地测试站点确保设计鲁棒性并优化维护计划。实验室内的鸟类头部装饰为经典传统,虽随机械臂移动经历磨损,但工业电缆已针对百万级循环进行工程化设计。
NVIDIA Topograph 通过感知 GPU 拓扑结构进行工作负载放置,避免跨共享链路传输导致吞吐量下降和成本上升。该技术防止 GPU 因等待数据而空转消耗供电,确保在功率受限的 AI 工厂中实现价值最大化。
NVIDIA Isaac ROS 通过引入 AI Agent 和上游抽象层,利用 CUDA 后端优化消息传输,避免感知与 AI 负载在 CPU 内存中序列化或复制。该方案旨在解决仅靠快速 CUDA 内核无法保证高效 ROS 2 图的问题,确保 GPU 加速收益不被节点间通信损耗侵蚀。
NVIDIA TensorRT Multi-Device Integration 是一项新能力,支持单个 TensorRT 网络利用 NCCL 后端在多 GPU 上执行分布式集合。该功能自 TensorRT 11.0 起获得完全支持,旨在解决生成式 AI 的计算与内存需求超出单卡限制的问题。
部署 AI Agent 的关键在于验证其能否在真实环境中执行数十次连续工具调用并在步骤失败时恢复,而非仅判断模型回答是否合理。该评测范式推动评估重点从单一函数调用转向完整任务流程的闭环验证。
Skild AI 在首次商业部署十个月后年经常性收入突破 1 亿美元,其中约 90% 来自操作任务。CEO Deepak Pathak 与总裁 Abhinav Gupta 强调部署是机器人研究的隐藏支柱,并介绍了基于 NVIDIA 基础设施的 S1 模型,该模型支持通过上下文学习适应变化而无需重新训练权重。
推荐理由:Skild 宣布营收突破 1 亿美元,并阐述其以部署为核心驱动模型 S1 研发的策略与成果。
NVIDIA Dynamo 采用 Encode-prefill-decode (EPD) 解耦技术,将视觉编码器阶段与预填充及解码阶段分离。该技术对图像密集型提示、短至中等长度输出以及量化混合专家(MoE)模型效果最佳,可实现高达 5 倍的推理加速。
NVIDIA CUDA Toolkit 13.4 发布,首次将 Windows on Arm 平台纳入支持范围,此前该架构仅通过 Linux 运行 CUDA 应用。此次更新还提升了对共享 GPU 资源的控制能力,帮助开发者在更广泛的硬件生态中充分利用 NVIDIA GPU 性能与软件栈功能。
Frontier Reasoning 推理与智能体 AI 在边缘端部署曾受限于大模型无法本地运行,需依赖数据中心导致高成本与数据外泄。该现状正在改变,NVIDIA 提供在 Jetson 硬件上部署并优化模型的方案以解决上述约束。
NVIDIA PAIR Virtual Inference Router 通过扩展本地网络可用算力,支持将复杂任务拆解并由主智能体分配给专用子智能体执行。该方案应对多智能体会话并发运行及广度优先工作流日益普及的需求,旨在提升任务完成速度。
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。