新聞中心 NEWS CENTER

NVIDIA Model Optimizer 模型量化實戰：FP8 訓練後量化降低顯存佔用

模型量化是一種高效降低顯存佔用並提升推理性能的方法，尤其適合在資源受限的環境中運行 AI 模型通過降低計算和內存需求的同時保持模型品質，量化技術幫助 AI 模型在消費級 GPU 上更高效地運

Step 3.7 Flash 登陸 NVIDIA GPU：198B 參數企業級多模態 AI 模型

AI 應用正在超越純文本生成，邁向能夠實時感知、搜索和推理圖像、文檔、視訊和語言的多模態系統。

NVIDIA Alpamayo 發佈：自動駕駛模型的閉環後訓練平台

開發自動駕駛策略需要在訓練和部署之間架起一座重要橋梁視覺-語言-動作（VLA）模型主要在開環模式下訓練，即模型輸出直接與真實行為對比，不考慮其對環境的影響。

NVIDIA DynoSim 開源發佈：1500 倍速仿真 LLM 服務部署的 Pareto 最優解

NVIDIA MCG 工具包：一分鐘自動生成符合監管要求的 AI 模型文檔

隨著 AI 模型日益複雜以及加州 AB-2013、歐盟 AI 法案等監管框架的推進，軟體團隊面臨一個全新挑戰：在模型發佈之前，必須生成全面且可審計的模型文檔。

NVIDIA Blackwell 創下 STAC-AI 金融 LLM 推理性能新紀錄

大語言模型正在改變金融交易領域的面貌通過分析海量非結構化資料生成可執行的交易洞察，這些先進的 AI 系統能夠處理財經新聞、社交媒體情緒、財報資料和市場行情，以前所未有的精度預測股價走勢並自動化投資策略