2026.05.29
NEWS UPDATE
NVIDIA cuOpt 智能體技能優化供應鏈決策：自然語言驅動 GPU 加速求解
現代供應鏈面臨需求波動、成本變化、產能約束和相互依賴決策的持續壓力傳統上，運籌學團隊需要將業務問題轉化為數學模型，這一過程可能耗時數周，且生成的方案在條件變化時往往難以適應。
-
2026.05.29
-
2026.05.28
NEWS UPDATENVIDIA 加速 X 射線納米成像分析：42TB 資料處理從 9 個月縮至 4 小時
大規模 X 射線自由電子激光設施能夠以前所未有的精度追蹤新型材料中的結構和電子動力學，包括聚變材料、半導體、電池和催化材料。
-
2026.05.28
NEWS UPDATENVIDIA 發佈模型量化新工具：Model Optimizer 實現高效 AI 推理優化
模型量化是一種有效減少顯存佔用並提升推理性能的方法通過降低計算和內存需求同時保持模型品質，量化幫助 AI 模型在資源受限環境中更高效地運
-
2026.05.27
NEWS UPDATENVIDIA GB200 NVL72 與 Slurm 塊調度：實現機架級極致效率
隨著大語言模型規模持續增長，單 GPU 訓練已無法滿足需求，分布式訓練成為標配。
-
2026.05.27
NEWS UPDATENVIDIA 發佈車載 AI 智能體構建方案：從雲端到汽車的端到端架構
汽車座艙正經歷從基於規則的界面到智能體多模態 AI 系統的根本性轉變。
-
2026.05.26
NEWS UPDATENVIDIA 在全美機器人周展示物理 AI 領域最新研究、突破與資源
NVIDIA 在全美機器人週期間集中展示了物理 AI 領域的最新研究進展、技術突破和開發資源物理 AI 能夠感知、推理並在物理世界中執行動作，正在改變機器人系統的設計和驗證方式。
常見問題 點擊展開 收起
新聞中心 列表頁適合做甚麼？
適合快速瀏覽同一主題下的資訊更新，幫助團隊集中跟蹤技術趨勢、行業動態和產品資訊。
瀏覽資訊列表時應優先關注哪些內容？
建議優先關注發佈時間、主題相關性、涉及技術方向以及是否與當前專案、品牌或場景決策直接相關。
如何從資訊列表繼續深入？
可以先閱讀全文，再結合當前專案階段判斷是否需要繼續查看產品頁、方案頁或直接發起諮詢溝通。
資訊內容更適合哪些團隊參考？
更適合關注 AI 基礎設施、企業網絡、數據中心互連和行業變化的技術、採購、架構與專案團隊參考。
WeChat
Profile