芯片半导体

Framework Desktop是不是被吹得太厉害了，说它能跑DeepSeek这样的大模型LLM？但实际上，它的内存不够大，没法搞MoE（专家混合模型），带宽也不够，跑不了那些需要大量计算的密集型模型。 理论上，128GB内存跑LLM会因为带宽不够而卡顿

据报道，NVIDIA 的 GeForce RTX 4090 装了 96GB 的显存；这个显卡可能会很快开始大规模生产，瞄准 AI 工作负载。 报告里说了，真有装了高达 96GB 显存的 RTX 4090，可能会在几个月内卖到市场上。看来之前

性能强劲。跑 deepseek 速度超快，功能齐全充性能，原装未拆封 4090涡轮显卡打折仅96GB，全新靠谱，性能无敌！不挑系统！ 不挑驱动！

英伟达新博客文章：LLM生成的GPU内核显示了FlexAttention的加速。前有DeepSeek极端榨取英伟达GPU硬件性能被曝光，英伟达反其道，用DeepSee

deepseek/deepseek-r1-distill-llama-70b位列排名榜第三名，排在openai/o1和deepseek-r1之后：

两款支持大模型本地开发和云部署的新AI计算机发布：华硕推出了Ascent GX10 AI超级计算机，搭载NVIDIA GB10 Grace Blackwell超级芯片，性能强大，支持高达1,000 TOPS的AI处理能力和128GB内存，适合处理大型AI模型。英伟达

DeepSeek极端榨取硬件性能，看起来不同寻常！推理和训练之间最大的区别之一是通信需求。 1、对于推理：芯片之间不需要太多通信。你可以把它想象成普通的

谷歌认为自家Gemma 3是“世界上最好的单加速器模型”，在单个 GPU 上比 Facebook 的 Llama、DeepSeek和 OpenAI 的模型都强，而且在

AI智能三个发展规律：资源驱动、成本骤降、经济价值飙升。 OpenAI山姆奥特曼最近认为：工智能的规模定律将保持不变，“没有理由在不久的将来停止指数级增加投资”！ 1. AI智能与资源的关

特斯拉的Optimus有望成为下一个革命性产品，将超越智能手机，成为我们这个时代的标志性技术。 Optimus不仅仅是一个

Nvidia 在 2025 年的 GTC 大会上推出了一堆新产品和新技术，准备迎接 AI 推理的新时代。这次发布会的重点是 BlackwellUltra 平台。

这篇文字主要讲述了公司在构建公共云服务过程中，对GPU支持的探索和挑战。公司最初投入大量资金，押注于为AI/ML推理任务提供GPU支持，并创建了Fly GPU Machines。然而，尽管GPU在AI/ML领域的重要性被正确判断，但公司发现其产品可能并不适合当前市场需求，尤其是开发者更倾向于

Apple 用自己玩游戏的方式造出了一些特别厉害的自动驾驶汽车“大脑”：……自动驾驶的未来可以通过模拟和现实世界的数据来实现…… Apple 的研究人员完全通过自己玩游戏的方式训练了一些聪明的

NVIDIA 刚刚在 GTC 2025 上发布了“Blue”，这是一款与迪士尼研究院和 Google DeepMind 合作开发的人形机器人。 Blue 背后最大的技术之一是新发布的 Newton牛顿物理引擎，这是一款专为机器人设计的

Majorana 1：世界上第一个由拓扑核心驱动的量子处理单元 (QPU)，设计用于在单个芯片上扩展到一百万个量子比特。