NVIDIA 英伟达

英伟达推出免费工具 PAIR，将闲置电脑组建成个人 AI 数据中心

Nvidia 发布了免费开源软件 PAIR（Personal AI Router），可将家庭中闲置的电脑（如配备 RTX 显卡或 Apple M4 芯片的设备）连接起来，构建个人 AI 数据中心，用于本地 AI 推理和代理工作流。PAIR 通过六位码配对和 mTLS 加密确保安全，支持 Windows、Linux 和 macOS，目前提供测试版。此外，Nvi

英伟达129亿美元收购Hugging Face，掌控开源AI分发枢纽

英伟达计划以约129亿美元收购开源AI模型平台Hugging Face，承诺保持其开放和硬件中立。此举使英伟达掌控开源AI模型的主要分发中心，并新增计算销售渠道。英伟达CEO黄仁勋于2026年9月3日宣布该交易，预计2027年上半年完成，尚需监管批准。Hugging Face拥有超1800万开发者、300万个模型，英伟达希望通过该平台扩大其AI芯片生态影响力

英伟达确认以129亿美元收购Hugging Face

英伟达确认以129.3亿美元收购AI模型托管平台Hugging Face。Hugging Face拥有300万个模型、100万个应用和50万个数据集，服务超过1800万开发者。英伟达CEO黄仁勋表示，Hugging Face将继续作为开放平台，支持开源和开放权重模型，且不强制使用英伟达计算。此次收购旨在扩大开发者访问，并可能将英伟达的算力与Hugging F

另有 2 家信源报道

英伟达129亿美元收购Hugging Face，巩固AI生态

英伟达宣布以129.3亿美元收购开源AI平台Hugging Face，后者被称为“AI界的GitHub”，提供模型、数据集和工具的托管服务。此次收购旨在巩固英伟达在AI硬件领域的领导地位，应对OpenAI、Anthropic等闭源AI公司自研芯片的挑战。Hugging Face将保持开放，开发者可自由选择模型、框架和计算平台，英伟达计算并非必需。

另有 2 家信源报道

NVIDIA以129亿美元收购Hugging Face，承诺保持开放生态

NVIDIA宣布以129.303亿美元收购Hugging Face，旨在扩展其平台、加强基础设施并扩大AI的可及性。Hugging Face将继续作为开放平台，支持多模型、多框架、多云和多加速器，NVIDIA承诺保持其开放生态。此次收购将利用NVIDIA的基础设施和工程能力提升平台可靠性、安全性及模型评估和部署能力。

清华与NVIDIA新研究：VLM大模型当具身教练，Gemini领跑，VLM-AR3L降本增效

国立清华大学与NVIDIA联合研究将Gemini 2.0、GPT-4.1等主流VLM大模型置于《我的世界》等具身任务中评估其视觉裁决能力，发现Gemini综合表现最佳，开源小模型在特定任务中反超。针对直接调用大模型的高成本和绝对打分缺陷，团队提出VLM-AR3L框架，通过双奖励融合与离线蒸馏将API查询降低约20倍，并在复杂任务中超越人类手写奖励。该研究为大

现代 CUDA 工具链实践：逐步优化指南

NVIDIA 技术博客发布了一篇关于现代 CUDA 工具链的实践指南，通过六步增量优化示例代码，涵盖使用 CCCL API 和 Compute Sanitizer 查找索引错误、NVTX 改进基准测试、CUB 优化算法、池化容器管理 GPU 内存、固定容器加速主机到设备传输，以及多流异步并行化。文章旨在帮助开发者编写更安全、可维护且高性能的 CUDA 代码，

NVIDIA 发布投机解码指南，加速 LLM 推理

NVIDIA 技术博客发布系列文章第三篇，探讨通过投机解码加速 LLM 推理同时保持准确性。文章提出五条指南，用于在帕累托前沿选择草稿长度和机制，并分析了草稿长度对 GEMM 计算强度、注意力内核利用率及 KV 缓存压力的影响。

Nemotron 3.5古兰经双头ASR模型v5

该模型基于NVIDIA Nemotron 3.5流式ASR（0.6B）微调，用于全古兰经诵读识别，支持Uthmani脚本及泰吉威德符号，并增加音素头用于错误检测。最佳检查点（step 78000）在留出集上达到CER 2.76%、WER 4.43%、变音符号F1 98.27%。训练数据包含179,376个片段（约868小时），模型参数全部可训练。

NVIDIA与CrowdStrike联合推出SafeMind代理式网络安全系统

NVIDIA CEO黄仁勋在CrowdStrike Fal.Con 2026大会上宣布与CrowdStrike合作推出SafeMind，一个基于NVIDIA Nemotron模型构建的代理式网络安全系统。SafeMind通过攻防对抗的持续共进化循环，利用CrowdStrike的数据进行后训练，旨在提升防御效率并降低成本。此外，CrowdStrike还发布了F

NVIDIA发布DLSS 5：AI重新定义图形渲染

NVIDIA正式发布DLSS 5技术，采用3D引导式神经网络渲染，结合像素空间扩散Transformer模型，实现4K分辨率下的确定性、时间连续性和毫秒级实时处理。该技术赋予开发者精细控制权，并已获多家游戏厂商支持，预计将重塑游戏图形渲染范式。

NVIDIA与CrowdStrike合作构建自适应智能网络安全系统

NVIDIA与CrowdStrike合作，在隔离环境中评估了一个基于NVIDIA Nemotron模型的智能攻防系统。该系统通过红蓝智能体自动执行攻击、生成检测规则并反复测试，以提升网络安全防御能力。CrowdStrike报告称，其Blue Solano防御模型在内部评估中比领先的专有前沿模型准确率高13%，成本低97%。

AI 推理 GPU 规模规划与 TCO 优化指南

NVIDIA 技术博客发布了一篇关于 AI 推理 GPU 规模规划与 TCO 优化的实用指南。文章提出了一个框架，帮助组织根据实际工作负载（如用例、令牌模式、延迟目标、并发度、缓存命中率等）来选择合适的 GPU 资源，避免过度配置。文中介绍了核心-弹性（core-and-flex）容量策略，并讨论了量化、剪枝和蒸馏等模型优化技术，以在提升性能的同时降低总拥有

英伟达 DLSS 5 于 9 月 3 日发布，需高性能 GPU 支持

Nvidia 于 9 月 3 日正式发布 DLSS 5，首发支持 RTX 50 系列 GPU 和 GeForce Now，但首发游戏仅有《NBA 2K27》。该技术因在三月演示中大幅改变角色外观而备受争议，官方版本在《NBA 2K27》中的效果相对温和，且性能开销巨大，官方估计性能下降 50-60%。

NVIDIA BioNeMo 与 Claude Science 集成，实现蛋白质结构预测

NVIDIA 与 Anthropic 合作，将 BioNeMo Agent Toolkit 集成到 Claude Science 中，使 AI 代理能够直接调用 BioNeMo NIM 微服务进行蛋白质结构预测。该工具包将生命科学模型封装为代理可调用的技能，在内部基准测试中将任务正确率从 60% 提升至 100%，并将 token 效率提高约一倍。教程展示了

NVIDIA Omniverse NuRec：跨车辆平台扩展自动驾驶感知

NVIDIA 发布了 Omniverse NuRec 技术，用于跨车辆平台扩展自动驾驶感知系统。该技术利用 3D 高斯泼溅重建真实驾驶场景，并渲染目标车辆配置的新相机视图，使开发者无需为每个车型收集和标注新数据集即可适配感知模型。教程展示了从重建场景、渲染目标视图到训练感知模型的完整流程，并提供了包含 1500 多个场景的 Physical AI NuRec

NVIDIA 发布 GLM-5.2 NVFP4 量化模型

NVIDIA 发布了 GLM-5.2 的 NVFP4 量化版本，该模型基于 ZAI 的 GLM-5.2，采用 MoE 架构和稀疏注意力，支持长上下文。量化使用 NVIDIA Model Optimizer，支持 SGLang 和 vLLM 推理，专为 Blackwell 硬件优化。模型以 MIT 许可证发布，适用于商业和非商业用途。

英伟达35亿美元投资联发科，布局定制AI芯片生态

英伟达向台湾芯片制造商联发科投资35亿美元，联发科将采用英伟达技术，为AI公司和超大规模云服务商设计可直接接入英伟达数据中心的定制芯片。此举旨在应对亚马逊、谷歌、微软等客户自研芯片的趋势，同时巩固英伟达在数据中心生态中的主导地位。双方还将扩展在DGX Spark、RTX Spark及AI汽车平台上的合作。

另有 1 家信源报道

英伟达AI优势超越GPU，转向数据中心基础设施

英伟达的竞争优势正从GPU扩展到数据中心基础设施，其Vera Rubin架构中的Vera CPU等组件通过优化数据编排，显著提升了系统效率。随着AI计算规模扩大，数据移动成为瓶颈，英伟达在这一新领域的领先地位可能比GPU本身更持久。

NVIDIA 发布 Kimi-K2-Thinking NVFP4 量化模型

NVIDIA 发布了 Kimi-K2-Thinking-NVFP4，这是 Moonshot AI 的 Kimi-K2-Thinking 模型的量化版本，采用 TensorRT Model Optimizer 进行 NVFP4 量化，支持 vLLM、SGLang 和 TensorRT-LLM 推理，专为 NVIDIA Blackwell 硬件优化。该模型拥有