NVIDIA 英伟达

NVIDIA宣布投资韩国AI初创企业，覆盖完整AI技术栈

韩国科学技术信息通信部（MSIT）与NVIDIA在首尔COEX共同举办MSIT-NVIDIA AI Startup Partnership Forum，韩国科技信息通信部次官Ryu Je-myung与NVIDIA高管一同会见了20多家韩国初创企业，覆盖基础模型、物理AI、AI基础设施和AI半导体领域。NVIDIA宣布投资韩国初创公司Point2，并计划追加投

韩国 AI 生态携手 NVIDIA 推进代理式 AI 安全

现代汽车集团正在探索 NVIDIA NemoClaw 蓝图和 NVIDIA OpenShell 运行时；韩国 AI 安全公司 AIM Intelligence 将 Starfort 代理控制平台与 NVIDIA OpenShell 集成，以支持安全 AI 代理。LG AI Research 开放了基于 NVIDIA Nemotron 数据集（含 700 万条

NVIDIA 与韩国扩大主权 AI 合作

NVIDIA 与韩国科学技术信息通信部（MSIT）扩大主权 AI 合作，覆盖 AI 半导体、数据中心基础设施、人才、初创企业、模型、智能体和安全。合作内容包括让韩国 NPU 和 XPU 企业探索加入 NVIDIA NVLink Fusion 生态，并提供培训认证、黑客松和技术研讨会。NVIDIA 还将与韩国 AI for All 计划选出的三个联合体和四家基

NVIDIA Dynamo 部署配方助力韩国开源模型落地生产

NVIDIA 发布针对韩国主要开源模型的 Dynamo 优化部署配方，涵盖 SK Telecom 的 A.X K2、LG AI Research 的 K-EXAONE 2.0、Upstage 的 Solar Open 2 和 Motif Technologies 的 Motif-3。这些配方针对 NVIDIA B200 GPU 优化，开箱即可带来最高 2 倍

黄仁勋致英伟达员工备忘录全文：承认婚外情并支持董事会调查

英伟达宣布调查CEO黄仁勋与中国政府代理人、AI高管Alice Huang的关系。黄仁勋向员工发送备忘录，承认与妻子以外的女性有婚外情，并向家人、同事、董事会、合作伙伴和股东道歉。他表示支持董事会的独立调查并承诺全面配合，同时强调自己热爱国家和公司，致力于保护英伟达并支持美国国家安全。

另有 1 家信源报道

英伟达调查CEO黄仁勋与疑似中国间谍的关系

英伟达董事会宣布对CEO黄仁勋与可能为中国间谍的Alice Huang之间的关系展开独立调查。此前有报道称Alice Huang被中国国家安全部招募以接近黄仁勋，黄仁勋公开承认与其有婚外情并道歉。董事会表示没有理由认为国家安全或公司机密受损，并对黄仁勋表示信任。此事发生在中美AI芯片竞争加剧的背景下。

另有 1 家信源报道

英伟达调查黄仁勋与中国间谍的关系

英伟达董事会宣布对CEO黄仁勋与Megaspeed高管Alice Huang的关系展开独立调查。此前《纽约时报》报道称，黄仁勋与该高管关系密切，而美方认为她受中国国家安全部招募，向北京传递信息。Megaspeed是英伟达客户，正因涉嫌走私AI芯片至中国接受美国商务部调查。董事会表示目前无证据显示国家安全或英伟达机密受损，黄仁勋本人支持并配合调查。

另有 1 家信源报道

美方被指放行英伟达芯片售予空壳中企

《纽约时报》调查发现，美国商务部批准的英伟达H200 AI芯片中国采购名单中，New Matrix公司注册地址办公室空置、无公司记录，其所有者与2024年起被美国列入黑名单的中国私募股权公司有关联。报道称这并非孤例，而是与受国家安全贸易限制实体有关联的公司被批准购买英伟达芯片的系统性问题。背景是特朗普政府放宽拜登时期的对华芯片销售限制，条件是英伟达向政府上缴

在 NVIDIA Blackwell GPU 上加速 FLUX 3 Image Klein 图像生成

NVIDIA 技术博客发布教程，介绍如何在 NVIDIA Blackwell GPU 上通过 TensorRT LLM VisualGen 加速 Black Forest Labs 的 FLUX 3 Image Klein 图像生成与编辑模型。该模型在 NVIDIA GB200 NVL72 上训练，结合 Qwen3-VL-4B-Instruct 文本编码、扩

NVIDIA 推出 Reshard 集合通信加速 RL 权重重载

NVIDIA 技术博客介绍了一种名为 Reshard 的新型集合通信原语，专门用于加速强化学习后训练中的权重重载（refit）。传统 gather-and-broadcast 方法在训练与推理 GPU 布局不同时会产生约两倍于模型权重的冗余通信量，对 Kimi K3 等万亿参数模型每次 refit 可达约 10 TB。Reshard 将 refit 重新表述

NVIDIA 开源工具助力研究者构建下一代 6G 网络

NVIDIA 回顾其开源 Aerial、Sionna 等 6G 工具一年来的进展：全球开发者采用量增长 10 倍，开源 5G/6G 工具下载量突破 100 万次，超过 8000 家研究机构在使用。多所高校基于这些工具展示了面向 AI 原生 6G 的研究成果，包括伦敦国王学院用语义通信将机器人任务完成时间最多缩短 52.6%、软银在 ACAR 中集成神经接收器

用 NVIDIA Nemotron 语音智能体打造万圣节暴躁怪兽屋

NVIDIA 员工在万圣节项目中打造了 MonsterHouse：一个由车库门改造的互动投影装置，能聆听讨糖孩子说话，并以暴躁老海盗船的口吻回应。系统基于 NVIDIA Nemotron Voice Agent 构建，集成 Nemotron ASR、Nemotron 3.5 Bolt E4B 4GB 小语言模型、Magpie TTS Zeroshot 和 A

NVIDIA DSX OS：配置、认证与运维 Kubernetes GPU 集群

NVIDIA 发布开源软件层 DSX OS，包含 AICR、NVCRE 和 NVSentinel 三个 Apache 2.0 项目，分别用于配置、认证和运维 Kubernetes GPU 集群。AICR 通过版本锁定配方建立可复现基线，NVCRE 用 AI 工作负载验证集群就绪状态，NVSentinel 监控健康并自动隔离故障节点。该方案旨在解决单块 GPU

NVIDIA 工程师 Chris Alexiuk 用开源模型让 AI 更易用

NVIDIA 深度学习高级产品研究工程师 Chris Alexiuk 通过 YouTube 和社交媒体（账号 llm wizard）向开发者教授如何构建、微调、评估和部署开源大模型应用与智能体。他自称“Nemotron 头号粉丝”，大力推广 NVIDIA Nemotron 系列开源多模态模型，认为完全开源（权重、数据、训练配方）是智能民主化的前提。其教学内容

NVIDIA 协同设计五招提升 AI 工厂每字节价值

NVIDIA 在技术博客中介绍其 AI 工厂的协同设计方法，通过 NVFP4 低精度格式、宽专家并行（Wide-EP）、KV 缓存复用与 Dynamo 分布式服务等手段，提升每字节内存的有效利用率。文章称在 SemiAnalysis AgentX 基准上，Vera Rubin NVL72 在每用户 160 tokens/s 下每兆瓦吞吐量可达 GB300 N

NVIDIA 如何用 AI 代理简化 AI 工厂运维

NVIDIA 发布技术博客，介绍其内部开发的 AI Factory Operations Agent，用于简化 NVIDIA DGX SuperPOD 的运维工作，减少站点可靠性工程师（SRE）的人工排查负担。该框架基于 NVIDIA NemoClaw 蓝图和 OpenShell 运行时构建，多个子代理通过 MCP 协议通信，分别负责作业恢复、硬件故障、可观

NVIDIA CUDA 13.5 正式支持 Vera Rubin

NVIDIA 发布 CUDA 13.5，正式支持 Vera Rubin 平台并进入企业生产可用阶段，同时将 Windows on Arm 支持扩展至 DGX Station for Windows。新版本通过 locality domains 和 MPS v3 增强 GPU 调度与资源分区控制，并在库、编译器、CUDA Tile 和开发者工具方面带来多项改进

NVIDIA 发布工厂运营蓝图 FOX，协调 AI 智能体排查生产问题

NVIDIA 发布 Factory Operations Blueprint（FOX）参考架构，用于在现有工厂系统中加入工厂经理智能体，协调专用智能体完成生产监控、根因分析和机器人调度。该蓝图基于 NVIDIA Agent Toolkit 构建，包含 LLM、Agent harness 和 OpenShell 隔离环境，支持 MCP、ROS 2 和 Isaa

用 NVIDIA NeMo 将智能体失败转化为测试并修复

NVIDIA 发布技术博客，介绍如何用 NVIDIA NeMo 工具链把智能体在生产环境中的失败案例转化为测试用例并修复。流程包括用 NeMo Compass 分析 42 条 Hermes 智能体轨迹，发现其在未获用户确认时调用 send message 工具的问题；再用 NeMo Eval Author 生成 Harbor 评估与验证器复现该失败；最后修改

llama.cpp b12080：CUDA 批量张量读取聚合至映射主机内存

llama.cpp 发布 b12080 版本，核心变更是 CUDA 后端将批量张量读取聚合到映射的主机内存中（PR #31391），并针对小读取与大批量读取分别采用不同策略（小读取聚合、大读取使用 pinned DMA），同时引入条件分发、RAII 主机注册与 128k 描述符固定缓冲区等优化。该版本同时提供 macOS、Linux、Windows、Andr