NVIDIA 英伟达

Nvidia 推动开源模型生态，意图打破智能垄断

Nvidia 正大力投资近乎开源的模型（如 Nemotron），通过发布训练数据和代码，鼓励更多公司构建自己的模型，从而扩大对其芯片的需求。文章指出，开源模型生态的未来取决于能否形成经济回报闭环，否则可能转向效率优先的细分市场。同时，训练复杂度的提升和开源社区对后训练的关注，可能改变传统训练流程的划分。

OpenAI签署俄亥俄州数据中心租约，英伟达担保1050亿美元

OpenAI与软银子公司SB Energy签署了俄亥俄州数据中心20年租约，获得约8吉瓦IT容量，英伟达提供最高1050亿美元担保并成为独家芯片供应商。英伟达CEO黄仁勋提出“LPS”（土地、电力、建筑外壳）是AI建设的新瓶颈。华尔街日报分析显示，九家科技公司持有约3万亿美元的表外AI承诺，投资者难以评估实际债务水平。

另有 1 家信源报道

英伟达缩减OpenAI数据中心担保，Anthropic营收激增

英伟达因投资者压力，将其对OpenAI数据中心项目的担保金额从原计划的2500亿美元削减至不到1200亿美元，该项目由软银旗下SB Energy开发，总容量10吉瓦。与此同时，Anthropic季度营收从Q1的47.3亿美元翻倍至Q2的115亿美元以上，同比增长14倍，并计划以近1万亿美元估值上市。这些数据对AI泡沫论构成挑战。

印尼首个大学AI中心启动，NVIDIA与Indosat助力本地人才培养

印尼通信与数字事务部、Indosat Ooredoo Hutchison、NVIDIA 和加查马达大学（UGM）在日惹共同启动了该国首个大学 AI 技术中心 UGM Indosat NVIDIA AI Technology Center（NVAITC）。该中心基于 NVIDIA 全栈 AI 平台和 Indosat 的 GPU Merdeka 主权 GPU 即

2026年夏季开放模型报告：中国前沿模型领先，美国硬件商主导发布

Hugging Face 2026年夏季报告显示，开放模型数量持续增长，但下载分布极不均衡。中国实验室在超大模型发布上领先，而美国硬件公司如AMD和NVIDIA成为开源模型发布主力。下载量与点赞量反映不同价值，前沿模型受关注但小模型被广泛使用。

英伟达5000亿美元AI数据中心计划：风险与机遇并存

英伟达宣布与多家金融机构合作，承诺投入高达5000亿美元建设AI数据中心，并为其GPU作为抵押品的价值提供最高25%的担保，以建立二手AI硬件市场。此举旨在缓解融资风险，但面临“错误方向”风险，可能因需求疲软而增加公司负担。英伟达CEO黄仁勋强调这是引入独立长期资本，而非循环融资，并希望打造AI基础设施的长期投资价值。

NVIDIA 在 GB300 NVL72 上支持 Qwen3.8-2.4T-A95B 模型部署

阿里巴巴发布了其最大的开源权重模型 Qwen3.8-2.4T-A95B（Qwen3.8-Max），总参数达 2.4T，每个 token 激活 95B 参数，采用细粒度 MoE 架构和全注意力与线性注意力混合设计，支持百万 token 上下文。NVIDIA 宣布该模型可在 GB300 NVL72 平台上以 FP8 精度实现每 GPU 每秒超 4K tokens

NVIDIA 发布流式说话人日志模型 Streaming Sortformer 4spk v2

NVIDIA 发布了 Streaming Sortformer Diarizer 4spk v2 模型，这是一个用于说话人日志的流式端到端神经模型，基于 FastConformer-Transformer 架构，参数量为 117M。该模型在 DIHARD III 和 CALLHOME 等基准测试上取得了较低的 DER 值，并支持 NeMo Voice Age

NVIDIA AI 工厂全栈可观测性选型指南

NVIDIA 技术博客发布了一篇关于 AI 工厂全栈可观测性选型的指南，针对 AI 基础设施多层架构中故障定位难的问题，提出了一个基于 NVIDIA DGX 部署的决策框架。文章通过分布式训练中 InfiniBand 链路静默故障的案例，说明了全栈可观测性的重要性，并给出了组件到遥测工具的映射表，帮助运维团队选择最小工具集并构建分诊仪表板。

英伟达 Nemotron 4 目标万亿参数，规模仍不及中国模型

英伟达正在开发新一代开源权重模型 Nemotron 4，其最大版本参数规模至少达一万亿，是 Nemotron 3 Ultra 的两倍，最早可能于今年秋季发布。为此，英伟达已将其用于内部模型训练的云支出增加至 2031 年的 280 亿美元。尽管规模庞大，但中国实验室已超越这一水平，如 Moonshot AI 的 Kimi K3 有 2.8 万亿参数，Deep

NVIDIA JetPack 7.2.1 新增 Agentic 视频技能与 PyNvVideoCodec 支持

NVIDIA 发布 JetPack 7.2.1，首次在 Jetson 平台支持 PyNvVideoCodec 2.2，提供硬件加速视频编解码的 Python 接口，并引入基于 agent 的视频技能，帮助开发者自动配置、验证和基准测试编解码流程。该版本旨在加速 Jetson 上的 AI 应用开发，提升视频处理管线的效率和可复现性。

NVIDIA 发布 Nemotron 3.5 Lightning 30B 混合架构模型

NVIDIA 发布了 Nemotron-3.5-Lightning-30B-A3B-NVFP4 模型，采用 MoE 架构，总参数 30B，激活参数 3B，支持长达 1M 的上下文，并针对单 GPU 部署优化。该模型支持多种硬件，并提供了 DSpark 等投机解码方法以加速生成。基准测试显示其在编码和智能体任务上表现良好，模型采用 OpenMDW-1.1 许可

Nvidia发布Nemotron 3.5 Lightning：小参数高速度，性能对标GPT-oss-120b

Nvidia发布了开源权重模型Nemotron 3.5 Lightning，该模型拥有316亿总参数但仅激活36亿参数，在智能指数上达到24分，与OpenAI的gpt-oss-120b持平，但推理速度接近每秒670个token，远超同类模型。该模型在代理基准测试中表现显著提升，采用宽松的OpenMDW-1.1许可证，并提供BF16和NVFP4权重，多家云服务

Ollama v0.32.9 发布，支持 NVIDIA Nemotron 3.5 Lightning

Ollama 发布 v0.32.9 版本，新增对 NVIDIA Nemotron 3.5 Lightning 模型的支持。该模型是一个开放 30B 参数的混合专家（MoE）模型，仅有 3B 活跃参数，专为常驻 AI 代理的执行层设计，并支持 OpenClaw 和 Hermes Agent 等框架。此外，该版本还修复了 Muse Glimmer 函数调用解析器

NVIDIA 发布 Nemotron 3.5 Lightning：为长时 AI 代理提供快速精准执行

NVIDIA 发布了 Nemotron 3.5 Lightning，一个 30B 参数的 MoE 模型，仅有 3B 活跃参数，专为长时间运行的 AI 代理的高频执行任务设计。该模型支持 OpenClaw 和 Hermes Agent 等框架，并配合 NVIDIA NeMo Switchyard 进行模型路由，以及 NeMoClaw 安全与管理栈。Nemotr

另有 1 家信源报道

NVIDIA 与社区推动开源模型和智能代理发展

NVIDIA 在八月庆祝本地 AI 生态，发布多款新模型和工具，包括 Cosmos 3 Edge、MiniMax-H3、Laguna S 2.1、DeepSeek-V4-Flash、Inkling-Small、Wan-Animate-2 和 LTX-2.5，并支持 Meta 的 Muse Glimmer 模型。这些模型和工具旨在推动本地 AI 和智能代理的发

NVIDIA 发布 Nemotron 3.5 Lightning 和 NeMo Switchyard，提升代理式 AI 效率

NVIDIA 发布了 Nemotron 3.5 Lightning，一个 300 亿参数的混合专家模型，专为长时间运行的代理式 AI 工作负载设计，提供高达 4 倍的输出速度和 30% 更快的任务完成速度。同时，NVIDIA 推出了 NeMo Switchyard，一个开源模型路由库，可智能地将请求路由到最合适的模型，降低成本并保持质量。这些发布旨在为企业提

NVIDIA NeMo Switchyard：跨模型路由 AI 代理工作负载

NVIDIA 发布了 NeMo Switchyard，这是一个用于 AI 代理工作负载的模型路由库，允许开发者根据任务需求在多个模型之间路由请求，以平衡准确性、成本和延迟。该库支持多种路由算法，并提供与提供商无关的 SDK 和服务器参考实现，可接受 OpenAI、Anthropic 等 API 请求。通过智能路由，系统可以在复杂任务中使用更强大的模型，在简单

NVIDIA 发布 Magpie 多语言 TTS：开源权重，低延迟部署

NVIDIA 发布 Magpie 多语言 TTS 模型，新增阿拉伯语、韩语和巴西葡萄牙语支持，共支持 12 种语言。该模型为 3.64 亿参数的开源权重模型，可通过 NVIDIA NIM 部署，在 B200 GPU 上实现 32 毫秒的首音频延迟和 320 倍实时吞吐。通过帧堆叠和局部 Transformer 架构优化，在保持语音质量的同时降低推理延迟，适用

Meta 发布 Muse Glimmer 模型，NVIDIA 平台支持本地代理工作流

Meta 发布了 Muse Glimmer，一个 30B 参数的开源稠密模型，支持 120K+ 上下文窗口，专为本地 AI 代理工作流设计。该模型在 NVIDIA 的 GPU 平台上优化运行，单 GPU 可实现每秒 20K tokens 的吞吐量，支持全本地推理，无需模型分片或外部端点。NVIDIA 提供了多种部署选项，包括 GeForce RTX 5090