📰 本频道不定期推送科技数码类新资讯，欢迎关注！
©️ 发布的内容不代表本频道立场，和你意见不一样的话欢迎在评论区留言表达，但请注意言辞，面斥不雅。
‼️ 关联群组定期清理不活跃成员和僵尸号，误封请联系管理员。
🔗 博客: https://yummy.best
💬 群组: @GodlyGroup
📬 投稿: @GodlyNewsBot
🪧 广告合作： @yummybest_bot.
©️ 发布的内容不代表本频道立场，和你意见不一样的话欢迎在评论区留言表达，但请注意言辞，面斥不雅。
‼️ 关联群组定期清理不活跃成员和僵尸号，误封请联系管理员。
🔗 博客: https://yummy.best
💬 群组: @GodlyGroup
📬 投稿: @GodlyNewsBot
🪧 广告合作： @yummybest_bot.
今日，英伟达官网发文表示：英伟达、Google和Emerald AI已发起成立AI能源管理联盟（AEMA），这是一个根据电网状况动态管理数据中心电力使用的联盟。
英伟达和Emerald AI正与能源及基础设施领域的领导者合作，打造能够实时响应电网状况的AI工厂。AEMA旨在为做出可验证灵活性承诺的设施创建更快、经风险调整的并网路径。
围绕客户知识产权的“疑虑”正在加剧
据《The Information》报道，Anthropic 和 OpenAI 都面临一些大型 AI 客户的棘手质疑，原因是这些客户担心自己的专有数据会被用于训练 AI 模型。由于忧虑加剧，一些公司已开始要求相关方明确保证数据将如何处理，甚至限制员工可使用的模型及其适用任务。他们担心，自己的知识产权和内部信息可能会被用于模型训练。
这一问题可以追溯到 Anthropic 今年六月的一项政策调整。随着旗舰 Fable 模型相关政策的变化，Anthropic 现在可以保留客户数据。该公司称，这么做只是为了防止 Fable 被滥用。然而，一些企业担心，这可能导致敏感的商业数据也被纳入收集范围。
OpenAI 和 Anthropic 都表示，默认情况下，它们不会利用签订了特定企业合同的公司所提供的信息来训练模型，但事情并没有这么简单。
两家公司仍会从这些企业客户那里收集元数据。尽管外界很难得知这些元数据具体包含哪些内容，OpenAI 表示，收集元数据只是为了“更好地了解我们的服务是如何被使用的”。Anthropic 也称，它所收集的客户产品使用数据会经过汇总和匿名化处理。此外，这些元数据不会用于模型训练。
英伟达不愿确认，之前宣布将支持 DLSS 5 的游戏是否还会按计划采用这项技术。
英伟达此前表示，DLSS 5首发时只支持一款游戏，且仅适用于最新的 RTX 50 系列显卡，而且画面风格将完全由开发者掌控。
不过在官方发布之前，已经有人把泄露版 DLSS 5 移植到了几乎所有设备上，还能将各项设置拉到最高。
如今，英伟达改变了计划：英伟达发言人拉贾尔·马哈拉杰向 The Verge 证实，DLSS 5 仍会首先登陆 RTX 50 系列显卡，但之后也将正式支持更早一代的 RTX 40 系列显卡。
英伟达在声明中表示：“目前，我们的重点是优化 GeForce RTX 50 系列的性能，预计相关模型更新将在今年秋季晚些时候推出。待 RTX 50 系列的性能调校更加完善后，我们计划进一步为 GeForce RTX 40 系列提供官方支持。”
那早期的 RTX 30 系列和 RTX 20 系列 GPU 呢？一些用户也成功让 DLSS 5 在这些显卡上运行了起来——当然，如果你愿意把“帧率低得几乎没法玩，而且还经常崩溃”也算作成功的话。
既然消息已经公开，玩家能否像模组作者那样完全调节 DLSS 5 的各项滑块？英伟达给出的答案是否定的：“对玩家而言，DLSS 5 只是一个简单的开关。”该公司确认道，“更精细的画面艺术控制功能将提供给开发者，包括模型选择、结构强度、色调强度、自动遮罩，以及自定义的逐像素遮罩。”
当我们进一步询问公司能否确认该技术会登陆《刺客信条：影》《霍格沃茨之遗》《星空》《生化危机：安魂曲》以及最初公布的其他 12 款游戏时，公司只作出了如下回应：
更多游戏即将支持 DLSS 5。许多开发者正在积极进行整合，待合作伙伴敲定相关方案后，我们会及时公布新作的最新进展。
据《The Information》周三报道称，一名知情人士透露，英伟达（Nvidia）已同意以 129 亿美元收购开源人工智能模型库 Hugging Face。
如此规模的交易将成为 Nvidia 迄今最大规模的收购之一，也将凸显这家由黄仁勋领导、处于人工智能热潮核心的公司押注于该技术需求仍在扩大，而非已达到顶峰。
这还将使 Nvidia 控制 Hugging Face——该平台托管开源大型语言模型和数据集——正值 Anthropic 和 OpenAI 等闭源模型开发商寻求打造自有芯片，以替代 Nvidia 图形处理器之际。
据《The Information》本周早些时候报道，Hugging Face 的年化收入为 1.5 亿美元，这一收购价格也将与之形成巨大反差。
https://openai.com/index/jalapeno-first-results/
每颗星智卫星都将搭载英伟达Rubin GPU和Vera CPU，实现数据中心级太空计算能力。
SpaceX创始人马斯克在电话会议上表示，预计今年年底计算能力将超过2吉瓦，到明年年底，累计在线计算能力可能会是现在的数倍。
基于此，SpaceX决定完全采用英伟达的架构。马斯克称，“我们认为Vera Bubin的设计架构是最好的架构”。
此外，针对算力瓶颈，马斯克表示最大的限制因素是内存。
他表示，“内存产量每年增长约20%。通常来说，这对任何大型成熟行业来说都是惊人的速度。但请扪心自问，需求真的每年增长20%吗？不，需求每年增长200%，甚至更高。因此，如果需求增长速度远超供应，那么经济学原理告诉我们，价格应该上涨，而不是下降”。
马斯克：硬件制造除中国外无对手，将用火箭技术造数据中心
在SpaceX公布二季度财报的电话会上，SpaceX创始人马斯克在回答提问时表示，SpaceX和特斯拉是地球上硬件实力最强的两家公司，但除了中国之外。
马斯克表示，会将从火箭和卫星领域积累的专业知识应用于地面数据中心的规模化建设，“我们发现，即使将制造火箭所积累的少量经验应用到数据中心建设中，也能带来巨大的收益。” 马斯克还表示，预计未来的数据中心在电力供应和冷却能力需求将远超预期。他同时透露，已经和英伟达讨论，预计明年将获得其相当一部分GPU产能。
🗒 标签: #特斯拉 #SpaceX
📢 频道: @GodlyNews1
🤖 投稿: @GodlyNewsBot
在SpaceX公布二季度财报的电话会上，SpaceX创始人马斯克在回答提问时表示，SpaceX和特斯拉是地球上硬件实力最强的两家公司，但除了中国之外。
马斯克表示，会将从火箭和卫星领域积累的专业知识应用于地面数据中心的规模化建设，“我们发现，即使将制造火箭所积累的少量经验应用到数据中心建设中，也能带来巨大的收益。” 马斯克还表示，预计未来的数据中心在电力供应和冷却能力需求将远超预期。他同时透露，已经和英伟达讨论，预计明年将获得其相当一部分GPU产能。
英伟达、微软、Meta、IBM、Hugging Face、Mistral、a16z 和 Y Combinator 等 25 家公司与机构发布公开信，为开源模型站台。英伟达 CEO 黄仁勋将其作为自己的首条 X 帖文分享。公开信称，美国既需要顶尖闭源模型，也需要顶尖开源模型，政府不应过早限制开源 AI。
开源模型允许用户下载、检查、修改，并部署在自己的服务器。联署方认为，这能降低使用成本、避免被单一供应商锁定，也让研究人员更容易测试漏洞和改进安全。
公开信还专门为模型蒸馏辩护。它称，用一个模型的输出训练或改进另一个模型，是行业常用技术，不能与盗取闭源模型一概而论。违法获取应通过法律和商业规则单独处理。
公开信没有点名中国。但黄仁勋两天前刚公开支持 Kimi 等中国开源模型，美国政府同时指控 Kimi K3 蒸馏 Anthropic 模型，并讨论制裁和使用限制。
黄仁勋
from 动察Beating AI News
据《彭博社》报道，日本计划从英伟达采购27500枚下一代Rubin芯片，总投入达3873亿日元（约合24亿美元），用于建设大规模数据中心并开发本土机器人基础AI模型。负责统筹该项目的新成立企业Noetra Corp.已获得上述政府拨款，资金使用期限至明年3月。英伟达首席执行官黄仁勋周三表示，日本拥有众多优秀创意，但劳动力严重不足，"通过自动化、AI和机器人技术，经济可以再度腾飞。"
软银、丰田汽车旗下Preferred Networks Inc.以及NEC Corp.等数十家企业已参与Noetra的组建与运营。Noetra计划于明年3月前发布首个AI模型，并在此后数年内推出专为机器人应用场景定制的专项模型。
英伟达与海力士官宣多年合作计划，保障先进存储供应
周一，英伟达与SK海力士正式宣布建立多年期技术合作伙伴关系，双方将围绕下一代AI存储芯片展开联合研发，并锁定长期供应保障。这一合作落地，直接回应了市场对AI基础设施扩张过程中存储供应瓶颈的持续担忧。
英伟达CEO黄仁勋周日晚间在首尔与SK集团高层会面时明确表示，存储短缺局面"将持续数年"。据路透社报道，黄仁勋在与SK集团董事长Chey Tae-won等高管共进晚餐时称，"从晶圆到封装到硅光子，整个产业供应链的一切都处于短缺状态，因为需求实在太高。"
🗒 标签: #英伟达 #海力士 #存储 #芯片
📢 频道: @GodlyNews1
🤖 投稿: @GodlyNewsBot
除存储产品联合研发外，双方合作还延伸至半导体设计与制造环节。
周一，英伟达与SK海力士正式宣布建立多年期技术合作伙伴关系，双方将围绕下一代AI存储芯片展开联合研发，并锁定长期供应保障。这一合作落地，直接回应了市场对AI基础设施扩张过程中存储供应瓶颈的持续担忧。
英伟达CEO黄仁勋周日晚间在首尔与SK集团高层会面时明确表示，存储短缺局面"将持续数年"。据路透社报道，黄仁勋在与SK集团董事长Chey Tae-won等高管共进晚餐时称，"从晶圆到封装到硅光子，整个产业供应链的一切都处于短缺状态，因为需求实在太高。"
根据英伟达官方公告，此次多年期协议的核心在于将SK海力士的存储研发路线图与英伟达的AI基础设施路线图深度绑定。双方将联合开发面向英伟达Vera Rubin AI超级计算机、Vera CPU、RTX Spark个人电脑以及Jetson Thor机器人计算平台的下一代存储产品，覆盖AI基础设施、个人AI及物理AI三大市场方向。
英伟达方面在声明中强调，协议明确支持先进存储的供应保障，旨在应对先进存储产品开发周期长、制造工艺复杂、资本投入密集等结构性挑战，确保存储供应能够跟上全球AI工厂持续扩张的节奏。
库克为现任委员会主席；该委员会的定位，是帮助学院建设成为世界一流的经济管理学院。
据《金融时报》报道，黄仁勋已接受邀请，加入清华大学经济管理学院顾问委员会（Tsinghua SEM Advisory Board）。
科技圈：
• 蒂姆·库克 — 苹果 CEO（委员会主席）
• 黄仁勋 — 英伟达 CEO（新加入）
• 埃隆·马斯克 — SpaceX/特斯拉 CEO
• 萨提亚·纳德拉 — 微软 CEO
• 马克·扎克伯格 — Meta 创始人
• 迈克尔·戴尔 — 戴尔科技董事长
• 马化腾 — 腾讯董事会主席
• 马云—阿里巴巴创始人
• 李彦宏 — 百度创始人
金融圈：
• 杰米·戴蒙 — 摩根大通董事长
• 苏世民 — 黑石集团董事长
• 瑞·达利欧 — 桥水投资创始人
• 拉里·芬克 — 贝莱德 CEO
• 简·弗雷泽 — 花旗集团 CEO
路透社目前无法立即核实该报道。英伟达表示拒绝发表评论，清华大学也尚未立即回应路透社的置评请求。
服役20年的控制面板已完成现代化设计
Nvidia 的旧版“控制面板”应用会在用户电脑上继续保留，直到完成一次驱动程序的“全新安装”。
如果你确实需要使用该“控制面板”应用，仍可通过 Microsoft Store 下载，但之后不会再推出新功能或进行修复。
与此同时，英伟达发布了新的 Game Ready 驱动，版本号由590跃升至610，该驱动主要针对游戏《007 初露锋芒》进行优化。
对于 NVIDIA RTX PRO 用户而言，NVIDIA 控制面板将继续获得支持，直至我们将专业功能迁移到 NVIDIA 应用程序中。
不只是内存，几乎所有组件都在涨价
摩根士丹利估算，英伟达Vera Rubin机架售价几乎是当前GB300 Blackwell机架约400万美元的两倍。内存成本暴涨435%，PCB内容成本增加233%，MLCC增加182%，ABF基板增加82%，几乎所有组件全线上涨。但若超大规模云厂商若直接采购内存模块，机架价格可降至约670万美元。
值得注意的是，英伟达当天财报发布后股价收跌近2%，但内存相关股票却大涨6%-10%。原因正是这份报告揭示的逻辑：涨价的受益者，不只是英伟达本身。
该公告涵盖了多个英伟达 GPU 显示驱动程序的漏洞。
对 Windows 的 GeForce 用户而言，英伟达列出了内核模式驱动程序和驱动程序资源处理方面的问题，包括不当的 GPU 资源访问、检查时间使用时间（TOCTOU）漏洞，以及驱动锁泄漏。
成功利用这些漏洞可能会导致拒绝服务、权限提升、信息泄露、数据篡改或代码执行等后果，具体取决于 CVE 的类型。
英伟达将 Windows/Linux 驱动程序中最高的风险级别评定为“高”，CVSS 评分最高可达 7.8 分。
修复后的 GeForce Windows R595 驱动程序版本为 596.36 或更高版本，5月12日发布的596.49 已涵盖这些安全更新。
该公告涵盖了 Windows 和 Linux 的驱动程序。NVIDIA 同时还发布了 RTX、Quadro、NVS、Tesla、vGPU 以及云游戏（Cloud Gaming）的驱动更新信息。
DLSS 5 On！黄仁勋脱下西装穿上皮衣，在北京南锣鼓巷吃杂酱面；被路人投喂北京豆汁，面露难色；喝5分糖的蜜雪冰城
🗒 标签: #英伟达 #黄仁勋
📢 频道: @GodlyNews1
🤖 投稿: @GodlyNewsBot
英伟达康宁签长期协议，在美光纤将增产超50%
5月6日，英伟达与康宁达成了一项多年期商业与技术合作。根据协议，康宁将在北卡罗来纳州和得克萨斯州新建三座先进制造工厂，专门为英伟达生产光学连接解决方案，此举将创造超过3000个高薪岗位。
康宁计划将其在美国的光学连接制造能力提升10倍，光纤产量提升50%以上。这一扩张直接响应AI工厂建设加速带动的需求增长。两家公司表示，现代AI工作负载需要数千颗英伟达GPU，进而对高性能光纤、连接器和光子学组件提出了前所未有的需求规模。
🗒 标签: #英伟达 #康宁 #光纤
📢 频道: @GodlyNews1
🤖 投稿: @GodlyNewsBot
5月6日，英伟达与康宁达成了一项多年期商业与技术合作。根据协议，康宁将在北卡罗来纳州和得克萨斯州新建三座先进制造工厂，专门为英伟达生产光学连接解决方案，此举将创造超过3000个高薪岗位。
康宁计划将其在美国的光学连接制造能力提升10倍，光纤产量提升50%以上。这一扩张直接响应AI工厂建设加速带动的需求增长。两家公司表示，现代AI工作负载需要数千颗英伟达GPU，进而对高性能光纤、连接器和光子学组件提出了前所未有的需求规模。
Nano Omni是首个“生产级开放模型”，专为构建可扩展AI Agent设计，支持长上下文、多步骤推理以及工具调用等能力。该模型还引入GUI训练数据，使AI可以理解和操作界面元素
英伟达在公司博客宣布，推出名为Nemotron 3 Nano Omni的全新开源模型，主打“原生全模态理解+高效推理”，试图为企业级AI Agent提供一体化基础模型底座。
据英伟达介绍，已有一批AI与软件领域的公司率先采用了Nemotron 3 Nano Omni，包括Aible、Applied Scientific Intelligence (ASI)、Eka Care、富士康、H Company、Palantir 和 Pyler。此外，戴尔、DocuSign、Infosys、K-Dense、Lila、甲骨文和 Zefr 正在对该模型进行评估。
不同于传统多模态模型通常通过拼接多个子模型实现能力融合，Nemotron 3 Nano Omni强调“原生全模态（omni-understanding）”。其可同时处理文本、图像、音频甚至视频输入，并在统一架构内完成理解与推理任务。
英伟达还指出，该模型具备从视频和文档中提取信息的能力，支持复杂场景下的跨模态推理，例如通过语音转录增强视频理解，或结合OCR解析视觉文本内容。
该推理平台可同时利用英特尔 Xeon 6 系列处理器、SambaNova 的 SN50 RDU 模块以及英伟达的 GPU，以针对不同硬件优化各类工作负载
英特尔与 SambaNova 周三宣布了他们联合推出的、可投入量产的异构推理架构。
英特尔与 SambaNova 的异构推理平台把推理流程拆成不同阶段，由不同芯片各司其职：用 AI GPU 或 AI 加速器吸收长提示并构建键-值缓存；用 SambaNova 的 SN50 RDU 进行解码和生成标记；用 Xeon 6 处理器处理与智能代理相关的任务（例如编译并执行代码、校验输出），并负责在各类硬件之间协调与分配工作负载。
该方案计划于 2026 年下半年推出，面向企业、云服务提供商以及需要可扩展推理平台的主权 AI 项目，尤其适用于代码生成代理和其他代理型工作负载，并支持完全本地部署。
SambaNova 的内部数据显示，Xeon 6 在 LLVM 编译上比基于 ARM 的服务器 CPU 快逾 50%，在向量数据库负载上比竞争的 x86 处理器（如 AMD EPYC）性能最高提升约 70%。两家公司表示，这些性能提升可加快编码代理等应用的端到端开发周期。
这种可投入生产的异构推理架构的最大优势可能是：SambaNova SN50 与基于 Xeon 的服务器可以直接在能够承受 30kW 的数据中心中部署，而大多数企业数据中心都能满足这一要求。
“神经纹理压缩”演示显示，在占用 6.5GB 显存与 970MB 显存时的视觉效果几乎无异
随着游戏变得愈发复杂和逼真，该行业越来越依赖图像放大技术来满足不断增长的硬件需求。由此带来的一大问题是显存（VRAM）占用大幅增加，近年来尤为明显。
为了解决这个问题，英伟达开发了名为“神经纹理压缩”（NTC）的技术，并在今天的 GTC 演讲中再次提及了这一技术。高端显卡将能够利用英伟达的 NTC 来显著降低显存占用。
与传统的块状压缩方法不同，NTC 允许开发者在任何场景中用小型神经网络解码纹理。这样不仅能大幅缩小纹理体积，让游戏安装更省空间，还能在运行时显著降低显存占用。渲染出的纹理也更清晰，英伟达称最终画面分辨率最多可提升约 4 倍。
在演示中，英伟达运行了一个托斯卡纳别墅场景，该场景在使用标准块压缩时占用 6.5GB 的显存，但切换到 NTC 后，显存占用量仅降至 970MB，而且图像看起来完全一致。
此前，英伟达在另一个演示中展示了一个飞行头盔，其未压缩纹理占用 272MB 的空间——块压缩将其减至 98MB，但 NTC 将其进一步压缩至仅 11.37MB，比原始大小减少了约 24 倍。
英伟达还演示了“神经材质”，采用相同思路：用神经网络来评估并解压材料纹理数据，而不是依赖计算量大的 BRDF 数学。通常一个材质会叠加多张纹理贴图，GPU 在渲染管线中需要同时计算光线与每一层的相互作用。
神经材质通过让神经网络预测光线在特定场景中的表现来对像素着色。该神经网络是基于所有纹理数据进行训练的，因此它已经知道在给定光线和角度的情况下会得到什么样的结果。因此，在演示场景中，Nvidia 在 1080p 分辨率下实现了最高 7.7 倍的渲染加速，同时图像质量没有下降。
