导读 过去两年，小语言模型（SLM）在业界备受关注：参数更少、结构更轻，理应在真实部署中 “更快”。但只要真正把它们跑在 GPU 上，结论往往令人意外 —— 小模型其实没有想象中那么快。
今年，流匹配无疑是机器人学习领域的大热门：作为扩散模型的一种优雅的变体，流匹配凭借简单、好用的特点，成为了机器人底层操作策略的主流手段，并被广泛应用于先进的 VLA 模型之中 —— 无论是 Physical Intelligence 的 ，LeRobot 的 SmolVLA, 英伟达的 GR00T 和近期清华大学发布的 RDT2。
一夜之间，芯片圈子简直大地震—— 英伟达正式宣布，50亿美元入股（每股23.28美元）“老对手”英特尔！英伟达正式宣布，50亿美元入股（每股23.28美元）“老对手”英特尔！
黄仁勋正在像押注OpenAI一样在中国押注未来的具身智能巨头。 英伟达给刚创办的OpenAI送超算这个事已经被大家津津乐道，现在他们正在把这个经验复用到机器人领域。
一波未平，一波又起。 英伟达Triton推理服务器，被安全研究机构Wiz Research曝光了一组高危漏洞链。
在 3D 重建领域，无论是 NeRF 还是最新的 3D Gaussian Splatting（3DGS），在生成逼真新视角时仍面临一个核心难题：视角一旦偏离训练相机位置，图像就容易出现模糊、鬼影、几何错乱等伪影，严重影响实际应用。
根据去年2024年7月28日Meta公司在训练大模型（Llama 3）时使用“16384 个 英伟达H100 GPU 集群”的经验，该显卡在高负载、大规模集群运行环境下容易出现以下故障点：
本文介绍了 FoundationStereo，一种用于立体深度估计的基础模型，旨在实现强大的零样本泛化能力。
微软、谷歌、 英伟达等科技巨头加码 AI 的野心人尽皆知，但跑得快并不一定能吃上肉。从几家公司刚刚发布的Q4季度报看，有的已经享受到AI带来的红利，有的仍在为AI铺路，甚至不惜壮士断腕。
英伟达正式发布针对中国市场的4090 D，性能砍了10%，价格却没降。不过重要的是，又能买到英伟达的旗舰显卡了。
