GPU
找到 14 篇关于此标签的文章
AMD 把 ROCm 版本从 7 跳到 10 — 一个月一更，这是抢市场节奏
ROCm 是 AMD 抗衡英伟达 CUDA 的开源计算平台。版本从 7.14 直接跳到 10.0，发布间隔仅一个月。这件事值得关注：AI 算力垄断格局可能出现松动。
GPU 堆到几十万张后，瓶颈变成了网线 — NVIDIA 想重做这件事
NVIDIA 发布 Spectrum-X 专用网络平台，瞄准 AI 大模型训练的连接瓶颈。当模型规模膨胀到几十万张 GPU 协同，传统以太网被推到临界点。这不只是技术升级，是 AI 基础设施话语权的重新划分。
浏览器可直接调度GPU了 — WebGPU正在为网页端AI跑通底层链路
WebGPU是新一代浏览器标准，让网页JS可以直接调度本地GPU的并行计算能力。主流浏览器近两年陆续落地支持，这为浏览器内置AI推理等重负载场景打通了底层通路。
在家跑大模型卡在机箱尺寸上 — 本地 AI 离「开箱即用」还远
本周 Reddit 一则装机求助引发讨论：玩家想把 3090+3070 双卡塞进 B450 主板跑本地大模型，被卡槽间距挡住。背后是消费级本地 AI 部署的真实门槛。
NVIDIA 把资产聚类塞进 GPU — 量化基金的算力军备赛还在继续
NVIDIA 本周发布 AdaptGrow 工具，把金融产品按行为相似度分组这件事从 CPU 搬到 GPU。我们关心的是：当所有人盯着大模型时，金融基础设施的算力竞赛并未降温。
英伟达把自家 GPU 文档做成 AI 可调用的标准模块 — 大模型拼'能干活'的时代来了
英伟达这周上线官方托管的 CUDA MCP，让 AI 助手能直接搜最新 GPU 编程文档、写优化代码、分析性能。值得关心的是：MCP 这种'AI 调外部工具'的统一协议被头部厂商接受，未来大模型拼的不只是聪明，而是能不能真的接入真实世界的资源。
DeepSeek 在 16 张消费级显卡上跑通了 — 本地部署前沿大模型的门槛塌了
海外技术社区本周出现一份详细方案：用 16 张 RTX 5060 Ti 拼出机器本地运行 DeepSeek 模型，成本只有专业卡的六成。我们关心的不是 DIY 项目本身，而是它代表的方向——大模型私有化部署的硬件门槛正在快速下移。
NVIDIA 把科研级数据分析提速几十倍 — 多卡背后是更深的企业算力账
NVIDIA 这周把 UMAP（一种把高维数据压到二维平面、用于可视化和特征提取的数学方法）搬上多 GPU 并行框架，速度提升几十倍。对企业来说，这意味着以前跑不动的数据分析任务现在能跑了 — 但代价是对英伟达的算力绑定又深了一层。
二手 AI 硬件一周涨 8% — 算力紧张开始烧到个人买家
澳洲 eBay 上有人目睹 AI 计算硬件一周内涨价 8%。这不是孤例 — 个人买家被算力稀缺卡脖子，意味着高端算力的供需失衡已从企业层传导到消费层。
同一集群仅改调度顺序多挤出 33% 利用率 — 但别急着欢呼
Hugging Face 博客上一篇来自 Dharma-AI 的技术分享抛出一个反直觉数字：同一组 GPU，什么硬件都没换，只调整任务调度顺序，集群利用率就提升了 33 个百分点。这事值得关心，因为它意味着 AI 算力荒的另一面，可能是大量闲置。
AI 推理账本重写：NVIDIA Dynamo 1.0 押注 Agent 时代
我们注意到 NVIDIA 把 Dynamo 推理平台推到 1.0 正式版——表面是技术升级，背后是 AI 算力计费方式的转向：从'GPU 小时'走向'Agent 任务'。
英伟达真正值钱的不是更快的芯片 — 是二十年没人敢换的那套软件
英伟达从 1993 年加州一家快餐店诞生的显卡公司，成长为市值万亿的 AI 算力霸主。这条路靠的不是芯片更快，而是 2006 年开始铺、二十年没人敢换的软件生态。理解它，是看懂 AI 算力为什么这么贵的前提。
5090 之后再等五到十年，GPU 三倍性能才到 — 但功耗可能先撑不住
Reddit 网友算了笔账：2009 到 2025 年英伟达消费级 GPU 每代性能平均涨 50%。按此推算，要做出 RTX 5090 三倍性能的下一代 GPU，最早 2029 年，最晚 2038 年。同时功耗也在涨。
GPU 跑 Agent 利用率仅三四成 — 专用推理芯片的窗口正在打开
YC 指出当前 GPU 跑 Agent 工作流利用率仅 30-40%，根因是芯片架构与 Agent 循环分支模式错配。专用推理芯片的创业机会由此而生，但生态锁定与需求演化仍是硬风险。