Reports
AI-generated structured vendor updates
英伟达DRIVE Hyperion平台获四家车企采用，加速L4自动驾驶量产
英伟达宣布其DRIVE Hyperion自动驾驶平台被比亚迪、吉利、五十铃和日产四家车企采用，将用于L4级自动驾驶量产车型。该平台基于DRIVE Thor集中式车载计算机，提供全栈感知、规划与驾驶功能。这标志着英伟达从开发平台向大规模量产应用的战略推进。
NVIDIA推出开放智能体开发平台加速物理AI应用
NVIDIA发布开放智能体开发平台，推动AI智能体从虚拟环境向物理世界操作转变。该平台旨在降低复杂任务自主系统的开发门槛，支持制造业、物流等领域的自动化进程。
NVIDIA扩展NIM微服务与数字孪生平台，强化全栈AI生态
NVIDIA推出NIM微服务，支持30+模型涵盖文本、视觉、语音和具身智能，通过AI Enterprise和云服务商提供。同步发布Omniverse Cloud数字孪生平台，集成机器人模拟与感知技术，并推出BioNeMo医疗基础模型集合。
NVIDIA发布NemoClaw推进物理AI社区生态
NVIDIA推出NemoClaw工具集，为OpenClaw开发者社区提供物理AI技术支持。该工具旨在加速机器人技术和自动化领域的现实应用落地，通过与行业领导者合作推动创新。
NVIDIA推出空间计算技术拓展AI物理应用
NVIDIA推出空间计算技术，将AI能力从数字领域延伸至物理空间和轨道环境。该技术通过实时感知、推理和行动能力，赋能机器人和实体系统在非结构化环境中运行。这是NVIDIA物理AI战略的关键步骤，旨在建立AI+机器人+空间的生态系统。
英伟达发布AI工厂参考设计与数字孪生蓝图
英伟达发布Vera Rubin DSX AI工厂参考设计与Omniverse DSX数字孪生蓝图，基于Spectrum-X以太网、Quantum-X800 InfiniBand和BlueField-3 DPU构建。该架构连接现实传感器与数字孪生，实现AI模型持续训练优化。此举将AI计算从数据中心扩展至物理世界自动化领域。
英伟达发布Cosmos世界模型套件，强化物理AI合成数据与推理能力
英伟达发布其Cosmos世界基础模型（WFM）套件的重要更新，包括Transfer 2.5、Predict 2.5和Reason 2。这些模型旨在加速生成高保真、符合物理规律的合成数据，并支持对机器人、自动驾驶等物理AI系统进行下游任务微调和推理，以解决真实世界数据稀缺的瓶颈。
NVIDIA与达索系统集成虚拟孪生与AI物理模型平台
NVIDIA与达索系统合作，将达索的虚拟孪生平台与NVIDIA加速计算、AI物理开放模型及CUDA-X和Omniverse库结合。该集成通过SIMULIA软件实现基于AI的物理行为模拟，支持多行业即时预测仿真结果。
NVIDIA提升云游戏VR性能与订阅整合
NVIDIA将GeForce NOW云游戏服务的VR流媒体帧率从60fps提升至90fps，支持Apple Vision Pro等设备；新增Xbox和Ubisoft+账户关联功能，实现游戏库同步与订阅内容显示。
英伟达发布Nemotron 3 Super，优化智能体AI推理架构
英伟达推出1200亿参数Nemotron 3 Super模型，采用混合MoE架构结合Mamba与Transformer层，实现5倍吞吐量提升。该模型专为多智能体工作流设计，支持100万令牌上下文窗口，解决任务目标漂移问题。通过开放权重和云服务部署，降低企业智能体应用门槛。
NVIDIA与Thinking Machines Lab达成千兆瓦级AI基础设施合作
NVIDIA与Thinking Machines Lab宣布部署至少一千兆瓦的下一代Vera Rubin系统，用于前沿AI模型训练。该合作体现了超大规模AI算力需求的新标杆，标志着AI基础设施向千兆瓦级部署迈进。
英伟达Jetson平台推进边缘AI开源模型本地化部署
英伟达通过Jetson边缘AI平台实现开源生成式AI模型的本地化部署，支持包括Qwen3 4B和Mistral 3在内的多种模型在边缘设备运行。平台提供从Jetson Orin Nano到Thor的完整硬件选项，集成计算与内存于SoM以简化设计。关键性能指标显示，Jetson Thor可实现52 tokens/秒的Mistral 3推理速度。
NVIDIA推出RTX PRO Server虚拟化方案优化游戏开发AI基础设施
NVIDIA发布RTX PRO Server，基于RTX PRO 6000 GPU和vGPU软件构建集中式虚拟化GPU平台。支持MIG技术将单GPU划分为48个用户实例，提升资源利用率和团队协作效率。整合AI训练与图形工作流，实现动态资源分配和跨地域开发统一。
英伟达通过ComfyUI优化与硬件协同强化AI视频生成平台
英伟达在GDC发布针对本地AI视频生成的重大更新，包括ComfyUI界面简化、NVFP4/FP8格式原生支持带来2.5倍性能提升，以及RTX Video Super Resolution节点实现高效4K超分。这些优化通过软硬件深度协同，显著降低专业AI视频创作门槛并提升效率。
NVIDIA与Thinking Machines Lab达成千兆瓦级AI基础设施合作
NVIDIA与Thinking Machines Lab建立多年战略合作，部署至少1 GW的下一代Vera Rubin系统，支持前沿AI模型训练和可规模化定制AI平台。双方将共同设计训练和推理系统，并拓宽企业及研究机构对前沿AI和开源模型的访问。
NVIDIA提出AI五层蛋糕理论定义基础设施构建框架
NVIDIA CEO黄仁勋在达沃斯提出AI发展五层架构理论，从能源基础设施、计算基础设施、AI模型、AI应用到行业AI工厂系统化阐述全栈构建路径。该框架强调生成式AI驱动的基础设施层级化协同发展，为企业AI战略提供生态视角规划基础。
ABB与NVIDIA通过Omniverse集成实现工业机器人高保真仿真
ABB Robotics与NVIDIA合作将Omniverse库集成至RobotStudio，推出RobotStudio HyperReality产品。通过USD文件导出和虚拟控制器实现99%仿真精度，支持AI训练流水线合成数据生成。该方案可降低40%部署成本并加速50%产品上市时间。
英伟达报告揭示企业AI采用成熟，开源与智能体成关键驱动力
英伟达基于全球3200多名受访者的AI现状报告显示，64%的企业已积极使用AI，大型企业采用率达76%。开源技术（85%认为重要）和智能体AI（44%已部署）成为核心趋势，推动业务增长和成本节约。
NVIDIA在CCCL库中引入浮点确定性控制层级
NVIDIA在其CUDA核心计算库（CCCL）3.1中，为CUB库的规约算法新增了单阶段API和可配置的确定性级别。用户可在“不保证”、“运行间一致”和“GPU间一致”三个级别间权衡性能与结果可复现性，并引入了基于分桶算法的可复现浮点累加器（RFA）技术。
NVIDIA将CUDA Tile编程模型扩展至Julia语言
NVIDIA通过cuTile.jl包将其CUDA Tile高级GPU编程模型引入Julia语言生态。此举旨在降低高性能GPU内核开发门槛，通过数据块抽象简化底层线程与内存管理，并保持与Python版本在语法和性能上的高度一致性。