NVIDIA AI 工厂如何最大化投资回报：高产出、长寿命、通用性
NVIDIA 提出 AI 工厂投资回报取决于三个因素：每兆瓦产出能力、硬件使用寿命和 token 需求，并以 Vera Rubin NVL72 为例称其每兆瓦吞吐量比 GB300 NVL72 高 30 倍以上，在 DeepSeek V4 Pro 上每百万 token 成本最多低 45 倍。
#数据/训练
#数据/训练
今日 1 条10月1日
9月30日
NVIDIA 与 CoreWeave 将 Vera Rubin NVL72 投入生产，Cognition 为首家客户
CoreWeave 宣布 NVIDIA Vera Rubin NVL72 系统搭配 Spectrum-X 102.4T 以太网在 CoreWeave Cloud 上可用，Cognition 成为首个在生产环境运行该系统的客户。
AMD 以 82 亿美元收购世界模型初创公司 World Labs
AMD 宣布以约 82 亿美元全股票交易收购专注空间智能的初创公司 World Labs，交易预计在 2026 年底前完成，尚待监管批准。World Labs 创始人李飞飞将加入 AMD 担任执行副总裁兼首席科学家，直接向 CEO 苏姿丰汇报并负责前沿研究。
AMD 将以 82 亿美元收购李飞飞的 World Labs
AMD 宣布以 82 亿美元收购 World Labs，后者专注理解物理现实的深度学习模型，交易预计在年底前完成并需通过监管审批。World Labs 创始人李飞飞将加入 AMD 担任执行副总裁兼首席科学家，双方去年已建立推理优化与训练合作。
9月26日
特斯拉工人不愿为 Optimus 人形机器人采集训练数据
据 The Information 报道，特斯拉在得州和加州的工厂让工人穿戴记录动作的特制服装，为 Optimus 人形机器人采集模仿学习数据，但部分工人因认为机器人最终会取代自己而抱怨，特斯拉随后将数据采集转交给专门团队并设立训练中心。
9月24日
NVIDIA 联合 Google DeepMind 等开放 2800 多种病毒的蛋白复合物结构预测数据集
NVIDIA 加入由 Google DeepMind、EMBL-EBI 等组成的全球研究联盟，通过 AlphaFold Database 开放 2800 多种病毒的蛋白复合物预测 3D 结构，供任何科学家免费使用。
9月23日
NVIDIA 验证工程师 Sakeena Fiza 如何让硬件大规模成功
NVIDIA 验证工程师 Sakeena Fiza 在数据中心系统实验室负责新产品量产前的硬件验证，她最难忘的时刻之一是 NVIDIA Rubin GPU 首次在系统层面成功枚举。她将验证工作比作破案，目标是在客户发现问题之前先发现并复现问题，覆盖从托盘、机架到集群和客户 AI 工厂的全流程。
9月21日
NVIDIA 在纽约气候周展示 5 家用 AI 推进清洁能源的公司
NVIDIA 在纽约气候周重点介绍了 5 家用 AI 推进清洁能源的公司。ThinkLabs AI 的数字孪生与智能体基于 NVIDIA CUDA，帮助南加州爱迪生将电网并网申请评估时间从 30-45 天缩短到 2 分钟。
9月16日
Salesforce 发布首个 CRM 推理模型 Koa，基于 NVIDIA Nemotron 3 Super 构建
Salesforce 在 Dreamforce 上发布其首个 CRM 推理模型 Koa，基于 NVIDIA Nemotron 3 Super 后训练，训练语料为近三十年企业 CRM 部署衍生的专有合成数据集，覆盖制造、金融服务、医疗和旅游等 14 个以上行业。
Good Start Labs 如何用游戏训练 AI 模型并迁移到真实工作
Good Start Labs 将《1830》铁路桌游改造成训练环境，用 30B 模型做实验：单轮问答和多轮终端智能体两种训练设计都能提升游戏内表现，但只有终端智能体设计在 Finance-Agent 基准上取得提升。
NVIDIA 在 AI Infra Summit 发布 Vera Rubin 与 DSX 平台能效进展
NVIDIA 在 AI Infra Summit 上公布 Vera Rubin 与 DSX 平台的多项进展，重点展示每兆瓦 token 吞吐的能效优化。
7月22日
Google 承诺 4000 万美元 AI tokens 与云 credits 支持美国能源部 Genesis Mission
Google 在 DOE Genesis Mission Summit 2026 上宣布投入 4000 万美元 AI tokens 和云 credits，支持 Genesis Mission 的研究人员。
5月27日
Mistral 收购 Emmi AI 后加码工业物理 AI 研究
Mistral 收购 Emmi AI，并加倍投入面向航空航天、汽车、半导体和能源等行业的 Physics AI 基础研究。其成果包括 AB-UPT 可在单张 GPU 上处理 900 万表面单元和 1.4 亿体积单元，以及面向 3D 机翼跨音速流场的约 30,000 个 CFD 仿真样本数据集。
5月23日
Mistral 收购 Physics AI 公司 Emmi AI
Mistral AI 本周签署最终协议收购 Physics AI 先驱 Emmi AI，以强化其面向工业企业的 AI 转型服务能力。Emmi AI 成立于奥地利，团队超过 30 名研究人员和工程师，专注大型工程模型，可将多日计算替换为实时仿真并构建数字孪生，其联合创始人及团队将于 5 月加入 Mistral 的 Science 与 Applied AI 团队。
5月2日
Google Research 如何通过全球合作与开放资源推动科学影响
Google Research 披露其开源工具与开放数据集已赋能全球超 25 万名研究者和开发者。其中基因组学工具 DeepVariant、DeepConsensus、DeepPolisher 已支持处理 250 万人的外显子与全基因组，医疗基础模型 MedGemma 下载量超 480 万次。Open Health Stack 已在 10 多个国家部署，覆盖超 6500 万受益者。
3月17日
Mistral AI 加入 NVIDIA Nemotron Coalition，联合开发前沿开源模型并发布 Mistral Small 4
Mistral AI 以创始成员身份加入 NVIDIA Nemotron Coalition，双方计划联合开发前沿开源 AI 模型，Mistral AI 提供模型架构、多模态能力与微调工具，NVIDIA 提供算力、模型开发工具与合成数据管线。
7月23日
Mistral AI 发布首个 AI 模型全生命周期环境影响研究，并公开 Mistral Large 2 碳足迹数据
Mistral AI 联合 Carbone 4 和法国生态转型署（ADEME）完成首个 AI 模型全生命周期分析，并公开 Mistral Large 2 的环境足迹：截至 2025 年 1 月，训练加 18 个月使用共产生 20.4 ktCO₂e、消耗 281000 立方米水、660 kg Sb eq 资源消耗。