nvidia

云卷云舒___________

月之暗面Kimi K3发布2.8万亿参数模型、NVIDIA开源RTEB榜首嵌入模型、谷歌Gemini 3.5 Pro继续推迟 | 7月17日 AI日报💡 今日趋势速览：月之暗面发布2.8万亿参数Kimi K3模型，NVIDIA开源RTEB榜首嵌入模型，谷歌Gemini 3.5 Pro旗舰模型推迟发布。

一次重装 Ubuntu 系统经验操作记录以前只用 PE 系统装过 Windows，但是没有装过 Linux 发生这件事情的时候感觉慌死了，后来感觉其实也还好！

【kubernetes】Node Feature Discovery 0.20.0-devel 源码深度解析 — 第四卷：CLI入口、工具链与全局架构总结文档卷次: 第四卷（共四卷）覆盖模块: cmd/ 全部入口、pkg/utils/、pkg/features/、pkg/client-nfd/compat/、pkg/kubectl-nfd/、pkg/cpuid/、pkg/version/

nvidia 显卡架构 Hopper、Ada 和 Blackwell 这些名字有啥规律或者意义吗NVIDIA 这些架构名字（Hopper、Ada、Blackwell）其实没有像 CPU 那样的技术含义（比如 Zen、Core），主要是 NVIDIA 给 GPU 微架构起的代号（codename），规律主要来自“致敬计算机科学/工程领域的重要人物”。

HyperAI超神经

数据集汇总丨英伟达开源Nemotron系列数据集，超10T tokens+40M 条后训练样本，覆盖数学推理/代码生成/多语言对话训练数据正在成为大模型竞争的关键变量。当参数量不再是唯一壁垒，数据的质量、结构与任务适配性，开始决定模型在推理、代码、交互等维度上的真实表现。

该用户已不存在

英伟达开放 GLM-5.2 API 端点，免费的！一篇文章告诉你怎么零成本接入GLM-5.2 的免费 API 并不是由智谱直接提供的，而是托管在英伟达的 build.nvidia.com 开发者平台上。支持中国大陆手机号注册，兼容 OpenAI 格式，可接入 Claude Code、Cursor、VS Code 等主流开发工具。本文详细记录从注册到接入的完整流程，并提供代码示例和多种接入方式的对比。

明月醉窗台

C++ tensorrt部署时打包需要的依赖库

DriveOS/SIPL 相机模组适配目标：看完后，知道适配一个新相机模组时该创建/修改哪些文件、每类文件负责什么、验证路径是什么。很多工程师第一次接触 DriveOS/SIPL 相机适配，会直接问：

NVIDIA智能汽车技术实战营笔记——Alpamayo2026年1月5日，拉斯维加斯CES展台上，NVIDIA发布了一款名为Alpamayo-R1的自动驾驶模型。彼时，大多数人仍将其视为又一篇“VLA（视觉-语言-动作）论文的工程实现”。但随后半年间，这个模型以惊人的迭代速度完成了从10B到32B、从单前向到360°全景、从开环预测到闭环强化学习的三级进化，悄然重塑了端到端自动驾驶的技术版图。

Azure Local GPU 部署与企业应用场景指南（下篇）文档定位：下篇（讲清 "Azure Local 上 GPU 如何真正部署、运维、应用、被 NVIDIA vGPU License 约束、参考资料"。

Azure Local GPU 部署与企业应用场景指南（上篇）文档定位：上篇讲清 "Azure Local 跑 GPU 的全部前提与底座"——从概念、硬性约束、支持矩阵到 OEM 集成上下文与 AKS Arc GPU 池。

菜地里的小菜鸟

Nvidia L20安装驱动（ubuntu 24.04）1.访问 NVIDIA 官方驱动下载页：直接访问 NVIDIA 官方驱动下载页面： https://www.nvidia.com/Download/index.aspx?lang=en-us

AI 能赚钱了——但赚的不是你6 月 24 日在英伟达年度股东大会上说："AI 投资回报率的问题，已有答案。"他没说错。但他算的是他自己的账。

AI Infra 硬件体系与编程模型：17. CUDA编程基础：底层驱动 API 调用在CUDA开发的入门阶段，我们接触的几乎都是Runtime API（运行时API）：cudaMalloc、cudaMemcpy、<<<>>>核函数启动……这些接口简单易用，几行代码就能跑起一个GPU程序。但很多人不知道，Runtime API 只是一层封装，它的底层是更基础、更灵活的 Driver API（驱动API）。

AI Infra 硬件体系与编程模型：14. CUDA编程基础：事件与精确性能测量在之前的系列文章中，我们学习了CUDA的核函数、内存模型、共享内存优化和CUDA流技术。但所有这些优化都建立在一个前提之上：我们能够精确地测量程序的性能。

推理部署---CUDA 执行模型（SM、Block、Warp 与 SIMT）CUDA（Compute Unified Device Architecture）是NVIDIA推出的通用并行计算平台和编程模型，其核心设计哲学是单指令多线程（Single-Instruction Multiple-Thread, SIMT），通过将计算任务分解为大量轻量级线程，利用GPU的大规模并行计算能力加速应用程序。

AI Infra 硬件体系与编程模型：15. CUDA编程基础：混合精度计算在CUDA性能优化的进阶路径上，混合精度计算是一道必须跨过的门槛。从AI大模型训练到高性能科学计算，混合精度已经成为工业界的标准配置——它能在几乎不损失最终精度的前提下，将矩阵运算性能提升数倍，同时显存占用减半。

3B 参数，毫秒级响应：LocateAnything 如何重新定义开放世界目标检测来自 NVIDIA 的新作，LocateAnything-3B，主打视觉语言定位。说实话，看到「3B」这数字我第一反应：能有多能打？结果一看介绍，直接破防了。

ROS 2 与 Isaac Sim 联合仿真（一）体系架构、环境选型与基础通信闭环ROS 2 与 NVIDIA Isaac Sim 的联合仿真，本质上是将机器人软件系统与高保真物理仿真平台解耦后重新闭环。Isaac Sim 负责构建真实感场景、机器人动力学、物理交互、传感器渲染与合成数据生成；ROS 2 负责承载通信中间件、导航、定位、运动规划、控制、日志、调试以及真实机器人软件栈。二者通过 Isaac Sim 的 ROS 2 Bridge 建立通信，使仿真环境能够像真实机器人一样向 ROS 2 发布 /clock、/tf、/joint_states、/odom、相机、LiDAR、IM