全部 AI 精选，可按分级、类型、是否付费、收录时间筛选，按关键词搜索。
In-region inference, open models, and new European infrastructure for sovereign AI.
Mistral 于 2026 年 8 月 11 日发布的公司博客文章。文章提出让企业和国家掌控所用模型、选择智能运行地点、控制算力规模并保留其累积价值，并宣布三项具体举措：扩大开放模型获取、推出区域端点和优先级分层，以及组建联盟以保障欧洲长期 AI 算力容量，计划到 2030 年建成最高 1 GW 算力。适合关注 AI 主权、区域合规与欧洲 AI 基础设施的读者。
GTC Berlin 2026: Live Updates From NVIDIA CEO Jensen Huang’s Keynote
这是 NVIDIA 官方博客对 GTC 柏林 2026 主题演讲的实时报道。文章介绍大会在柏林举行、为期三天、包含 100 多场关于智能体 AI、机器人、物理 AI、开放模型与加速计算的会议，并记录黄仁勋开场提到多家欧洲企业与 NVIDIA 的 AI 合作、公司对欧洲技术生态近 100 亿美元的投入，以及“AI 五层蛋糕”的表述。
NVIDIA Advances Agentic Security for Media, From European Public Service Broadcasting to Global Content Production
这是 NVIDIA 博客文章，介绍在柏林一场由 Adobe、Bertelsmann、NVIDIA 和 UFA 合作举办的创意产业活动上公布的进展。主要内容是欧洲广播联盟（EBU）与 NVIDIA 合作，在去年提出的主权标准基础上引入主权云服务商、开放模型开发者和系统集成商，界定广播机构部署智能体时的数据、基础设施、模型与安全控制方式；同时 Adobe Frame.io 借助 NVIDIA GPU 加速视频智能体搜索，供德国影视制作公司 UFA 使用。适合关注媒体行业智能体部署与数据主权议题的读者。
Bringing the Spark to Europe: Local Intelligence Powers Next Wave of Agents
这是 NVIDIA 官方博客的一篇文章，汇总其在柏林 GTC 上公布的本地 AI 硬件与软件动态。文中提到面向 Windows PC 的 RTX Spark、面向 Linux 开发者的 DGX Spark 以及面向企业前沿负载的 DGX Station（Windows 版将于 12 月推出），并列出 DGX Spark 软件更新、NVIDIA Sync、开源机器人参考工作流、新模型支持与推理引擎加速等多项发布。
Europe’s Industrial Leaders Reinvent Engineering and Manufacturing With NVIDIA
这是 NVIDIA 博客文章，介绍欧洲工业企业将 NVIDIA CUDA-X、Omniverse 库以及 Cosmos、Nemotron 开放模型用于工程与制造全流程。文中提到 NVIDIA Factory Operations Blueprint（FOX）已在 GitHub 开放早期访问，供开发者构建协调机器作业的工厂管理智能体和视觉检测、根因分析、报告生成、车队管理等专用智能体；西门子正将基于 FOX 构建的智能体集成进其 Intelligence Center X，并称预计可节省约 20% 成本。适合关注工业智能体与制造业数字化的读者。
NVIDIA Confidential Computing Expands, Enabling Frontier Model Builders to Securely Scale Across Global Infrastructure
这是 NVIDIA 博客文章，介绍 NVIDIA 机密计算的扩展。文中提到 NVIDIA OpenShell 参考架构，以及新增的 Confidential Bare Metal 部署选项，使前沿模型构建者可在第三方专用基础设施上运行敏感工作负载，同时保留对模型和数据的控制。文章还介绍新的平台安全控制，用于保护传输中的数据、度量平台完整性并实施硬件级访问限制；指出机密计算现提供裸金属、Kubernetes 容器和虚拟机三种部署选项。适合关注模型训练与部署基础设施安全的企业与开发者读者。
NVIDIA Agent Toolkit Expands, Grounding Enterprise Agents in Company Data
英伟达博客文章，介绍开源 NVIDIA Agent Toolkit 的扩展。文中列出该工具包的组成：含 CUDA-X 库和新 Auto-Ontology 库的 Agent Knowledge Foundation、Nemotron Retriever 与 Kumo 系列开放模型、OpenShell 安全运行时、NemoClaw 安全蓝图，以及 NeMo Relay、NeMo Compass 等工具；并说明企业可在不迁移数据、不重建工作流、不改治理控制的前提下将公司数据转化为智能体可用的信息。
NVIDIA Open Models Advance Europe’s Sovereign Intelligence Across Industries
英伟达博客文章介绍其扩展中的开放模型系列，覆盖语言、机器人、生物和量子计算等方向。文中列举了 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever、Kumo 系列、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo 和 Ising 等模型，并称这些模型可让机构用本地数据定制、部署在自有基础设施上。文中还提到 Nemotron 模型由包含 Black Forest Labs、H-Company、Mistral 等欧洲伙伴的 Nemotron 联盟提供数据与研究支持。
NVIDIA Cosmos Opens New Tools to Train, Evaluate and Deploy World Models
这是 NVIDIA 博客文章，介绍 Cosmos 平台的扩展，包括新的训练工具、仿真检查点和 Cosmos Data Factory 蓝图，用于帮助开发者构建理解并模拟现实世界的世界模型，服务于物理 AI 系统。文中提到 Cosmos Curator 新增多模态多感官输入支持，并列出五个云原生蓝图，如自动驾驶数据集生成、图像属性增强、事件视频生成、缺陷图像生成等，可通过 GitHub、Microsoft Azure、Nebius 和 CoreWeave 获取。适合从事世界模型与物理 AI 数据工作的开发者读者。
An Organizational Second Brain: Building an AI That Learns From Experts
这是 Meta 工程博客的一篇文章，介绍其构建的一个充当特定领域“次级专家”的 AI 智能体，旨在让深度专业知识在组织内可供任何人获取、共享和积累。文中称其新颖之处在于两层设计：一是结构化的、可审计的知识架构，将智能体“知道什么”与“如何推理”分开；二是一个自我改进闭环，把专家反馈编译为经过验证和回归测试的更新，而无需重新训练模型。文章表示该模式设计上可推广到以可检索文本（而非模型权重）为治理依据的其他领域，并可节省领域专家大量时间；文中以合规领域为例，说明专家知识多存在于个人头脑中、同类问题在数百次产品审查中反复出现、评估耗时且不一致等组织性问题。
GEM Training: How Meta Doubled the Efficiency of Its LLM-Scale Ads Foundation Model
这是 Meta 工程博客的一篇文章，介绍其生成式广告推荐模型 GEM（支撑 Instagram 与 Facebook 广告推荐的基础模型）如何在数千块最新一代 GPU 上以 LLM 规模训练。文中称通过协同设计内核、精度、并行、网络和内存，端到端训练效率翻倍至 20–25% MFU，同时在 12 个月内把训练 FLOPs 扩大 4 倍。文章指出该模型结合混合架构与推荐领域数据特性，与典型 LLM 负载不同，因此为 LLM 训练优化的内核、并行策略和低精度方案不能直接套用；具体手段包括面向推荐负载定制的内核库（如 Jagged Flash Attention、Generalized Dot-Product Attention、BlockAttention）和混合超低精度训练（包括 MXFP8 注意力与 MLP），以及拓扑感知的 5D 并行等扩展效率优化。
The Thin Orchestrator: How We Made Our AI Agents More Reliable by Giving the Router Less to Do
这是 Meta 工程博客的一篇文章，介绍其数据管道代理采用的“薄编排器”模式：一个约 1300 行的编排器把 20 多个工作流路由给 14 个专用代理，自身不承担任何领域推理，只负责排序和可靠性检查。文章描述了早期“全能型单一代理”在生产环境中出现幻觉的问题，以及转向该模式后在效率和准确率上的变化。