数据科学

2025年 12月 17日

使用 NVIDIA cuDSS 解决大规模线性稀疏问题

随着芯片设计、制造和多物理场仿真复杂性的持续提升，在电子设计自动化（EDA）、

5 MIN READ

2025年 12月 17日

利用 Aether 项目将 Apache Spark 工作负载在 Amazon EMR 上大规模迁移至 GPU

数据是现代业务的燃料，但依赖基于 CPU 的 Apache Spark 管道会带来高昂的成本。这些系统天生速度较慢，需要庞大的基础设施，

3 MIN READ

2025年 12月 5日

NVIDIA Kaggle 大师夺冠人工智能竞赛

NVIDIA 的研究人员在周五的 Kaggle 竞赛中拔得头筹，这一赛事被业界许多人视为对人类在人工智能（AGI）领域进展的一次实时检验。

1 MIN READ

2025年 12月 4日

专注于你的算法——让 NVIDIA CUDA Tile 来处理硬件细节

NVIDIA CUDA 13.1 推出 NVIDIA CUDA Tile，这是自 2006 年 NVIDIA CUDA 平台发明以来，

2 MIN READ

2025年 12月 4日

在 Python 中借助 NVIDIA CUDA Tile 简化 GPU 编程

NVIDIA CUDA 13.1 版本新增了基于 Tile 的GPU 编程模式。它是自 CUDA 发明以来 GPU 编程最核心的更新之一。

2 MIN READ

2025年 12月 4日

NVIDIA CUDA 13.1 引入 NVIDIA CUDA Tile 等新功能，为下一代 GPU 编程提供更强动力

NVIDIA CUDA 13.1 是自 CUDA 二十年前发明以来，规模最大、内容最全面的一次更新。最新的版本包含一系列新功能与改进，

1 MIN READ

2025年 11月 24日

模型量化：核心概念、实现方法与关键作用

随着 AI 模型日益复杂，往往超出可用硬件的承载能力，量化技术已成为应对这一挑战的关键手段，使资源密集型模型得以在受限的硬件上运行。

5 MIN READ

2025年 11月 19日

借助 BroRL 中的扩展功能突破强化学习训练限制

在使用可验证奖励的强化学习（RL）训练大语言模型（LLM）时，一个极具挑战性的问题是如何突破性能瓶颈。

2 MIN READ

2025年 11月 10日

如何将数学问题的推理速度提升 4 倍

大语言模型能够解决具有挑战性的数学问题。然而，若要实现其大规模高效运行，仅依靠一个强大的模型检查点还远远不够。

3 MIN READ

2025年 11月 10日

使用 GPU 加速的 Polars DataFrame 训练 XGBoost 模型

PyData 生态系统的一大优势在于其出色的互操作性，能够支持数据在专注于探索性分析、模型训练与推理的各类库之间无缝流转。

2 MIN READ

2025年 11月 7日

构建交互式AI智能体，加速机器学习任务

在开始分析之前，数据科学家通常需要投入大量时间清理和准备大型非结构化数据集，这一过程对编程与统计专业知识要求较高。特征工程、

2 MIN READ

2025年 11月 6日

利用 NVIDIA cuVS 加速 Faiss 中的 GPU 向量搜索

随着企业收集的非结构化数据日益增多，并更加广泛地应用大语言模型（LLM），对更高效、更具可扩展性系统的需要也愈发迫切。

5 MIN READ

2025年 11月 5日

使用 PyTorch 和 NVIDIA BioNeMo Recipes 扩展生物学 Transformer 模型

训练拥有数十亿乃至数万亿参数的模型依赖于先进的并行计算技术。研究人员需要在不牺牲计算速度和内存效率的前提下，合理组合并行策略，选用高效加速库，

2 MIN READ

2025年 11月 4日

如何使用 OpenFold3 NIM 预测生物分子结构

几十年来，生物学中最深奥的谜题之一，便是氨基酸链如何自发折叠成复杂而精密的生命结构。尽管研究人员精心构建了各种模拟与统计模型，

2 MIN READ

2025年 10月 28日

隆重推出用于 RNA 设计和分析的 CodonFM 开放模型

开放式研究对推动创新至关重要，AI 与科学领域的众多突破正是通过开放式协作实现的。在数字生物学研究领域，

3 MIN READ

2025年 10月 24日

NVIDIA DGX Spark 的性能如何支持密集型 AI 任务

当今，要求严苛的 AI 开发者工作负载通常需要比台式电脑所能提供的内存更多，也往往需要访问笔记本电脑或 PC 所不具备的软件，

2 MIN READ