{"source":{"id":"17109899","title":"想用3倍、4倍帧生成，必须加钱买RTX 50显卡？ 英伟达官方是这么说的。 他们把DLSS多帧生成技术，定为50系独占。…","url":"https://mubeitech.com/p/17109899"},"method":"semantic-similarity","count":5,"items":[{"rank":1,"id":"2055130148614050264","account":"mubei","brand":"@mubei","title":"英伟达刚用 4-bit 精度，跑完了一个 120 亿参数大模型的预训练。 喂进去的数据量是 10 万亿 token。 以…","summary":"英伟达刚用 4-bit 精度，跑完了一个 120 亿参数大模型的预训练。 喂进去的数据量是 10 万亿 token。 以前硅谷大厂卷模型，训练精度底线死死卡在 8-bit 甚至 16-bit。 谁都知道把数据精度再砍一半能省下海量显存。 但没人敢在预训练阶段碰 4-bit。 只要…","body":"英伟达刚用 4-bit 精度，跑完了一个 120 亿参数大模型的预训练。\n喂进去的数据量是 10 万亿 token。\n\n以前硅谷大厂卷模型，训练精度底线死死卡在 8-bit 甚至 16-bit。\n谁都知道把数据精度再砍一半能省下海量显存。\n但没人敢在预训练阶段碰 4-bit。\n只要精度压到这个级别，模型训练就会极度不稳定，直接崩溃不收敛。\n\n英伟达这次交了底牌，发了一套基于 NVFP4 格式的训练法。\n他们把解决路径拆成了具体动作。\n用随机阿达马变换把区块异常值按住。\n上二维量化控制前向和反向传播的误差。\n再配合随机舍入算法去抓取无偏梯度。\n\n这套操作做完，长程训练稳住了。\n实测跑出来的 MMLU-pro 测试成绩是 62.58%。\n作为对照，用传统 8-bit 精度跑出的基线成绩是 62.62%。\n两者只差了不到 0.05 个百分点。\n\n精度少了一半，准确率几乎毫发无损。\n这意味着同样的硬件，显存消耗直接砍半，算力性能翻了两到三倍。\n英伟达已经把核心代码在 Transformer Engine 里加了支持。\n下一代万亿参数模型的算力入场券，就这么被强行打了个对折。","category":"科技","score":83.3,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-15 06:24:35","created_at":"2026-05-15T05:36:24+02:00","url":"https://mubeitech.com/p/2055130148614050264","markdown_url":"https://mubeitech.com/p/2055130148614050264/markdown"},{"rank":2,"id":"2061509361470497138","account":"mubei","brand":"@mubei","title":"把128GB统一内存塞进轻薄本，英伟达发布 RTX Spark 超级芯片，直接重塑 Windows PC 的天花板。 里…","summary":"把128GB统一内存塞进轻薄本，英伟达发布 RTX Spark 超级芯片，直接重塑 Windows PC 的天花板。 里面装的是 Blackwell RTX GPU 和 Grace CPU。 加上这128GB的统一内存，这台机器能直接在本地跑起巨大的 AI 模型。 速度极快，且数…","body":"把128GB统一内存塞进轻薄本，英伟达发布 RTX Spark 超级芯片，直接重塑 Windows PC 的天花板。\n\n里面装的是 Blackwell RTX GPU 和 Grace CPU。\n加上这128GB的统一内存，这台机器能直接在本地跑起巨大的 AI 模型。\n速度极快，且数据完全私密。\n不再需要把敏感素材传给云端，你的笔记本就是一个算力堡垒。\n\n用 AI 创作的门槛，被直接踩平了。\n觉得 ComfyUI 节点太复杂、太反人类，可以直接让内置的 AI 代理 OpenClaw 替你干活。\n输入几句话，它自己去调参数、写提示词。\n从一张草图生成材质效果，再直接用它做起始帧生成视频，全部本地一气呵成。\n\n创作者的性能瓶颈也被碾碎了。\n靠着这巨大的内存，你能直接剪辑 12K 4:2:2 的视频。\n或者渲染高达 90GB 的巨型场景。\n在 Blender 里，有了 DLSS 4.5 光线重建技术的加持。\n你在场景里随意拖动，就能实时看到几乎等同于最终渲染的画质。\n\n至于游戏，那可是英伟达的老本行。\n《心灵杀手 2》、Pragmata 等游戏，直接在 1600p 分辨率下光追全开。\nDLSS 4.5 里的新 Transformer 模型，把环境细节拉到了新高度。\n更别说它原生支持带有反作弊系统的多人联机游戏。\n\n真正的个人计算新形态已经来了。\n不再依赖网络带宽，不再忍受云端延迟。\n装载这颗芯片的新型轻薄本和紧凑型台式机，今年秋天就会出货。\n本地算力的狂欢，正式开场。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2061535841252425750","translated_status_id":"2061535841252425750","published_at":"2026-06-01 18:54:08","created_at":"2026-06-01T20:47:19.993247","url":"https://mubeitech.com/p/2061509361470497138","markdown_url":"https://mubeitech.com/p/2061509361470497138/markdown"},{"rank":3,"id":"16749468","account":"mubei","brand":"@mubei","title":"买不起算力卡怎么办？ 英伟达连钱都替你找好了。 一个5000亿美元的融资局。 近日，英伟达跟华尔街六大资管巨头签了意向协…","summary":"买不起算力卡怎么办？ 英伟达连钱都替你找好了。 一个5000亿美元的融资局。 近日，英伟达跟华尔街六大资管巨头签了意向协议。 贝莱德、黑石、高盛、阿波罗全在名单上。 这笔钱要怎么花？ 华尔街把这5000亿借给OpenAI这样的AI客户。 客户拿这笔借款，去买英伟达的GPU。 绕了…","body":"买不起算力卡怎么办？\n英伟达连钱都替你找好了。\n\n一个5000亿美元的融资局。\n近日，英伟达跟华尔街六大资管巨头签了意向协议。\n贝莱德、黑石、高盛、阿波罗全在名单上。\n\n这笔钱要怎么花？\n华尔街把这5000亿借给OpenAI这样的AI客户。\n客户拿这笔借款，去买英伟达的GPU。\n绕了一圈，钱最终回到了英伟达的账上，顺便锁死了销量。\n\n但这5000亿真的是华尔街自己掏腰包吗？\n怎么可能。\n这些借款最终会被打包成债务，转给底层资金提供方：养老基金和保险公司。\n\n要让最保守的资金买单，就得有一个好故事。\n英伟达的话术是：GPU就像房地产，就像高速公路收费站，是能持续生蛋的基建资产。\n\n但这里藏着一个致命的期限错配。\n一条收费公路可以实打实地躺赚30年。\n而一张GPU，在算力迭代的碾压下，5年内就会贬值成废铁。\n\n用5年寿命的电子产品，去撬动需要长线回报的养老债。\n5000亿的意向已经摆上桌面了。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2087374761168941231","translated_status_id":"2087374761168941231","published_at":"2026-08-11 21:36:56","created_at":"2026-08-11T23:22:15+02:00","url":"https://mubeitech.com/p/16749468","markdown_url":"https://mubeitech.com/p/16749468/markdown"},{"rank":4,"id":"16021515","account":"mubei","brand":"@mubei","title":"一个刚毕业、在沃尔玛搬砖的程序员，凭着家里的一张 3090 Ti 显卡，把论文送进了顶级学术会议 SIGGRAPH 20…","summary":"一个刚毕业、在沃尔玛搬砖的程序员，凭着家里的一张 3090 Ti 显卡，把论文送进了顶级学术会议 SIGGRAPH 2026。 没有科研经费，没有导师，没有团队。 白天，他是沃尔玛刚入职的初级软件工程师； 晚上，他用自己那台消费级电脑，捣鼓出了这个叫 InfiniteDiffus…","body":"一个刚毕业、在沃尔玛搬砖的程序员，凭着家里的一张 3090 Ti 显卡，把论文送进了顶级学术会议 SIGGRAPH 2026。\n\n没有科研经费，没有导师，没有团队。\n白天，他是沃尔玛刚入职的初级软件工程师；\n晚上，他用自己那台消费级电脑，捣鼓出了这个叫 InfiniteDiffusion 的无限世界生成算法。\n\n开始吧。\n\n搁在以前，这几乎是不可想象的。\n图形学领域的顶级会议，过去基本是被大厂研究院、或者有几万张显卡的顶级实验室垄断。\n光是算力门槛，就能把普通人死死卡住。\n\n但这位年轻人，用实际行动证明了一件事：\nAI 图形研究的门槛，正在被开源工具链和算法方法，生生砸穿。\n\n他用的显卡是 RTX 3090 Ti。\n一张现在已经算不上最新旗舰的消费级显卡。\n他的研究方向，是用 Diffusion（扩散模型）来进行无限尺度的场景生成。\n\n虽然这目前还只是一篇学术论文，距离真正商用、无缝运行的“游戏引擎”还有很长一段路要走。\n但它的核心贡献在于，用极低的算力和极巧的算法设计，实现了无限世界的平滑生成。\n\n这给所有人提了个醒：\nAI 时代，个体创造力的解放，比手握海量算力的大厂更具颠覆性。\n当底层的开源工具和基础模型足够成熟，一个有想法的年轻人，靠着一张旧显卡，就能在卧室里撬动曾经需要整个实验室才能完成的课题。\n\n算法效率正在替代军备竞赛。\n这大概是这个时代，给普通开发者留下的最好机会。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2070486325195587860","translated_status_id":"2070486325195587860","published_at":"2026-06-26 12:36:22","created_at":"2026-06-26T14:32:59+02:00","url":"https://mubeitech.com/p/16021515","markdown_url":"https://mubeitech.com/p/16021515/markdown"},{"rank":5,"id":"2090932881119981686","account":"mubei","brand":"@mubei","title":"十年前，把两张显卡连起来跑模型，就算巨大的技术突破。 现在呢？ xAI 联合创始人吉米·巴（Jimmy Ba）透露了一个…","summary":"十年前，把两张显卡连起来跑模型，就算巨大的技术突破。 现在呢？ xAI 联合创始人吉米·巴（Jimmy Ba）透露了一个关键细节。 他们内部每个工程师手里，正同时跑着 10 到 20 个 AI 代码代理。 软件工程的最小单位，正在发生质变。 以前写代码，基本单位是“一个人”。 一…","body":"十年前，把两张显卡连起来跑模型，就算巨大的技术突破。\n现在呢？\nxAI 联合创始人吉米·巴（Jimmy Ba）透露了一个关键细节。\n他们内部每个工程师手里，正同时跑着 10 到 20 个 AI 代码代理。\n\n软件工程的最小单位，正在发生质变。\n以前写代码，基本单位是“一个人”。\n一个人对着一块屏幕，一行一行手敲。\n吉米·巴称，现在 xAI 有 90% 的工程师都在使用 AI 代理循环。\n这让他们的日常开发交付速度直接提升了 10 倍。\n\n十多年前，他跟着机器学习先驱辛顿做研究。\n熬一整个夏天写底层算子，只为了把模型塞进单张显卡里跑起来。\n后来成功把两张显卡连通，就成了轰动行业的技术跃迁。\n而今天，xAI 已经在用 11 万张英伟达 GB200 芯片协同训练下一代模型。\n\n但比算力膨胀更剧烈的，是人机协作方式的颠覆。\n按照吉米·巴的说法，日常琐碎的开发流程已经全部自动化。\n工程师不再是单兵作战的码农，而是同时指挥 10 到 20 个代码代理的现场调度官。\n软件工程的核心能力，变成了如何驾驭一支 AI 代理军团。\n\n既然算法和数据优化让模型效率提升了 10 倍，为什么还要疯狂堆 11 万张顶级芯片？\n吉米·巴给出的答案很直接。\n既然能做出聪明 10 倍的模型，为什么不去做？\n人类组织超过三层汇报就会产生严重的信息损耗，但指挥一组代理不会。\n软件工程的度量衡，彻底从“手写代码”变成了“调度代理”。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2091260490403983806","translated_status_id":"2091260490403983806","published_at":"2026-08-22 11:23:43","created_at":"2026-08-22T12:56:55+02:00","url":"https://mubeitech.com/p/2090932881119981686","markdown_url":"https://mubeitech.com/p/2090932881119981686/markdown"}]}