新 聞①： 英偉達：計劃于 7 月開源全球最先進的物理引擎 Newton

5 月 19 日消息，在今日的臺北電腦展 2025 主題演講中，英偉達 CEO 黃仁勛表示，在物理世界中制造機器人“不切實際”，必須在遵循物理定律的虛擬世界中訓練它們。

英偉達與 DeepMind 和 Disney Research 研究合作開發了“全球最先進的物理引擎 Newton”，計劃于七月開源。

Newton 完全支持 GPU 加速，具有高度可微性和超實時操作能力，能夠通過經驗實現有效學習。其正在將該物理引擎整合進 Nvidia 的 ISAAC 模擬器，這一整合能夠以真實的方式讓這些機器人“活”起來。

IT之家從演講獲悉，黃仁勛還公布了NVDIA Isaac GROOT 開放式人形機器人開發平臺，包括開源基礎模型等。

黃仁勛還透露，英偉達正在將其 AI 模型應用于自動駕駛汽車，與梅賽德斯在全球范圍內推出一支車隊，使用端到端自動駕駛技術，今年即可實現。

原文鏈接：https://m.ithome.com/html/854101.htm

很難想象NVIDIA會走向開源大軍，但其實這也正常，NVIDIA若要鞏固其領先地位，自身生態的領先和穩固是最重要的。在美出口限制與NVIDIA利益相沖突的情況下，軟件上的開源推廣會比硬件的銷售更重要也更易于執行。而現在，NVIDIA的物理引擎 Newton將在7月份正式開源，還公布了 NVDIA Isaac GROOT 開放式人形機器人開發平臺。在這樣的開源動作下，NVIDIA的AI影響力可能還會進一步提高。

新 聞 ②：英偉達推出 NVLink Fusion：對外授權互聯 IP，支持半定制 AI 基礎設施

5 月 19 日消息，英偉達 CEO 黃仁勛在今日發表的 COMPUTEX 2025 臺北國際電腦展主題演講中宣布推出 NVLink Fusion，將已在全英偉達方案 AI 生態內得到廣泛驗證的 NVLink 高速互聯擴展到更廣領域。

NVLink Fusion 的出現意味著客戶可構建英偉達 + 第三方的半定制混合 AI 基礎設施，搭載 NVLink Fusion IP 的 ASIC、CPU、加速器能與英偉達第一方硬件無縫通信。

IT之家獲悉，英偉達此次列出的 NVLink Fusion 合作方包括 AIChip（世芯電子，ASIC 設計企業）、AsteraLabs、Marvell、富士通、聯發科、高通、Cadence、Synopsys。

黃仁勛特別提到，富士通和高通將設計搭載 NVLink Fusion IP、適用于英偉達生態系統的 CPU。

原文鏈接：https://m.ithome.com/html/854106.htm

另外，NVIDIA硬件獨有的高速互聯技術NVLink，也被NVIDIA放了出來，推出了開放授權的NVLink Fusion技術。這意味著NVIDIA芯片與其他AI芯片的高速互聯成為了可能，而NVIDIA也宣布富士通和高通將設計搭載 NVLink Fusion IP、適用于英偉達生態系統的 CPU，會成為最早的一批合作者，這種技術倒確實是有不小的應用前景啊。

新 聞 ③ ： 英偉達合作推出 Fast-dLLM 框架，AI 擴散模型推理速度最高飆升 27.6 倍

6 月 3 日消息，科技媒體 marktechpost 昨日（6 月 2 日）發布博文，報道稱英偉達聯合麻省理工學院（MIT）、香港大學，合作推出 Fast-dLLM 框架，大幅提升擴散模型（Diffusion-based LLMs）的推理速度。

擴散模型被認為是傳統自回歸模型（Autoregressive Models）的有力競爭者，采用雙向注意力機制（Bidirectional Attention Mechanisms），理論上能通過同步生成多個詞元（Multi-token Generation）加速解碼過程。

不過在實際應用中，擴散模型的推理速度往往無法媲美自回歸模型，每次生成步驟都需要重復計算全部注意力狀態，導致計算成本高昂。此外，多詞元同步解碼時，詞元間的依賴關系易被破壞，生成質量下降，讓其難以滿足實際需求。

IT之家援引博文介紹，英偉達組建的聯合團隊為解決上述瓶頸，研發了 Fast-dLLM 框架。該框架引入兩大創新：塊狀近似 KV 緩存機制和置信度感知并行解碼策略。

KV 緩存通過將序列劃分為塊（Blocks），預計算并存儲其他塊的激活值（KV Activations），在后續解碼中重復利用，顯著減少計算冗余。其 DualCache 版本進一步緩存前后綴詞元（Prefix and Suffix Tokens），利用相鄰推理步驟的高相似性提升效率。

而置信度解碼則根據設定的閾值（Confidence Threshold），選擇性解碼高置信度的詞元，避免同步采樣帶來的依賴沖突，確保生成質量。

Fast-dLLM 在多項基準測試中展現了驚人表現。在 GSM8K 數據集上，生成長度為 1024 詞元時，其 8-shot 配置下實現了 27.6 倍加速，準確率達 76.0%；在 MATH 基準測試中，加速倍數為 6.5 倍，準確率約為 39.3%；在 HumanEval 和 MBPP 測試中，分別實現了 3.2 倍和 7.8 倍加速，準確率維持在 54.3% 和基線水平附近。

整體來看，Fast-dLLM 在加速的同時，準確率僅下降 1-2 個百分點，證明其有效平衡速度與質量。這項研究通過解決推理效率和解碼質量問題，讓擴散模型在實際語言生成任務中具備了與自回歸模型競爭的實力，為未來廣泛應用奠定了基礎。

原文鏈接：https://m.ithome.com/html/857949.htm

最后，NVIDIA再度與多家高校合作，推出了Fast-dLLM 框架，其AI 擴散模型推理速度最高提升27.6 倍。而在此之前，NVIDIA就已經與其他合作伙伴一起推出了開源模型 Llama-Nemotron，也是當前最強的AI模型之一，但也并未用上Fast-dLLM 框架，而是Puzzle 框架，或許新架構的潛力會更大！

【新】電腦吧評測室QQ一群：1031441642

文章轉載自網絡（鏈接如上）。文章出現的任何圖片，標志均屬于其合法持有人；本文僅作傳遞信息之用。如有侵權可在本文內留言。

引用文章內容與觀點不代表電腦吧評測室觀點。