ABB与NVIDIA合作，将工业级物理AI引入工厂，通过整合NVIDIA Omniverse库到RobotStudio，实现高精度仿真，降低工程时间和部署成本。新产品RobotStudio HyperReality预计于2026年下半年推出，已有富士康等多家客户参与测试，旨在缩短生产线设计时间，提高自动化精度。

原力灵机 DM0 模型通过 MemoryVLA 和 Real-time VLA 技术，获得 NVIDIA 和 Pi 的认可，显著提升了机器人的智能和反应速度，有效解决了记忆与速度问题，推动了机器人智能的发展。

NCA-AIIO认证是验证AI计算基础概念的入门级证书。freeCodeCamp.org的YouTube频道提供了Andrew Brown开发的课程，涵盖加速计算、AI、机器学习和深度学习等主题，帮助考生通过认证考试。

在预填充阶段，模型处理输入提示并为每个标记建立内部记忆，计算量大，且随着输入序列长度平方增长。对于长上下文任务，预填充可能占总推理成本的大部分，因为模型需要计算每个标记与其他标记的自注意力分数。

自主网络正从愿景转向电信运营商的实际需求。NVIDIA报告指出，网络自动化是AI投资的首要应用。自主网络需理解运营商意图并做出决策，NVIDIA推出开放的LTM模型和节能蓝图，助力运营商实现自主运营。

AI-RAN正从实验室走向实际应用，NVIDIA与诺基亚在MWC前宣布与多家电信运营商合作，推动AI原生无线网络的发展。T-Mobile和软银等公司已实现商用部署，展示了高效的5G性能和新应用。预计MWC将展示三倍于去年的新技术，助力未来安全、开放的AI原生6G系统。

随着技术数字化，工业控制系统（ICS）越来越依赖企业网络和云，面临网络安全威胁。NVIDIA与多家网络安全公司合作，推动OT网络的零信任安全模型，以确保实时威胁检测与响应，提升关键基础设施的安全性。

印度与NVIDIA合作，投资超过10亿美元建设AI基础设施，支持IndiaAI使命，开发本土AI模型，促进多语言服务，推动教育与创新。

印度科技领袖利用NVIDIA的Nemotron模型和AI企业软件，提升呼叫中心、医疗和软件开发等行业的生产力。Infosys和Wipro等公司通过集成AI平台改善客户服务和后端效率，预计到2030年，印度科技行业收入将达5000亿美元。AI代理在医疗和电信领域显著提升客户体验和运营效率。

印度最大制造商与全球软件领导者合作，利用NVIDIA AI基础设施和Omniverse库建设智能工厂，推动工业现代化。印度投资1340亿美元提升制造能力，应用数字双胞胎技术和AI加速软件，提升设计与运营效率。

Meta与Nvidia达成多年协议，扩展数据中心，使用Nvidia的Grace和Vera CPU及Blackwell和Rubin GPU。这是Nvidia Grace的首次大规模部署，预计将显著提升性能。Meta也在开发自家AI芯片，但面临技术挑战。此外，因Meta考虑使用Google芯片，Nvidia股票下跌。

微软和Oracle等云服务商正在大规模部署NVIDIA GB300 NVL72系统，以支持低延迟和长上下文的AI应用。NVIDIA Blackwell平台的广泛应用降低了每个token的成本，GB300 NVL72在低延迟和长上下文场景中表现优异，推动了AI编程助手的快速发展。

在一月的NVIDIA AI Day圣保罗，500多名与会者讨论主权AI。生物技术初创公司Biofy的CEO保罗·佩雷斯表示，NVIDIA的GPU和算法显著加速了DNA数据分析，效率提升数百倍。

Baseten、DeepInfra、Fireworks AI和Together AI通过NVIDIA Blackwell平台优化推理堆栈，显著降低各行业的每个token成本。MIT研究表明，基础设施和算法效率每年可将推理成本降低10倍。医疗、游戏和客户服务等领域的公司利用开源模型和NVIDIA Blackwell实现了成本节约和响应时间提升。

桌面超级计算机DGX Spark正在全球研究机构中推动创新，支持AI应用的本地部署，提升研究效率。研究人员在南极冰立方分析宇宙粒子，纽约大学评估放射学报告，哈佛大学研究癫痫，亚利桑那州立大学推动机器人研究，密西西比州立大学为计算机工程学生提供实践平台。DGX Spark促进各学科研究与教育创新。

Nvidia原定于2026年CES发布RTX 50系列显卡，但因RAM短缺推迟，优先考虑AI芯片。尽管游戏收入增长30%，但仍占比小，导致RTX 60系列可能推迟至2028年，PC游戏硬件升级需等待。

本文介绍了一种针对AI计算集群的系统级容器方案，解决了GPU透传和驱动安装复杂性的问题。该方案支持Nvidia GPU透传、自动驱动注入及systemd-nspawn管理，兼容Docker与Rootless Podman，简化了集群部署与运维，提高了资源利用率。

Shotcut 26.1 发布，新增 GPU 硬件加速视频解码（Linux 上的 NVIDIA GPU 除外），支持多平台硬件解码，性能显著提升。视频导出时默认禁用硬件解码器。源代码可在 GitHub 获取。