动态资源分配（DRA）在Kubernetes v1.35中达到GA，NVIDIA将其GPU驱动程序移入Kubernetes SIGs，标志着技术逐渐成熟。CNTUG Infra Labs为学生提供实验平台，支持Kubernetes集群和NVIDIA GPU的资源管理。通过ResourceClaim和ResourceClaimTemplate，用户可以灵活分配和共享GPU资源，提升资源利用效率。DRA的使用模型更清晰，简化了设备分配过程。

谷歌与SpaceX签署了每月9.2亿美元的云计算合同，租用11万张NVIDIA GPU的算力。这一交易反映出AI算力需求激增，SpaceX正在从火箭制造商转型为AI算力供应商，可能比其火箭业务更具盈利潜力。谷歌因算力短缺被迫高价租用，显示出行业竞争的激烈和算力资源的稀缺。

GStreamer 1.28.2于2026年4月8日发布，增强了NVIDIA GPU硬件加速支持，改进了WebRTC DTLS稳定性，修复了多个元素的错误，并更新了音频转录功能。此外，该版本还包含安全性和播放修复，详细信息请查看发行说明。

Elastic与红帽合作，利用NVIDIA GPU加速，构建可扩展的主权AI工厂。通过集成Elasticsearch和红帽AI，企业能够在混合云环境中安全高效地部署AI工作负载，确保数据主权和安全。

Elastic与Red Hat合作，利用NVIDIA GPU加速AI工厂，支持企业在多种环境中部署AI工作流。通过GPU加速向量搜索，Elastic提升索引速度，降低CPU使用率，确保数据主权。Red Hat AI提供Kubernetes基础架构，助力企业安全、高效地运行AI应用，提升金融机构等组织的客户数据处理能力和AI助手的实时响应能力。

VCluster Labs发布了针对NVIDIA GPU的Kubernetes增强版，旨在优化AI工作负载。该平台支持动态扩展和多租户GPU管理，适合大型组织和公共云服务，简化了虚拟集群的部署，提高了GPU利用率。

亚马逊云科技与OpenAI签署了价值380亿美元的战略合作协议，OpenAI将在亚马逊云基础设施上运行AI工作负载，预计到2026年底完成部署，并在2027年后扩展。该合作将利用NVIDIA GPU和Amazon EC2 UltraServers集群，支持多样化的AI任务。

Oracle推出OCI Zettascale10计算集群，利用NVIDIA GPU加速，支持高性能AI推理和训练，提供高达16 zettaflops的计算能力。该集群与Oracle数据库26ai及AI数据平台集成，简化数据处理，助力企业构建智能应用，推动AI技术发展。

作者在Ubuntu 24.04上为带NVIDIA GPU的物理机优化libvips时，遇到无线网卡驱动安装困难。经过编译、签名和加载内核模块，最终成功识别无线网卡，但需固定内核版本以防升级后失效。整个过程耗时四小时。

GLM-4.5和GLM-4.5V是Z.ai推出的智能代理模型，分别拥有3550亿和1060亿参数，支持复杂推理和工具使用。GLM-4.5在12个基准测试中得分63.2，排名第三；GLM-4.5V在42个视觉语言基准中表现出色，具备精准定位能力。两者均支持FP8和BF16精度，适用于NVIDIA GPU。

凌华科技推出专为工业应用设计的新型DLAP边缘人工智能平台，支持高达91.1 TFLOPS的NVIDIA GPU，旨在提升制造、医疗和物流等行业的运营效率和智能化水平。

谷歌云宣布Cloud Run支持NVIDIA GPU，提供高效、低成本的AI推理和批处理服务，用户按秒计费，自动缩减空闲实例，启动迅速。开发者可轻松启用GPU，无配额限制。这一举措引发讨论，认为谷歌在无服务器GPU计算上领先于AWS，但部分用户对费用控制表示担忧。

Zymtrace是一款新型性能分析工具，专为CPU和NVIDIA GPU设计，能够识别CPU瓶颈、优化推理批量大小并通过内核融合提升性能。该工具完全本地运行，支持Linux系统，定价合理，适合企业使用。

Supermicro公司改进了其直接液冷（DLC）解决方案，支持多种服务器组件的冷却，降低数据中心的电力消耗和噪音。新架构可容纳8个NVIDIA GPU和2个Intel Xeon CPU，提升AI效率，降低整体拥有成本。

MAX 25.2更新提升了NVIDIA GPU上大型语言模型的性能，支持多GPU和超轻容器，简化了GenAI系统的构建。活动将于4月24日在Modular HQ举行，展示Mojo和MAX的GPU编程，并分享最新动态及演示。

nVibrant是为使用NVIDIA GPU的Wayland用户设计的小工具，能够直接调整数字鲜艳度。用户需检查驱动版本并下载相应的二进制文件进行安装。通过命令行运行nVibrant可调整色彩强度，并支持自动登录时启动。

完成成熟的AI基础设施项目是重要里程碑。尽管大多数项目依赖NVIDIA GPU，但国内GPU品牌市场广阔。LLM应用展现出解决现实问题的强大能力，成功反馈将更直接，推理需求依赖实际应用。我们正处于AI的最佳时代，需珍惜。

谷歌云推出A4虚拟机，搭载NVIDIA Blackwell B200 GPU，AI工作负载性能提升2.25倍，支持复杂模型的训练与推理。主要特点包括增强网络连接、与Google Kubernetes Engine集成，以及简化大规模AI工作负载管理。

Docker容器能够确保AI模型在不同环境中的一致性。文章介绍了在Windows上安装Ubuntu和Docker的步骤，以及如何配置NVIDIA GPU并运行DeepSeek-R1。用户可以通过简单命令启动和使用DeepSeek-R1。

DeepSeek通过优化NVIDIA GPU，利用PTX编程语言显著提升AI模型训练速度，将成本降低至20亿美元，促进AI创新的公平竞争。