NVIDIA cuDNN Graph API 教程：融合、自动调优与 plan 复用

本教程演示如何用 NVIDIA SkillSpector 评估 AI 技能的安全态势，构建包含干净、风险、恶意及 MCP 示例的合成技能市场，并通过 LangGraph 检查流水线扫描每个技能。

该教程基于 NVIDIA cuTile Python 实现了分块 GPU 内核编程工作流，在 Colab 环境中配置 GPU、驱动、CUDA 及 cuTile 可用性后，分别构建了 tiled 向量加法、矩阵加法和矩阵乘法核函数，并以 PyTorch 作为回退保持 notebook 可执行。每一步均通过 PyTorch 验证结果正确性，并基准测试了各阶段的中位运行时间。

MarkTechPost 发布一篇教程，用 NVIDIA cuML 和 RAPIDS 构建覆盖 GPU 加速机器学习全流程的可运行工作流。

本教程演示如何用 NVIDIA Earth2Studio 构建集合天气预报工作流，安装组件并加载 FCN 预报模型，从 GFS 获取初始条件，实现将 10 米风分量转为涡轮容量因子的风电诊断及变尺度扰动系统。通过低层迭代器、坐标映射、批处理和 Zarr API 构建执行管道，用纬度加权 RMSE、fair CRPS 等指标验证预报，并可视化集合不确定性。

NVIDIA 发布教程，讲解在 Jetson 上部署新一代开放推理模型的方法，以 Nemotron 3.5 Lightning 和 Qwen3.8-27B 为例。

本文是 PyTorch profiling 系列的开篇，从最简单的矩阵乘法加偏置操作出发，逐步讲解如何使用 `torch.profiler` 进行性能分析。涵盖 profiler 设置、导出统计表格与 Chrome trace、解读 CPU 和 GPU 活动的时序关系，以及 `torch.compile` 对底层 CUDA kernel 调用链的影响。实验基于 NVIDIA A100-SXM4-80GB GPU 运行，面向基本掌握 PyTorch 但缺乏 profiling…

与 NVIDIA 合作，在 DGX Spark 上通过 SGLang 成功支持 GPT-OSS 20B 与 120B 模型，实现 20B 版本约 70 tokens/s、120B 版本约 50 tokens/s 的生成速度，达到目前最优水平。用户可通过 Docker 部署 SGLang 服务，接入 Open WebUI 实现本地聊天，或借助 LMRouter 转换请求格式以完全本地化运行 Claude Code。该方案使在 DGX Spark 上部署多百亿参数本地编码智能体…

NVIDIA 详解 NVLink 6 面向 AI 工厂的多层弹性框架，通过物理层 FEC、PLR、UPHY 恢复与链路层 CBFC 实现原生无损网络，端到端延迟比通用以太网低 3 倍、包速率高 10 倍。

NVIDIA Groq 3 LPX 通过确定性执行模型让 LPU 编译器生成精确到时钟周期的调度，覆盖整机架 256 颗 LPU 芯片，并据此预测每个周期的电流需求，配合 Preemptive Power（PEP）与 Clock Period Synthesis（CPS）压缩电压保护带，把更多电力留给实际负载。

NVIDIA 在 AI Infra Summit 上公布 DSX MaxLPS 的首个部署验证结果：Lambda 在五机架 19 节点 HGX B200 集群上，用原本 16 节点的电力预算跑 19 节点，集群 token 吞吐提升 24%，从约 400 万 tokens/秒升至 500 万，每瓦性能提升 23%。