NVIDIA 谈 AI 安全：如何在智能体栈的每一层解决工程问题

NVIDIA 开发者用 GPT-6 Astra 等前沿 AI 模型配合 Omniverse 库，通过自然语言指令构建仿真应用。仓库仿真在 80 台传送带、40 个机械臂和 800 个箱子下以全高清 30 帧/秒运行两分钟，完成 640 次成功放置。另有机器人线缆布线、CAD 转 SimReady 资产、人形机器人仓库仿真及自动驾驶测试等案例。

NVIDIA 提出 AI 工厂投资回报取决于产出能力、使用寿命与需求三项因素，其平台通过全栈协同设计实现每兆瓦吞吐最大化。SemiAnalysis AgentX 数据显示，Vera Rubin NVL72 每兆瓦吞吐量比 GB300 NVL72 高 30 倍以上，在 DeepSeek V4 Pro 上每百万 token 成本低至 45 倍。

NVIDIA 验证工程师 Sakeena Fiza 在数据中心系统工程实验室负责新产品量产前的硬件验证，她回忆 NVIDIA Rubin GPU 首次在系统级被识别时，团队集体欢呼，因为这是全球首次 Rubin GPU 在系统级完成枚举。她将验证工作比作侦探破案，目标是在客户发现问题之前先发现并复现问题，单块板卡可能包含数万个组件，一个机架则接近 50 万个。

NVIDIA 推出 Halos，称其为首个也是唯一一个面向物理 AI 的全栈安全系统，覆盖设计、验证与部署各层。

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%。

一家大型儿童医院利用开源 NVIDIA AI 开展心脏护理。文章以该医院为例，讲述其在心脏诊疗场景中采用 NVIDIA 开源 AI 技术的实践。

全球Robotaxi市场预计2035年达4000亿美元、超600万辆商业车辆运营，目前所有商业规模项目均运行在NVIDIA模块化技术栈上。该栈由三台计算机组成：DGX负责模型训练，Omniverse与Cosmos在RTX PRO服务器上做仿真验证，DRIVE Hyperion 10搭载双DRIVE AGX Thor提供车内计算。

AI 推理芯片厂商 d-Matrix 宣布采用 NVIDIA NVLink Fusion，将其下一代 Raptor XPU 接入 NVIDIA AI 基础设施平台。

n8n 博客发布教程，讲解如何在一台 NVIDIA DGX Spark（128GB 统一内存）上部署七个本地模型，通过 LiteLLM 单一 OpenAI 兼容端点驱动 n8n 工作流，全程不调用云 API。

OpenRouter 发文解读 NVIDIA 的 Nemotron 3.5 Lightning，这是一款 30B 总参数、约 3B 激活参数的混合专家开源权重模型，定位于工具调用、编码等高频、边界清晰的 Agent 执行步骤，与负责复杂推理的 Nemotron 3 Ultra（550B 总参数、55B 激活）形成分工。