DeepSeek做大→Mega MoE，Tri Dao团队加快→SonicMoE（在新窗口打开）
近日，由普林斯顿大学 Tri Dao（FlashAttention 的一作）和加州大学伯克利分校 Ion Stoica 领导的一个联合研究团队也做出了一个超快的索尼克：SonicMoE。据介绍，SonicMoE 能在英伟达 Blackwell GPU 上以峰值吞吐量运行！并且运算性能超过了 DeepSeek 之前开源并引发巨大轰动的 DeepGEMM。
搜索
关于“BLA”的结果
共 29 篇
Factory完成1.5亿美元C轮融资，Anysphere、Cognition、Factory谁提供企业级AI编程的最优解？（在新窗口打开）
近日，AI编程智能体初创公司 Factory 完成1.5亿美元C轮融资，投后估值达到15亿美元，正式跻身独角兽行列。本轮由Khosla Ventures领投，Sequoia Capital、Blackstone、Insight Partners、Evantic Capital、20VC、NEA和Mantis VC参与跟投。
爆火全网FLUX.2重磅上线，开源版Nano Banana来了！（在新窗口打开）
Black Forest Labs的开源视觉模型FLUX.2上新，这是一款专为现实创意工作流程打造，绝非演示噱头的生产力工具，与前代FLUX.1相比，实现了从「会画」到「懂你要画什么」的跃升。
iQIBLA 预售 Aura Premium，将念诵计数与记录整理做进戒指（在新窗口打开）
新款戒指采用触控计数、屏幕提示和礼拜提醒，配合应用整理念诵记录；报道提到的400万销量属于品牌累计产品。
老黄RTX Spark真机现身Bilibili World！CPU和GPU直接焊在一起，笔记本跑120B大模型（在新窗口打开）
就在这届Bilibili World上，英伟达首次面向大众玩家展示了搭载RTX Spark超级芯片的笔记本电脑。这款芯片专为个人智能体打造，不仅搭载了Blackwell RTX GPU，连CPU也是出自英伟达的Grace CPU。
GPT-5.5翻倍，Gemini涨3倍：这波涨价游戏还能玩多久？（在新窗口打开）
Epoch AI刚刚发布的《梯度更新》报告，做了一件简单粗暴的事：把全球所有Blackwell芯片能处理的Token数量算出来，再和实际需求一比。结论只有一个字——不够。
AMD新论文颠覆认知：FP4训练不稳定，原因不是随机性不足（在新窗口打开）
众所周知，大模型训练成本极高。 但大家又知道，降低训练精度能够显著降低训练成本。DeepSeek-V3 用 FP8 训练把成本打到了 560 万美元，已经让全行业侧目。 在 FP8 成功后，行业仍然在不断探索低精度的边界：从 FP8 降到 FP4，训练成本还能再降多少？ 理论上，FP4 的计算吞吐可以是 FP8 的两倍。NVIDIA Blackwell 和 AMD MI350 系列都已经在硬件层面原生支持了 FP4 运算，前者在 B200 上标称 FP4 算力可达 4500 TOPS（稀疏）。硬件已经准备好了，但软件和算法那一侧，一直卡在一个问题上： 用 FP4 从头训练大模型，训练过程非常不
不换GPU，性能飙升2.8倍！英伟达用软件暴打摩尔定律（在新窗口打开）
MoE模型的稀疏激活本是优势，却常陷通信瓶颈。NVIDIA以软件为利剑，通过程序化依赖启动和全对全通信革新，在三个月内将GB200的单GPU吞吐提升2.8倍，真正释放Blackwell硬件潜力。
奇点临近！全球AI终局战，只剩OpenAI和Anthropic的双人舞（在新窗口打开）
全球AI终局战，牌桌上只剩OpenAI和Anthropic了！现在，两家已经开启了指数级双雄争霸，GPT-5.5救了老黄，Blackwell重锤反击。面对30GW的算力对决和步骤坍塌，谁能拿稳AGI的头等舱门票？
让AI设计芯片，Cognichip获 6000 万美元投资！（在新窗口打开）
Cognichip正在构建一个深度学习模型，以便在工程师设计新计算机芯片的过程中为其提供协助。它试图解决的问题是该行业数十年来一直面临的一个难题：芯片设计极其复杂、成本高昂且速度缓慢。先进的芯片从概念设计到大规模生产需要三到五年的时间；仅设计阶段就可能长达两年。想想看，英伟达最新的 GPU 系列Blackwell就包含1040 亿个晶体管——要排列这么多晶体管可不是一件容易的事。