英伟达将推两款AI加速芯片：今年下半年发布Blackwell Ultra NVL72，浮点性能与内存容量均提升1.5倍，带宽翻倍并新增注意力指令；明年下半年推出Vera Rubin NVL144，集成自研CPU（性能翻倍、功耗仅50W）、CX9网卡、NVLink6与HBM4，实现全栈升级。
英伟达即将推出两款面向数据中心的 AI 加速器芯片！
即将在今年下半年推出的 Blackwell Ultra NVL72，在多个关键指标上都实现了显著提升。浮点运算性能提高 1.5 倍，内存容量增加 1.5 倍，网络带宽翻倍，并引入了专门的注意力机制指令集，这些升级都将显著提升大型语言模型的训练和推理效率。
计划于明年下半年推出的 Vera Rubin NVL144，是以发现暗物质的著名天文学家 Vera Rubin 命名，并且是一次全方位的技术革新。它采用了全新设计的 CPU，性能较现有的 Grace 处理器提升一倍，而功耗仅有 50 瓦。产品整合了新一代 CX9 网络智能网卡、NVLink6 互联技术和 HBM4 内存，几乎每个核心组件都经过重新设计。
或许，随着基础设施升级、模型增强、应用拓展能够形成一个令人期待的良性循环。但是，我们也需要留意，随着技术复杂度提升，行业门槛也在不断抬高，AI 能力可能会进一步集中在少数具备强大研发实力和资本优势的企业手中。
OpenAI 在发布 GPT-5.6 当日指出 SWE-Bench Pro 约 30% 任务存在缺陷，引发对 AI 基准测试可靠性的质疑。多项研究进一步揭示，验证器质量决定模型学习方向，基准题目高度冗余，且模型“窄能力”提升未必转化为真实经济产出的“宽能力”。当前 AI 进步尚未达到自维持加速阈值。基准测试正面临结构性危机，其公信力受利益冲突影响，亟需建立独立第三方验证机制以确保评估客观性。
OpenAI 旗下 GPT-5.6 Sol Ultra 通过 64 路并行 agent 在 1 小时内生成了图论 CDC 猜想的证明文本，成本不足 500 美元。该成果引发争议，因缺乏 Lean 机械化验证、未公开完整推理轨迹及受限于图论形式化库不成熟，数学界对其有效性存疑。此事表明 LLM 已具备启发式数学搜索能力，但验证基础设施滞后仍是瓶颈。未来“多路并行+防放弃 prompt”或成范式，而完善 Lean 工具链是确立 AI 证明可信度的关键。
针对复杂疾病治疗难题，Arc 研究所正利用 AI 构建通用“虚拟细胞”模型。该模型将 RNA 表达视为生命语言，计划四年内通过 CRISPR 和单细胞测序完成 10 亿次实验进行训练。研究人员可借此在电脑模拟中预测基因或化学干预方案，实现从盲目猜测到精准预测的转变。该工具将于今年晚些时候开源，有望在未来四五年内推动个性化医疗及复杂疾病治疗取得临床突破。
围绕《英伟达将推出两款全新的 AI 加速芯片》展开交流，未登录用户可浏览评论，登录后可参与讨论。
