Gemini 2026-07-14 19:00 北京

“ 算力效率才是智能跃迁的核心。NVIDIA 自研 Nemotron 开源模型并不是为了在应用层与生态竞争，而是为了从第一性原理出发，摸清未来硬件与算法协同设计的边界。

“算力效率才是智能跃迁的核心。NVIDIA 自研 Nemotron 开源模型并不是为了在应用层与生态竞争，而是为了从第一性原理出发，摸清未来硬件与算法协同设计的边界。”

Podcast · 播客精华

Inside Nemotron & NVIDIA’s AI Lab

最近一期 The MAD Podcast 的含金量很高。NVIDIA 应用深度学习研究副总裁 Bryan Catanzaro 亲自下场，把 Nemotron 这套最新开源权重模型的技术底牌和研发思路，从头到尾拆了个干净。

Bryan 抛出的核心观点其实很直白：摩尔定律早就翻篇了，还在那儿靠堆算力换智能，路子走不通了。唯一的出路，就是把能效比压榨到极致。这次发布的 Nemotron 家族，从 Nano、Super 到 Ultra，本质上是 NVIDIA 软硬件协同设计的一块“试金石”，验证了几个关键的技术方向：

1. 4位预训练。 团队在预训练阶段就敢用极粗糙的 NVFP4 精度，还硬是让算法收敛了。这一步直接带来的好处是，数据吞吐的能耗和通信延迟大幅下降。
2. 混合架构。 把 Transformer 和状态空间模型（SSM）揉在一起。SSM 负责把全局上下文压缩成恒定的显存缓存，Transformer 注意力机制则死磕细节调优，各取所长。
3. 多Token预测。 推理时，把闲置的 GPU 算力利用起来，一次预测多个后续 Token，再通过后续对齐验证。结果是在精度不掉的前提下，推理速度能翻倍地往上飙。
4. 多导师蒸馏。 用 MOPD 算法，让精通代码、科学、数学的“专家导师模型”一起监督一个学生模型。这招既避免了 500 人团队在模型对齐时的无休止拉扯，也造出了全能型的 Nemotron-3 Ultra。

“如果我们接受未来始终在算力物理极限下运行的事实，那么获取更多智能的唯一途径就是提高效率。当处于极限时，我们无法通过施加蛮力来变得更聪明，必须对如何使用现有资源进行更深刻的思考。”

Bryan 专门强调过一个观点，开源技术因为“有阳光照射”，天然更安全。NVIDIA 做 Nemotron 的根本目的，不是要在模型市场当山大王，而是通过挑战算法极限，反过来给 Blackwell NVL72 这类最新计算架构的设计提供反馈，确保整个软硬件生态能持续跑下去。

Builders · 观点精选

Sam Altman (OpenAI)
—
Altman 承认，OpenAI 新一代模型在设计和前端审美上达到了相当高的水准，这让他自己都有点“碘伏认知”。同时，他也顺带讽刺了一下竞争对手在高端模型额度、访问限制上的双标——能解决硬核问题固然好，但前提是官方觉得你“配得上”，否则被默默降级甚至限制访问，都是常有的事。

Thibault Sottiaux (OpenAI)
—
预告了 ChatGPT Work 用户量的强劲增长，日活跃用户即将突破 800 万。同时带来了新一轮功能升级，继续围绕商业和办公场景做产品迭代。

Thariq (Anthropic)
—
预告了 Anthropic Artifacts 的重磅升级。新版 Artifacts 表现力更强，能进行更灵活的创意组合。一个典型场景是：在 Claude Tag 中建立一个项目仪表盘，不仅能被多人协同编辑，还能同步本地运行的 Claude Code 开发会话数据。

Ryo Lu (Cursor)
—
展示了用 Cursor 搞硬件黑客的成果。他自制了一套定制电子阅读器固件，完美支持中日韩竖排排版，还能与个人系统同步阅读进度。整个过程大部分由 Cursor 协助编译和刷入。另外，他宣布 Jenny (from Anthropic) 正式加入 Cursor 团队担任管理职务，让他可以专注探索软件开发的大方向。

Swyx (Cognition)
—
梳理了当前大型项目开发最前沿的 AI 工具链打法：用 Sol Ultra 做规划，Claude Fable 5 做审查，Sonnet 5 或 SWE 1.7 写代码，最后用 Kakuna 做 Devin review。他特别推荐在对话前引入引导提示词——比如 "grill-me" 或 "interview-me"——强迫模型在动手前想清楚前置决策，而非直接输出。同时，他也调侃了目前 Codex 工具与第三方 API 绑定过深的有趣现象。

Aaron Levie (Box)
—
分享了对 AI 行业格局的系统性判断。他认为，前沿基座大模型会持续推高智能天花板，而开源权重模型则会快速吸收前沿突破，让企业能在云厂商端低成本运行高度定制化的工作流。未来经典的技术模板会是「模型路由」：让强模型（如 Claude Fable 5）扮演“管理人”，负责拆解任务、指定约束与反馈，低成本模型则做“打工人”，负责执行具体代码。

Guillermo Rauch (Vercel CEO)
—
透露了 Vercel 的最新方向与关键数据。Vercel 正在强化文件系统 API 和可观测性工具，甚至让智能体通过功能开关自主进行线上 A/B 测试与性能调优。同时，他分享了一个行业趋势：在其 AI Gateway 流量中，开源权重模型消耗的 Token 比例，已经从 4 月份的 11% 飙升至现在的 29%。

《夸克》非常好用的免费AI浏览器

下载APP查看