NVIDIA 全栈协同设计缓解推理内存压力

NVIDIA 发布技术文章，介绍其通过全栈协同设计降低 AI 推理的内存压力，称该方法让每字节 HBM 都得到利用，以缓解模型权重、KV 缓存和 RAG 数据带来的占用。 NVIDIA 称，从 Blackwell Ultra 到 Vera Rubin 平台，每 GPU 的 HBM 容量仅增约 3%，但在 SemiAnalysis AgentX 上每美元智能体吞吐量最高提升 30 倍。该提升幅度为 NVIDIA 引述的测试结果，并非已获独立验证的普遍效果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。