NVIDIA 称全栈协同设计缓解推理内存压力

NVIDIA 介绍其全栈协同设计如何缓解 AI 推理中的 GPU 内存压力，称该方法让 HBM 的每个字节都得到利用，以减轻模型权重、KV 缓存和 RAG 数据对内存的占用。 NVIDIA 称，从 Blackwell Ultra 到 Vera Rubin 平台，单 GPU 的 HBM 容量仅提升约 3%，但在 SemiAnalysis AgentX 上每美元智能体吞吐量最高提升 30 倍。该提升幅度是 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 · 26 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。