田渊栋创业公司首个成果：GPU内核优化，英伟达官方榜单SOTA
田渊栋在X上宣布，其创立的Recursive，在NVIDIA官方的GPU kernel优化榜SOL-ExecBench上拿下了整体和四个子类别的SOTA。
不跟英伟达走老路，这家GPU公司的技术架构藏着哪些关键解？
在 1 月 26 日召开的天数智芯“智启芯程”合作伙伴大会中，围绕架构层的创新与思考占据了相当比重。数据显示，在计算机视觉、自然语言处理、DeepSeek 32B 大语言模型、具身智能 VLA 模型及世界模型等多个场景的实测中，彤央 TY1000 的性能全面优于英伟达 AGX Orin。
写Verilog、调CUDA，总翻车？工业代码大模型开始学会先想后写了
InCoder-32B Thinking 在 14 个通用代码 benchmark 和 9 个工业代码 benchmark 上进行了评测。
GPU代码里藏着的"方言"：AI能听懂英伟达最新硬件说的话吗？
你可能不知道，同一块GPU上跑的代码，性能可以差出十倍。不是算法不同，也不是数据量不同，就是同一段矩阵乘法，一个版本写得"懂行",一个版本写得"外行"，速度就能差出这么多。这个"懂不懂行"，说的就是会不会用英伟达每一代新GPU专门开出来的底层指令。这事说起来有点反直觉。
一个月的活一周干完，英伟达世界模型训练速度飙升400%
参考官方开源的 DreamZero 训练代码，采用 8 台 H100 训练 24750 万帧数据，完整训练周期长达 25 天，高昂的训练成本和耗时成为行业复现的主要门槛。让世界模型迭代跑在「快车道」
AMD打造"GPU内核优化竞技场"：AI编程助手到底能把芯片跑多快？
这项由AMD公司研究团队主导完成的研究，以预印本形式发表于2026年5月，论文编号为arXiv:2605.16819。感兴趣的读者可以通过这一编号在arXiv学术平台上找到完整原文。
一句话让AI生成游戏，是真的还是吹牛逼？
10月22日，在Unreal Fest Shanghai 2026上，月之暗面Kimi开发者关系负责人及高级研发工程师唐飞虎，带来了主题为「眩晕瘫坐?
瑞幸背后的芯片，藏不住了
瑞幸咖啡背后的芯片，藏不住了。这就是藏在瑞幸咖啡背后无数的边缘侧AI，它们有一个共性，那便是算力必须就近部署，响应必须足够快，稳定性必须足够强，成本还要可控。
如何系统化地对2026 GPU图形渲染流水线进行深度优化？
在3A级游戏大作、虚幻5引擎的极致光追场景以及元宇宙实时云渲染全面普及的2026年，图形渲染的复杂度正以指数级增长。传统的“堆硬件”早已无法盲目满足高帧率、低延迟的沉浸式体验。