NVIDIA为美国政府打造7台AI超算,集成10万块Blackwell GPU
10月29日,英伟达宣布将与合作伙伴携手,为美国政府打造七台人工智能超级计算机。这些超算的运算能力均可达百亿亿次(EFlops)级别,将服务于美国能源部下属的阿贡国家实验室和洛斯阿拉莫斯国家实验室。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新! 👉 点此立即查看 👈
其中首批两台由慧与负责承建,专门用于阿贡国家实验室。
第一台命名为"Equinox",将搭载1万块Blackwell架构GPU,首期工程将于2026年上线运营。
第二台命名为"Solstice",可视为二期工程,使用的Blackwell GPU数量将突破10万块,整机功耗达到200兆瓦,相当于2亿瓦的惊人规模。
两者合计,FP4精度下的总算力高达2200EFlops,即每秒钟能够完成22万亿亿次浮点运算!
这些超级计算机既可用于传统科学计算,也能支持参数量高达3万亿的人工智能大模型训练。

值得注意的是,此次合作选择慧与确实有些出人意料。因为如今该公司的核心业务已转向支持AI与高性能计算的云基础设施服务,与Atos、戴尔、慧与等能够为客户定制设计、建造超算的厂商有所不同。
因此,慧与将如何构建如此大规模的超算系统仍需观察,目前也不清楚系统上线后是否仍由其负责运维管理。
其余五台超算仅公布了名称,"Tara"、"Minerva"和"Janus"均基于Blackwell架构,同样服务于阿贡国家实验室。
而"Mission"和"Vision"将改用下一代Rubin架构,用于洛斯阿拉莫斯国家实验室。

相关攻略
RTX 6090 6080 6070显卡规格偷跑:明年才能发 性能再挤一挤 年初CES展会上的消息,想必大家还有印象:备受期待的RTX 50 Super系列被无限期推迟了。现在看来,这个系列大概率是“胎死腹中”了。背后的原因也不难理解:一方面,显存价格涨势凶猛,成本压力不小;另一方面,来自AMD的竞
中国寻求突破NVIDIA CUDA护城河:一种前所未有的新方式 4月8日消息,在寻求突破NVIDIA CUDA生态壁垒的种种尝试中,有一个战略级的变通方案,其思路相当值得深入探讨。 时间拉回到不久前的SEMICON CHINA 2026全球半导体产业战略峰会。会上,中国半导体行业协会副理事长、IC设
高刷未启用?五步排查法帮你搞定 新买了高刷显示器,结果在设置里死活找不到144Hz、165Hz的选项,只能锁定在60Hz?这事儿确实挺让人头疼的。别急,这通常不是硬件坏了,而是系统或驱动没有正确识别显示器的“满血”能力。下面这几个步骤,是解决这类问题的标准操作流程,一步步跟着来,大概率能让你找回丢失
GeForce RTX玩家的“超级技术周”:四款大作齐发,DLSS 4 5全面登场 对于手握GeForce RTX显卡的玩家来说,这一周堪称技术盛宴。从《暗黑破坏神4:憎恨之王》到《巴士之旅》,四款风格迥异的游戏集中实装了NVIDIA最新的DLSS 4 5技术。路径追踪、动态多帧生成……性能与画质的
NVIDIA产品介绍 谈起推动当今技术浪潮的核心引擎,NVIDIA的名字总是最先被提及。这家全球领先的人工智能计算公司,本质上做了一件事:用加速计算技术,去攻克那些最棘手的复杂挑战。从云端的超级计算机到你手中的游戏设备,其产品与解决方案已经深入人工智能、数据中心、游戏、智能汽车和机器人等关键领域,成
热门专题
热门推荐
领克首款GT概念跑车亮相北京车展,由中欧团队联合打造。新车采用经典GT比例与低趴宽体设计,配备液态金属蓝涂装与2+2座舱,设有高性能模式按键可激活空气动力学套件。车辆采用后驱布局与AI智能运动控制系统,百公里加速约2秒,设计融合瑞典极简美学并参考全球用户反馈。
英伟达推出12GB显存版RTX5070移动GPU,与8GB版同步上市。两者均基于Blackwell架构,核心规格相同,仅显存容量不同。此举旨在缓解GDDR7芯片供应压力,为OEM提供灵活配置,加速笔记本产品布局,更大显存可更好满足游戏与AI应用需求。
微星将于5月15日推出两款26 5英寸雾面WOLED显示器MAG276QRY28和276QRDY54,售价分别为2499元和6299元。均采用第四代WOLED面板,具备QHD分辨率、VESADisplayHDRTrueBlack500认证、1500尼特峰值亮度及99 5%DCI-P3色域覆盖。276QRY28刷新率为280Hz,高阶款276QRDY54支持4
中芯国际2026年第一季度营收176 17亿元,同比增长8 1%;净利润13 61亿元,同比增长0 4%。公司预计第二季度收入环比增长14%至16%,毛利率指引上调至20%至22%。这反映出公司在行业复苏中展现出财务韧性,并通过运营优化增强了短期增长势头。
手机修图、相机降噪、视频去雾……这些我们日常使用的图像处理功能,其背后都离不开人工智能(AI)技术的驱动。通常,AI模型的训练逻辑是:向模型展示大量“低质图像”与“优质图像”的配对数据,让它学习如何将前者转化为后者。然而,天津大学计算机视觉团队近期发表的一项研究(arXiv:2604 08172)揭





