英伟达GPU计划入韩，黄仁勋宣布供应26万块芯片
1月12日消息，据韩媒BusinessKorea报道，英伟达计划在韩国设立GPU研发中心，进一步深化其在本地的AI产业布局。这一决定也延续了黄仁勋去年10月访韩期间的表态，彼时他曾宣布将向韩国供应超过26万颗高性能AI芯片。
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 👈
当地时间1月10日，韩国科学技术信息通信部第二次官柳济明前往美国硅谷，与英伟达执行副总裁Jay Puri举行会面。此后，韩国政府官员表示，双方已就英伟达尽快在韩国设立研发中心达成共识。
作为全球AI半导体领域的领军企业，英伟达凭借其GPU芯片占据了显著的市场份额。这也是英伟达首次明确提出在韩国设立研发中心的具体计划。
去年10月，黄仁勋在出席于庆尚北道庆州市召开的亚太经济合作组织2025年会议时宣布，英伟达将向韩国供应包括Blackwell系列在内的最新GPU，规模超过26万块，整体价值约14万亿韩元。根据规划，其中6万块将供应给NAVER，5万块以上将供应给三星、SK和现代汽车集团，另有超过5万块将提供给韩国政府。
报道指出，设立该研发中心的主要目的，是为了配合大规模GPU交付后日益增长的定制化需求。该中心预计将为现代汽车公司等英伟达GPU客户，在AI基础设施建设方面，提供本地化的技术支持。
业内分析认为，英伟达韩国研发中心未来有望成为其与三星、SK海力士在高带宽存储器领域合作的重要平台。若该研发中心正式落地，将进一步推动韩国半导体与AI工程师生态的发展。
相关攻略
当前企业热衷用AI替代人力并因此裁员，但英伟达和Uber高管指出AI运行成本远超人力，研究也显示多数场景人工更优且成本更低。然而，企业仍坚定推进AI替代，看重其全天候运行能力，并加速用AI生成代码、削减岗位。这场成本与效率的博弈仍在持续。
说到RAG（检索增强生成），大家可能已经习惯了它的标准工作流程：先用一个检索模型从海量文档里捞出一批“相关”内容，再交给大语言模型去消化、生成答案。这个流程看似顺畅，但其实一直埋着一个根本性的问题，只是我们习以为常了。 这个问题就是：检索器和生成器，其实是在两个完全不同的“世界”里工作。 检索器，无
五月中旬，英伟达市值突破5 5万亿美元，超越德国2025年名义GDP，成为全球首家市值超过单一发达经济体的上市公司。这反映了人工智能浪潮带来的巨大能量重构。英伟达自2004年起在中国设立多家公司，已构建完整的业务网络。市值里程碑背后，是AI算力赛道价值获得空前认可的缩影。
在AI需求爆发的背景下，GPU市场出现供需严重失衡。英伟达CEO黄仁勋将旧款GPU价格持续上涨的现象比喻为“好酒效应”，指出其升值速度甚至超过葡萄酒陈化。核心原因在于全球AI业务对算力的巨大需求，使得数据中心极度依赖GPU。这种需求从上游芯片制造到下游云服务贯穿整个产业链，导致包括四五年前旧型号在内
来源：环球时报 【环球时报特约记者 甄翔】资本市场近日上演了一场引人注目的“王座”争夺战。谷歌母公司Alphabet在美股盘后交易时段，市值一度超越英伟达，这意味着它在阔别大约十年后，短暂地重返了全球市值冠军的宝座。回顾过去一年，Alphabet的股价表现堪称惊艳，累计飙升了160%。截至上周五收盘
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