作者页面描述
6月25日
Q&A: How KRAFTON Built PUBG Ally, a Co-Playable Character Powered by NVIDIA ACE
问答：krafton如何利用NVIDIA ACE打造PUBG Ally，一个可共玩角色➀ Krafton利用NVIDIA ACE为PUBG: BATTLEGROUNDS开发了PUBG Ally；
➁ PUBG Ally是一个可共玩角色，使用设备上的自动语音识别、一个2B参数的小型语言模型和语音合成与玩家互动；
➂ 该角色支持英语、韩语和中文，并使用结构化内存来个性化游戏体验。
Streamlining Resource Binding with End-to-End Support for Vulkan Descriptor Heaps
通过对Vulkan描述符堆的端到端支持简化资源绑定➀ VK_EXT_descriptor_heap在Vulkan中引入了用户管理的单堆模型，用于资源和服务器描述符；
➁ NVIDIA的610+驱动程序和Nsight Graphics 2026.2支持VK_EXT_descriptor_heap，包括调试和检查工具；
➂ 直接描述符堆访问允许着色器直接索引描述符数组；
➃ 描述符堆简化了高级渲染的内存分配、绑定和布局。
6月24日
Accelerating BEV Pooling on NVIDIA GPUs for Physical AI Applications
在 NVIDIA GPU 上加速物理 AI 应用中的 BEV 池化➀ BEVPoolV3 引入了四个关键算法改进，以优化 NVIDIA GPU 上的 BEV 池化；
➁ 优化流程包括按 L2 适配度分类工作集、消除冗余散射流量、将内核实现映射到目标 NVIDIA GPU 架构，并使用 NVIDIA Nsight Compute 验证瓶颈；
➂ 在 NVIDIA RTX A6000 和 NVIDIA RTX PRO 6000 Blackwell Max-Q 上进行基准测试，显示 BEVPoolV3 在 DRAM-bound 路径上实现高达 22 倍速度提升，在 L2-resident 路径上实现高达 42 倍速度提升；
➃ 边缘类平台需要针对 FP8 采用进行架构特定评估。
6月23日
Maximize AI Factory Energy Efficiency Through Full-Stack Inference and Training Optimizations
通过全栈推理和训练优化最大化AI工厂能源效率➀ NVIDIA通过极端系统协同设计、集成电源、冷却和基础设施优化以及与OEM、ODM、CSP、NCP、系统集成商、ISV和模型生态系统合作伙伴的合作，实现了AI推理和训练的业界领先成本效率。
➁ 能量感知训练技术，包括协调GPU速度调整和细粒度分析，在不增加训练时间的情况下实现高达25%的能源节省，并在固定的电源预算内实现更大的token输出。
➂ NVIDIA DSX是一个开放的AI工厂规模平台，通过动态电源分配、实时遥测和高级机架级控制，提高tokens per watt。
Boost Inference Performance up to 15x on NVIDIA Blackwell Using DFlash Speculative Decoding
使用 DFlash 预测解码在 NVIDIA Blackwell 上提升推理性能高达 15 倍➀ DFlash 通过并行生成整个令牌块来加速 NVIDIA Blackwell GPU 上的 LLM 推理；
➁ 与 EAGLE-3 相比，DFlash 在相同的并发性下将 gpt-oss-120b 的吞吐量提高了 15 倍，将 Llama 3.1 8B 的交互性几乎翻倍；
➂ DFlash 已经集成到 SGLang、vLLM 和 TensorRT-LLM 等主要推理框架中，允许开发者无需代码重构即可采用 DFlash。
Build an AI Scientist for Life Science Discovery with NVIDIA BioNeMo Agent Toolkit
使用NVIDIA BioNeMo工具包构建生命科学发现的人工智能科学家➀ NVIDIA BioNeMo使人工智能科学家能够通过加速接口和服务执行生物分子任务。
➁ BioNeMo技能和模型上下文协议（MCP）包装提高了代理效率和任务完成率。
➂ 该平台支持托管和本地部署，重点关注模型优化和人工智能科学家使用的简便性。
3月12日
Build Accelerated, Differentiable Computational Physics Code for AI with NVIDIA Warp
使用 NVIDIA Warp 构建加速的可微分计算物理代码➀ NVIDIA Warp 框架加速模拟、数据生成和空间计算，适用于 AI 驱动的流程；
➁ Warp 允许开发者将高性能内核编写为 Python 函数，以便在 GPU 上执行；
➂ 该框架支持自动微分，适用于 AI 优化和训练工作流程的可微分求解器。