快科技6月2日消息，近日，NVIDIA宣布将推出一款名为Neuralangelo的AI模型，它能够直接将视频内容，转为高精度的3D模型。
在内部演示中，NVIDIA展示了Neuralangelo模型重建的米开朗基罗著名雕刻作品《大卫》的过程，以及NVIDIA位于湾区的办公室、及平板拖车等日常见到的物品的3D还原模型。
据悉，Neuralangelo模型之所以能够有着这样的效果，是因为它采用了即时神经绘图，并利用了自家的Instant NeRF技术。
这使得它即使是面对于低对比度的视频，也可以从中捕捉到微妙的细节，并转换为更具备商业价值的3D模型。
对于3D模型扫描来说，该技术的诞生，将改变目前高精度扫描以手动雕刻为主的产出流程，从而让开发人员能够以更高的效率，制作精细物体的数字孪生。
据不出意外，NVIDIA将在6月18日至22日举办的CVPR（omputer Vision and Pattern Recognition，即电脑视觉与样式辨识）大会上，正式发布Neuralangelo模型。
（举报）
在人工智能领域，开发人员和用户一直面临一个挑战，那就是需要更加定制和细致的大型语言模型响应。虽然这些模型，比如Llama2，可以生成类似人类的文本，但它们通常需要提供真正针对个体用户独特需求的答案。开发人员现在有机会访问代码，并使用HuggingFace等平台上提供的自定义的13BLlama2模型来尝试这一技术。
NVIDIA将在明年推出采用台积电3nm级工艺的下一代高性能计算GPUBlackwellGB100，以及下一代加速卡B100。NVIDIA现有的GH100GPU使用的是台积电4nm工艺是定制版。Intel、AMD、高通等也都会纷纷升级台积电的3nm工艺。
AI生物医药领域，DeepMind的AlphaFold是最出名的研究，它几乎完整解析了所有蛋白质结构。AlphaFold的AI系统基于Transformer架构Transformer论文主要的作者JakobUszkoreit也已投身AI医药领域。数据安全的逻辑下，很可能诞生一批中国本土的AI药物研发和AI医疗健康创业公司，十分值得期待。
据美国科技公司职场社区Blind调查，NVIDIACEO黄仁勋成为美国最受员工欢迎的CEO，支持率高达96%。今年8月，Blind面向硅谷科技员工展开了全美CEO支持率调查，共有13171名美国员工进行了匿名投票。AMDCEO苏姿丰支持率为79%，排在第八。
NVIDIARTX40系列、AMDRX7000系列这一代显卡都已经布局完毕下一代还要等差不多两年，至少NVIDIABlackwell在路线图上看要到2025年才会推出明年来一波Super系列？2021年就第一个曝出Blackwell这个代号的曝料高手kopite7kimi给出的最新说法称，Blackwell不会明显增加GPC、TPC等计算单元的数量，CUDA核心数自然也不会大幅提升，但是会在基础架构上做出巨大的革新。GB20x系列游戏卡核心，应该还是单芯片，这倒是和AMDNavi31/32不一样。
图片库巨头GettyImages与芯片制造商Nvidia宣布合作，共同开发生成式AI图片工具。这一消息引发了有关图片创作者应该获得图片创作权的争议。这一合作引发的争议将继续推动我们思考和探讨AI技术如何塑造我们的文化和创意产业，以及如何平衡技术的创新和创作者的权益。
NVIDIA最近在一份面向投资者的演示文件中，意外披露了下下代GPU架构的路线图。NVIDIA目前有两种截然不同的GPU架构，一是面向消费级游戏和图形的AdaLovelace，二是面向高性能计算和人工智能的Hopper。Blackwell架构在此前路线图上要到2024年才会登场再下代2025年就推出，时间过于紧凑，所以这个X架构的定位可能会有所不同。
根据Omdia研究公司称，芯片巨头Nvidia在第二季度交付了900吨其旗舰型号H100GPU的AI芯片，这一庞大的交付量主要是由于对其AI芯片需求的急剧增加。Omdia报告指出，大量的GPU正涌入超大规模数据中心，这对服务器的出货量造成了不利影响。这是因为领域特定的AI模型具有“显著较少”的参数、数据集大小、标记和时代，这是根据研究公司的观察得出的结论。
将在明年初大批量出货交付HBM3E高带宽内存，首要客户就是NVIDIA。NVIDIAA100/H100计算卡热卖，对于HBM的需求也空前高涨，动辄单卡几十GB，最近宣布的GraceHopper超级芯片，双路系统就需要282GBHBM3E。美光还将在明年初出货32GBDDR5颗粒，可以轻松做成单条桌面32GB、服务器128GB，甚至能达成单条1TB。
波兰虚拟现实游戏开发公司CarbonStudio的联合创始人AleksanderCaban多年前观察到现代游戏设计中存在一个重要问题:手动创建视频游戏环境中的基本元素，如岩石、山丘、路径等，通常是耗时且繁琐的过程。为了解决这个问题，Caban决定开发技术来自动化这个过程。我们的团队两年前开始开发这个工具，使我们能够拥有一个可供使用的产品。
