当前位置：

社区首页

电脑数码

软件应用

服务软件

AIGC文章详情

英伟达开源PAIR让Mac和RTX组队跑AI,18分钟任务压缩至8分48秒

源自222位全网作者

00:39

精选参考来源

【DeepSeek Harness 入门教程】5大质变插件 + 调用MiniMax H3开源模型猛猛低成本生视频！

AI小王子Jay 2026-08-31

来自哔哩哔哩

【英伟达拟130亿美元收购Hugging Face：AI“应用商店”的终局与变数】英伟达正深入谈判以超过130亿美元的价格收购AI开源社区Hugging Face。作为全球AI算力的绝对霸主，英伟达此举意在将触角从底层芯片延伸至生态最顶层。Hugging Face目前是全球开发者共享Transformer模型、数据集和各类AI工具的中心，其地位类似于AI界的GitHub。尽管交易尚未最终敲定，但这一估值较去年翻了近三倍，反映了巨头对“流量入口”和“开发者心智”的极度饥渴。这笔交易折射出算力战争的下半场逻辑：英伟达不再满足于只卖“铲子”，它要买下整座矿山的“地图”和“交易市场”。通过掌控这个最大的模型分发渠道，英伟达能更隐蔽地将CUDA架构与开源生态深度绑定，甚至通过调整搜索权重和优化策略，让开源模型在自家芯片上跑得更顺滑，从而筑起反击AMD和各家自研芯片的护城河。对开发者而言，这可能意味着短期内能薅到更多算力补贴，但长期来看，一个原本中立的“公共广场”变成巨头的“私家花园”，开源生态的纯粹性与硬件兼容的公平性，恐怕要打上一个巨大的问号。与其担心模型被禁，不如担心未来的开源世界是否只剩下一种“标准答案”。

爱可可-爱生活 2026-08-28

来自新浪微博

全部
来源

内容由AI生成

1. 【DeepSeek Harness 入门教程】5大质变插件 + 调用MiniMax H3开源模型猛猛低成本生视频！

2. 【英伟达拟130亿美元收购Hugging Face：AI“应用商店”的终局与变数】英伟达正深入谈判以超过130亿美元的价格收购AI开源社区Hugging Face。作为全球AI算力的绝对霸主，英伟达此举意在将触角从底层芯片延伸至生态最顶层。Hugging Face目前是全球开发者共享Transformer模型、数据集和各类AI工具的中心，其地位类似于AI界的GitHub。尽管交易尚未最终敲定，但这一估值较去年翻了近三倍，反映了巨头对“流量入口”和“开发者心智”的极度饥渴。这笔交易折射出算力战争的下半场逻辑：英伟达不再满足于只卖“铲子”，它要买下整座矿山的“地图”和“交易市场”。通过掌控这个最大的模型分发渠道，英伟达能更隐蔽地将CUDA架构与开源生态深度绑定，甚至通过调整搜索权重和优化策略，让开源模型在自家芯片上跑得更顺滑，从而筑起反击AMD和各家自研芯片的护城河。对开发者而言，这可能意味着短期内能薅到更多算力补贴，但长期来看，一个原本中立的“公共广场”变成巨头的“私家花园”，开源生态的纯粹性与硬件兼容的公平性，恐怕要打上一个巨大的问号。与其担心模型被禁，不如担心未来的开源世界是否只剩下一种“标准答案”。

3. 新一代骁龙的Adreno GPU 提升巨大。核心看点是 AI和GPU的进一步深度融合，给大家总结一下 1：新增Adreno Matrix Cores 矩阵 AI 核心，AI 渲染运算直接在 GPU 内部完成，减少多余的损耗，更加高效。 2：搭配独立高速显存，渲染与 AI 计算中间数据保留在 GPU 本地，减少频繁读取DDR带来的压力 3：Adreno Neural Fusion，把神经网络处理、AI超分辨率、AI帧生成整合到一块，可以用更低的功耗让游戏画质更高、帧率更稳。这么看下来，我觉得今年“GPU之王”的竞争很激烈啊 #骁龙峰会#

4. 本机直接秒跑大型 AI！实测MSI顶级AI工作站边缘运算有多狂!?｜ MSI Raider 16 Max HX B2WJ｜开箱评测EP99【科技说】

5. 英伟达现在想卖的，已经不只是 GPU，而是一整套 AI 服务器。客户想自研 XPU？可以，联发科帮你把芯片做出来，再用 NVLink Fusion 接回英伟达的机架系统。这笔 35 亿美元还不是直接买股票，而是认购可转债。英伟达先拿到债权，未来又保留转股选择，和联发科的关系明显比普通合作更紧。我觉得真正厉害的地方在这，GPU 可以不是英伟达的，但芯片怎么连接、服务器按什么标准搭，它还是想掌握。芯片可以是你的，接口和机架标准最好还是我的。

6. 硅谷知名投资人、头部播客主JCal（杰森·卡拉卡尼斯）表示，萨姆·奥特曼（Sam Altman）激怒了黄仁勋，促使英伟达开始与 OpenAI 展开直接竞争：“我认为，从英伟达收购 Hugging Face 和 Poolside 这两笔交易来看，黄仁勋正全力押注开源。萨姆·奥特曼这次可以说是‘捅了老虎窝’。”“回顾一下他的所作所为：早在 2025 年，他就与英伟达敲定了那笔高达 1,000 亿美元的巨额协议。紧接着，他又宣布了与 AMD 的合作交易。黄仁勋显然对此极为不满。”“紧随其后，萨姆宣布要自研名为 Jalapeño 的推理芯片，并且还要继续推进与 AMD 的合作。随后黄仁勋便表态称：‘既然如此，顺便提一句，我们其实也没有必要非对 OpenAI 进行这些投资了。’”“我认为黄仁勋正在开源赛道上极速狂飙，明年你将能直接从英伟达买下整套全栈技术体系。他将主导并掌控开源生态。这是一个非常有意思的转折点，因为就在 6 到 12 个月前，我们坐在这里还都在断言‘开源生态绝不可能赶超闭源’。”“黄仁勋目前正在推进一个开源自动驾驶项目。如今他又拿下了 Hugging Face——那个所有人前去体验和测试最新模型的头号开源分发平台。”#人工智能##黄仁勋#

7. 互联网技术#英伟达为什么花129亿美元买一个「不赚钱」的开源网站？# 【129亿美元买一个"接近盈利"的开源社区，黄仁勋算的不是利润账】2026年8月26日，The Information 曝出消息：英伟达已同意以129亿美元收购全球最大的开源AI模型社区 Hugging Face，交易预计2027年上半年完成，这将是英伟达成立以来规模最大的一笔收购。按常规财务逻辑，这是一笔"荒谬"的买卖——Hugging Face 当前的年化经常性收入（ARR）约1.5亿美元，129亿美元对应约86倍收入估值。更关键的是，公司 CEO Clément Delangue 不久前还公开表示公司"接近盈利"。一个接近盈利、收入半年内从1亿涨到1.5亿、付费订阅用户翻倍的平台，为何会被贴上"不赚钱"的标签？又为何值得英伟达付出86倍收入的溢价？答案很简单：英伟达买的从来不是利润，是开源AI世界的分发权。一、"不赚钱"是个伪命题，86倍估值买的是"默认打开的那个标签页"Hugging Face 绝非不赚钱。数据显示，其 ARR 从2023年的约3000万美元，到2026年6月的约1亿美元，再到8月的1.5亿美元——三年内增长近5倍，付费订阅用户数量在短短两个月内翻倍，超2000家企业付费使用其 Enterprise Hub，公司自身已接近盈利。但"接近盈利"不等于"财务上值129亿"。86倍收入估值即便在科技并购市场也属罕见高位——三年前该公司 D 轮融资时投后估值仅45亿美元，英伟达、谷歌、亚马逊、英特尔等巨头参投；不到三年，估值翻了近3倍。这笔账的正确算法是：英伟达支付的不是1.5亿美元营收的86倍，而是整个开源AI生态核心节点的控制权溢价。Hugging Face 托管着296万个模型仓库、100万个数据集、144万个 Spaces 应用，月活访客超1800万，注册开发者约1300万。Meta 的 Llama、阿里的 Qwen、Mistral、DeepSeek 的开源权重全部在此首发。海外科技媒体把这个逻辑讲得很直白：英伟达买的不是模型，不是摇摇欲坠的推理托管业务，而是分发层本身——搜索框、下载按钮、"Trending"标签页、一键部署组件。在软件术语里，英伟达刚刚买下了"机器学习的 npm"。npm 不靠托管包赚钱，它靠的是每一个 JavaScript 开发者工作流都经过它。当你控制了注册表，你不需要控制代码——你控制的是发现机制、默认项和依赖关系图。英伟达不需要关闭 Hugging Face，它只需要让"CUDA 优化"成为那个默认的开关。二、三层战略动机：硬件护城河、对冲闭源、全栈闭环1. 开源越繁荣，GPU 需求越稳固这是黄仁勋最核心的判断：开源模型繁荣是对冲闭源威胁的最佳防线。当前，OpenAI、Anthropic、Google、亚马逊等英伟达的大客户，正在全力自研AI芯片（如 OpenAI 的 Jalapeño、Amazon 的 Trainium），试图降低对英伟达 GPU 的依赖。这对英伟达是"双刃剑"——它们既是客户，又是潜在替代者。英伟达的逻辑链条非常清晰：- 开源模型可以免费下载，但训练和推理必须消耗 GPU 算力- 开源开发者越多、生态越活跃，对通用 GPU 的需求就越难被单一闭源势力切断- 控制了开源生态的分发枢纽，就等于掌握了"模型从哪来、到哪去"的定价权这是一场"模型免费、算力收费"的征税权收购。129亿美元买的是未来 GPU 需求的"征税权"，而非短期财务回报。2. 从"卖铲人"升级为"规则制定者"英伟达早已不是纯粹的芯片公司。过去一年，它在开源AI上的投入力度惊人：发布 Nemotron 语言模型家族、Cosmos 物理AI世界模型、Isaac GR00T 机器人模型、Alpamayo 自动驾驶模型等开放权重模型，并向 Hugging Face 贡献了650多个开放模型、250多个开放数据集、1000多个开源仓库。NVIDIA 官方明确表示："开源是让加速计算在各行业广泛可及和可用的基础。NVIDIA 倡导并投资开放模型与平台，以激发创新、壮大生态系统。"收购 Hugging Face 后，英伟达将打通"硬件芯片 → 开发工具 → 模型分发"的完整闭环，把自身影响力直接延伸到AI生态的最上层——开发者社区。这类似于 IBM 在2019年花340亿美元收购 Red Hat 的逻辑：战略买家为开发者生态中的卡位付费，而不是为短期现金流买单。3. 现金压力极小，战略杠杆极大从支付能力看，这笔交易对英伟达几乎"无感"。根据其2026财年第二季度财报，公司单季营收962.21亿美元，同比增长106%；持有现金及短期投资超过600亿美元，129亿美元的收购金额仅占其现金储备的五分之一左右。对一家单季度净赚近600亿美元的公司而言，129亿"只是大约六周的季度收入"。用六周的收入买下一个战略咽喉点，这笔账怎么算都划算。三、真正的风险：开源生态的"收费站化"这笔交易最大的悬念，不在于英伟达愿不愿意付钱，而在于 Hugging Face 的"中立性"还能否保持。Hugging Face 的核心资产恰恰是"中立"——AMD、Intel、高通的优化路径曾与英伟达并列在库。其 Optimum 库同时支持英伟达的 TensorRT-LLM、AMD 的 ROCm 和 Intel 的 OpenVINO。2025年底，Hugging Face 还拒绝了英伟达5亿美元、对应70亿美元估值的投资要约，核心理由正是"拒绝芯片巨头介入，守护平台第三方中立定位"。短短8个月后，英伟达以近乎翻倍的报价（约86倍收入）拿下了整个公司。开发者社区的担忧非常具体：- 平台的"Trending"推荐算法会不会偏向英伟达优化的模型？- 一键部署组件会不会默认路由到英伟达推理端点？- 开源许可政策和算力路由规则会不会逐渐偏向英伟达自家产品？更现实的约束来自监管。由于英伟达在AI GPU市场占据绝对主导地位（2025年AI训练芯片市占率超90%），这笔横跨硬件与软件分发层的纵向整合交易，最终能否顺利落地仍存在不确定性。参考微软收购 GitHub 的先例：若收购方能保留平台的独立运营与开源文化，这笔交易反而可能推动开源AI生态的进一步繁荣。但前提是英伟达必须克制——它不需要关闭 Hugging Face，只需要让"CUDA 优化"成为默认项。这种"软锁定"比"硬封闭"更可怕，也更难被监管捕捉。四、AI竞争重心已从"模型"转向"分发"129亿美元收购 Hugging Face，标志着全球AI产业的竞争重心从模型能力本身转向生态与分发渠道的争夺。黄仁勋看得很清楚：当模型层逐渐商品化、当闭源巨头试图绕过英伟达自研芯片时，真正不可替代的不是某一块芯片，而是整个开发者工作流对英伟达栈的依赖。从 CUDA 到 NeMo 到 Nemotron 再到 Hugging Face，英伟达正用五年260亿美元的投入，把自己从"卖铲人"重做成了"矿场规则制定者"。对中国企业而言，这也是一个清晰的信号：当英伟达通过收购 Hugging Face 把"开源分发层"纳入全栈版图，国产开源模型（Qwen、DeepSeek、GLM）的国际分发渠道将面临新的不确定性。建设中立、自主、全球化的开源AI分发基础设施，不再是可选项，而是必答题。Hugging Face 的交易仍在监管审查中，预计2027年上半年完成。在此期间，"开源AI的中立性"将成为全球开发者社区、监管机构与科技巨头三方博弈的焦点。129亿买下的不只是一个网站，而是未来十年开源AI世界的游戏规则制定权。

8. 强强联合，8月31日英伟达和联发科两家公司宣布进一步深化合作，直接把AI这件事从云端、边缘一路做到汽车。联发科将加入英伟达 NVLink Fusion 生态，帮助云厂商和AI模型开发商做定制XPU，还能直接接进英伟达的机柜级AI系统，而且英伟达这次不是光说不练，直接投资35亿美元买联发科海外可转债。PC这边，两家会继续合作下一代 RTX Spark、DGX Spark 相关产品，把英伟达GPU和联发科SoC结合起来。汽车也没落下，联发科Dimensity Auto 会继续整合英伟达技术，后面一起做AI驱动的汽车平台。以前大家提到联发科，更多想到手机芯片。现在再看看它的布局，云端AI、边缘AI、AI PC、汽车，一个都没落下。而英伟达也在不断把自己的GPU、AI软件和算力能力往更多设备和场景里塞。这两个巨头越走越近，后面能碰出什么东西，确实值得关注

9. OpenAI买数万台Mac训练AI——2026年最反直觉的算力新闻。据The Information：OpenAI采购了数万台Mac mini和Mac Studio，跑强化学习和computer-use智能体训练；Anthropic也在通过AWS租Mac算力。英伟达已把苹果视为本地AI处理的顶级对手。为什么是Mac？统一内存架构。CPU和GPU共享同一块高带宽内存，训练"操作电脑的AI"这类任务时，避开了传统GPU集群的某些瓶颈。消费级硬件，意外成了前沿实验室的基础设施。同日另一条：微软泄露文件显示一名员工28天烧掉2.8万美元Token，公司已开始收紧内部AI用量监控，默认负载切到更便宜的GPT-5.6 Sol。两条新闻合起来就是当下AI行业的完整切面：1. 算力饥渴没有尽头，连Mac都成了采购标的2. Token成本已经大到巨头也要盯着每个员工省3. 苹果Mac营收涨29%，成了最意外的AI受益者 Scaling的尽头是什么？目前看是账单。

10. 超强的本地化 AI 一键部署项目：Osmantic/ODS（GitHub：github.com /Osmantic/ODS）。它能把你的 PC/Mac/Linux 变成私有 AI 服务器，支持本地推理、ChatGPT 式 Web UI、语音（STT/TTS）、智能代理与工作流（n8n）、RAG（Qdrant）、本地图像生成（ComfyUI）以及完整的运维与隐私保护。自动检测 GPU/芯片、引导模式（快速聊天->后台下载完整版）、一键安装与可扩展的插件系统，适合想把数据和算力掌握在自己手里的开发者与爱好者。

11. Qwen3.8-Flash-Next 突然开源！125B 模型本地运行，显存不够硬盘来凑，居然真能跑！部署实测来了 | 零度解说

12. 高端 GPU 对华受限，英伟达转向机器人赛道。不受管制的边缘芯片、仿真工具，让中国成为其物理 AI 最重要市场。红利背后，国产人形机器人产业正在面对机遇与风险的博弈。 #科技妈咪# #烈焰童子说# #科技先锋官# 英伟达瞄准全球机器人：被芯片管制挡在门外，在中国找到第二增长曲线

13. 英伟达CPO交换机正式量产 AI光互连迎来拐点 A股哪些产业链迎来机遇英伟达CPO交换机正式量产，AI光互联这条线，终于从概念走到了商用落地。英伟达Spectrum‑X CPO共封装光学交换机现已实现量产，首批设备已经向CoreWeave、甲骨文等海外头部云厂商交付。作为全球首款商用200G/lane共封装光学交换机，意味着CPO技术告别实验室阶段，正式进入规模化商用周期。 AI算力集群规模持续扩张，传统插拔式光模块面临功耗与信号传输瓶颈。CPO将光引擎与交换芯片封装一体，大幅降低功耗损耗，满足万卡乃至百万卡AI算力集群的高速互联需求。行业普遍认为，该产品落地将推动全球智算中心加速切换光互联技术路线。市场需要客观看待产业节奏。CPO落地不代表传统插拔光模块立刻被替代，跨机房长距离场景现有方案依旧为主力，变革主要集中在机柜内部短距互联，产业链价值重心向光引擎、无源器件、先进封装转移。事件带来产业催化，A股多条产业链迎来预期提升。光引擎及无源器件方向，天孚通信深度布局CPO光引擎组件；光迅科技、华工科技完成多轮光引擎送样验证。高速光模块龙头，中际旭创、新易盛持续受益全球AI算力资本开支扩张。上游配套环节，源杰科技供应CPO所需连续波光芯片；长电科技具备光电封装工艺储备；罗博特科提供光电耦合测试设备。整机制造端，工业富联参与海外交换机整机生产；紫光股份旗下新华三已实现国产CPO交换机交付。需要注意，当前CPO尚处在量产初期，大规模放量仍需要时间，现阶段更多是产业预期驱动，业绩兑现要看后续订单落地。同时NPO等多条技术路线并行发展，技术迭代存在不确定性。算力竞争不止GPU性能比拼，高速互联已经成为AI集群的关键一环。英伟达产品量产打开CPO商用大门，国内供应链能否拿到实质订单，将决定相关企业后续行情高度。风险提示：本文基于公开资讯整理，不构成投资建议，股市有风险，入市需谨慎。

14. 如果一个人花十几万就是为了本地部署量化过的开源模型省API的钱，不考虑这十几万硬件保值升值空间的话你会觉得很划不来；但是如果手机厂商把价格三千块钱就是为了能本地部署个模型减少用户让AI进行简单操作时路由到云端API的运营成本，你反而可能会觉得这就是AI手机很合理了。

15. 这次玄戒系列在外网热度最高的其实是这个用上三颗玄戒芯片的AI cube，浏览器基本是O3的十倍。好像很多外国人对本地部署大模型的执念很深，加上目前确实没有什么便宜方案，不少人表示小米真出了，不到5000美金的话马上飞来中国买一台。

16. 一个超实用的免费AI资源库：itsfree.ai —— 收录 25 家提供真实免费额度的 API 与运行时、463 个免费模型，甚至还有无需联网就能本地跑的方案（Ollama、llama.cpp 等）。最新数据已核验至 2026-09-02，适合做原型、测试和本地部署。记得上线前再核对各家免费额度和隐私条款。

17. 英伟达宣布以129.3亿美元收购Hugging Face英伟达(NVDA.O)CEO黄仁勋宣布，英伟达已同意以129.303亿美元收购Hugging Face。双方将共同扩大Hugging Face平台规模、强化其基础设施，并让全球开发者和机构更广泛地获得人工智能能力。他表示，Hugging Face将继续作为面向整个AI生态系统的开放平台。开发者可以自行选择所需的模型、框架、云服务和推理服务提供商，以及计算平台。通过Hugging Face进行开发或部署并不要求使用英伟达的计算资源。英伟达表示，针对加入英伟达的Hugging Face员工的股权保留计划最高达10亿美元。交易预计将在2027年上半年完成，需待监管机构批准。以上均不构成投资建议

18. 高通预热Adreno 850，依然是三切片架构，性能与能效进一步提升。主频历代以来最高，18MB Adreno™ 独立高速显存（HPM）。还引入了GPU的专用AI核心--Adreno Matrix Cores，实现AI负载在本地运行。

19. 【HeliosGen：把昂贵的AI工作流搬回桌面】HeliosGen是一个开源的桌面端AI工作流构建器，它把原本分散在各大平台的图像和视频生成能力集成到了一个无限画布上（repo：segfault42/heliosgen）。这款工具的核心逻辑是“自带API密钥”，通过接入kie.ai或Codex，用户可以直接在本地调用Kling 3.0、Gemini Omni Video、GPT Image 2等顶级模型。所有生成数据、媒体文件和自动化链条都存储在本地SQLite数据库中，不再有订阅陷阱或点数过期的焦虑。它的价值在于打破了云端工具的围墙花园。以往想用可灵做视频、用GPT画图，你得在不同网页间跳转，还要忍受高昂的月费。HeliosGen提供了一个类似ComfyUI的节点式环境，但门槛更低，因为它处理的是接口而非繁重的本地显存配置。对于追求效率的创作者来说，这不仅是省钱工具，更是一个私有的AI实验台，让复杂的跨模型协作变得像连连看一样直观。目前该项目急需Windows和Linux开发者协助构建，这或许是普通用户摆脱平台锁定的一个重要转折点。

20. NVIDIA（英伟达）与联发科技 (Mediatek) 今日宣布深化长期合作伙伴关系，共同打造跨世代的 AI 基础设施、边缘 AI 运算、车用产品。联发科技将采用 NVIDIA NVLink Fusion 平台为客户开发客制化 XPU 芯片，整合至 NVIDIA 机柜级系统及 AI 工厂。NVIDIA 同时向联发科技发行的海外可转换公司债投资 35 亿美元（IT之家注：现汇率约合 235.75 亿元人民币）。此外，双方将持续合作开发未来数代 RTX Spark / DGX Spark 电脑芯片；两家企业也将持续开放具备 AI 功能的 SDV（软件定义汽车）平台。#包贝尔因出轨风波新剧被除名#

21. 英伟达+联发科RTX Spark AI PC未上市即售罄：AI PC的春天，真的来了吗？

22. OpenAI狂扫数万台Mac，英伟达AI PC秒罄

23. 苹果被动应战，英伟达产能受限，桌面AI之争下一步怎么走？

24. 布局端侧AI！英伟达与联发科合作释放哪些信号

25. 英伟达宣布史上最大海外直接投资：斥资35亿美元与联发科共同构建下一代AI计算平台；黄仁勋公告：我们正在将英伟达加速带入新市场

26. 不靠英伟达GPU，苹果Mac悄然切入高端AI算力赛道

27. 一台桌面电脑 = 一座小型AI机房？这6台机器太狠了

28. #AI论道# 【英伟达35亿美元入股联发科共建AI、PC芯片与汽车三大平台】大模型之家讯 8月31日，英伟达与联发科宣布深化长期合作，英伟达将投资35亿美元（约235.77亿元人民币）认购联发科可转换债券，共建涵盖AI基础设施、本地AI计算和汽车的下一代AI计算平台，联发科将采用NVIDIA NVLink Fusion为云服务商等提供预验证路径，开发定制XPU并接入NVLink机架级AI工厂。合作聚焦三大方向：AI基础设施领域协助客户开发适配英伟达机架级系统的定制方案；本地AI计算领域联合开发多代RTX Spark与DGX Spark PC芯片，集成英伟达GPU与联发科SoC；汽车领域共研AI驱动的软件定义车辆平台，此次资本与技术绑定标志双方从芯片到系统级深度融合。 #英伟达# #联发科#

29. 本地AI硬件选择指南

30. 英伟达斥资35亿美元投资联发科，深化AI芯片合作伙伴关系

31. 128GB统一内存，本地部署AI大模型的“平民神器”来了

32. 35亿美元重磅合作！英伟达联手联发科，边缘AI迎来拐点

33. #热点观点畅聊会#小白看懂：AMD RX 9060 XT与英伟达显卡核心区别在哪里？如今很多人买显卡，不再只玩游戏，还会用来本地AI绘图、生成文案、视频、运行智能模型。近期热门的AMD RX 9060 XT显卡，对标同价位英伟达RTX 5060Ti型号，游戏性能基本持平，但在个人电脑本地AI生成场景中，实测差距非常直观。二者差距不在于硬件纸面算力，而是在软件生态、实际利用率和使用门槛。首先是最关键的生态与落地速度差距。英伟达依靠专属CUDA平台，是目前AI创作的绝对主流标准。实测RTX 5060Ti拥有759 TOPS的AI算力，Windows系统下即装即用，适配所有主流AI绘图、大模型工具，无需任何手动调试，普通用户下载软件就能一键生成，全程零门槛、零报错。而AMD RX 9060 XT纸面硬件实力更强，第二代AI矩阵核心峰值算力达821 TOPS，参数上小幅超越RTX 5060Ti。但A卡天生的短板极其明显，Windows原生适配极差，必须依靠ROCm、HIP或第三方兼容工具才能跑AI。实测同等条件下，Windows普通模式下运行AI，它的生成速度会直接腰斩，想要拉满性能不可能，折腾虚拟机、代码调试，新手基本无法正常使用，并且还容易出错。其次是实测AI生成速度差距，数据最能说明问题。主流Stable Diffusion 1.5绘图测试中，RX 9060 XT对比RTX 5060Ti，单图生成速度慢20%-40%；在7B量级大语言模型文本生成测试中，RX 9060 XT每秒生成词元约63Token，而RTX 5060Ti稳定在75Token以上，输出效率明显更高。核心原因就是英伟达Tensor核心经过多年深度优化，算力几乎100%释放；而AMD矩阵核心优先适配游戏FSR4超分，通用AI优化不足，硬件算力无法完全发挥。 RX 9060 XT唯一碾压同级N卡的优势就是显存：全系标配16GB大显存，而RTX 5060Ti仅为8GB/12GB显存。显存相当于AI创作的工作台，更大的空间可以轻松跑Flux高清绘图、13B大模型，不容易出现爆显存、闪退、卡顿问题。但受限于软件优化短板，实测中16GB大显存的优势无法完全兑现，多数AI场景下，体验提升远没有参数差距那么大。选购结论。如果主打本地AI绘图、大模型运行、懒人一键创作，优先选英伟达RTX 5060Ti，虽然纸面AI算力、显存参数不如#上头条聊热点#，但实测速度更快、稳定性更强、零调试上手即用，体验拉满。如果纯打3A游戏、几乎不用AI，RX 9060 XT性价比更高，游戏性能持平同级N卡，16GB大显存也能应对大型游戏高画质需求。只有愿意折腾调试、需要大显存跑超大模型的用户，才适合选择AMD这款显卡。总而言之，两款显卡的AI性能反转很明显：RX 9060 XT硬件参数更强，RTX 5060Ti实际AI体验更好。#显卡# #探寻人工智能，人与AI全新序章# 最终差距不在芯片算力，而在英伟达成熟的AI生态和超高的算力利用率，这也是普通小白做本地AI创作最需要看重的核心点！您看懂了吗？

34. OpenAI购入数万台Mac，苹果成英伟达本地AI劲敌

35. 英伟达与联发科深化长期合作伙伴关系：涵盖AI基础设施、边缘AI和车用领域英伟达与联发科宣布，双方将深化长期合作伙伴关系，共同打造跨世代的AI基础设施、边缘AI与车用产品。在更紧密的合作架构下，联发科将采用英伟达的NVLink Fusion平台，协助超大规模云端服务商、云端服务供应商、前沿模型开发商等客户开发定制XPU，并建造以NVIDIA NVLink连接的机柜级AI工厂。双方将结合英伟达的加速运算、AI、图形与软件平台，以及联发科的定制芯片、高效能运算、SoC设计、先进封装、互连技术与网络连接等各方面的领导地位。英伟达与联发科主要在三大领域展开深度合作： AI基础设施 - 联发科基于英伟达的NVLink Fusion生态系统，协助客户开发定制AI基础设施，并整合英伟达的机柜级系统及AI工厂。边缘AI运算 - 双方将持续合作开发未来数代RTX Spark与DGX Spark芯片，将整合英伟达GPU的联发科SoC带入更多消费端设备、适合AI开发者的PC与企业工作站。车用市场 - 联发科将与英伟达持续开发具备AI功能的软件定义车用平台。另外英伟达将投资35亿美元（约合人民币235.2亿元），用于联发科发行的海外可转换债券（ECB）。

36. 英伟达与联发科深化长期合作伙伴关系：涵盖AI基础设施、边缘AI和车用领域

37. 旧电脑别扔！一键把它变成你的私人 AI 服务器

38. 安卓手机本地部署AI大模型只需简单四步

39. 英伟达大幅扩大与联发科合作共建AI工厂

40. Mac能跑304B大模型，英伟达速度却领先133%，怎么选？

41. 11.7K+ Star！英伟达 1 个模型 = 4 套物理 AI 系统，5 大模态全打通

42. 联发科和英伟达深化合作共建AI基础设施与车载产品

43. 2026年个人AI计算设备如何选择：英伟达家族产品深度解析与选购指南

44. 英伟达新驱动实测：跑分涨 8.1%，专为 AI 优化英伟达 8 月 26 日推了 616.56 驱动。国外用户用 RTX 5080 实测：跑分涨得猛，游戏基本没动。涨的全是计算渲染： DXR 路径追踪 + 8.1%，OpenCL+21.7%（最狠），CUDA+5.5%，Blender+6.1%，Cinebench+6.7%。游戏只涨 2% 左右，光追游戏原样。原因：跑分任务单纯，驱动理顺算力立刻见效；游戏是整套流程，受 CPU、显存、帧生成限制，那点优化被吞掉了。谁该更：值得更：本地跑大模型、AI 画图（SD/ComfyUI）、3D 渲染、达芬奇调色 —— 全吃 CUDA/OpenCL 别折腾：纯打游戏的，没提升，等稳定反馈注意：第三方单卡实测，非官方数据，官方说明没提这些优化。40 系能否吃到同样提升未知。 OpenCL 那 21.7% 最关键 ——N 卡上 OpenCL 历来比 CUDA 慢，这次反超 Vulkan。若复测坐实，对 N 卡干活的人是实打实好事。 #英伟达##rtx5080##显卡驱动#

45. The Information ：英伟达已经将苹果视作本地 AI 领域最强劲的对手 AI 竞争出现新焦点-本地 AI ，苹果的 M 系列芯片凭借统一内存架构，意外成为本地运行大模型的热门选择。Mac Studio、Mac mini 等高端机型被 AI 实验室和开发者大量采购。 M 系列芯片的统一内存架构，非常适合本地运行大模型。CPU、GPU、NPU共享统一内存，再加上高容量内存配置，让 Mac Studio 等设备可以直接加载过去只有服务器才能运行的量化模型。苹果并未把本地大模型硬件作为主攻方向，却“歪打正着，英伟达明确把苹果列为这一领域最强对手。高效模型、新型高带宽闪存（HBF）以及用户对隐私和成本的重视，进一步推动了这一趋势。本地 AI 正从边缘走向实用，用户开始有更多选择。