NVIDIA联手韩国：R200 NPU接入NVLink Fusion，三星模拟提速1600倍
本期资讯聚焦NVIDIA在韩国的最新布局，包括与三星、SK电讯等企业在异构算力和企业智能体方面的合作，B200 GPU上的推理性能提升显著。科研领域，MIT与UBC提出WorldParticle模型，尝试用单一架构模拟多种物理现象；MIT与NYU推出FLEX平台，帮助机器人理解自然语言中的隐含偏好。此外，基元律动发布N
NVIDIA在韩国加速落地异构算力与企业智能体
首尔AI Day上，NVIDIA亮出的策略很直接：让异构算力和物理AI落到韩国工业场景里。合作范围不止卖芯片，还牵涉基础设施、模型开放、安全标准与人才培养，是一整套链条上的绑定。
落地案例里最受关注的是NVLink Fusion。NVIDIA拉上Rebellions和SK电讯，打算把下一代R200 NPU经由NVLink Fusion接进现有系统。这种异构连接要解决的是传统CPU-GPU通信瓶颈，让不同架构的加速器之间高效交换数据，效果类似装在同一块主板上。对追求“主权AI”基础设施的韩国政府来说，这意味着不必依赖单一供应商，本土NPU和国际主流GPU资源可以灵活搭配。
企业应用层面，三星是个有代表性的样本。官方披露的信息显示，三星用NVIDIA的CUDA库和PhysicsNeMo框架做材料与工艺模拟，任务加速比约1600倍。半导体制造对精度要求极高，传统数值模拟跑一次迭代往往要几天，基于物理AI的代理模型则能在保住精度的前提下把时间大幅压缩。参与此次生态共建的还有现代汽车、LG AI Research和韩国AI安全机构，关注点集中在自动驾驶数据闭环以及企业级智能体的安全部署。
工具链这边，NVIDIA Dynamo的更新增加了对四款韩国本土开放模型的部署支持：A.X K2、K-EXAONE 2.0、Solar Open 2和Motif-3。官方测试数据显示，在B200 GPU上这些模型的推理性能最高提升约2倍。对开发者而言，Dynamo的优化带来的是更低的延迟和更高的吞吐量，实时性要求高的企业智能体应用尤其看重这一点。
科研突破：从统一物理模拟到机器人意图推断
学术界也在用AI啃更底层的科学问题。MIT与不列颠哥伦比亚大学（UBC）的研究团队提出WorldParticle模型，想用一个统一的深度学习架构模拟六类差异很大的物理现象，颗粒材料、可变形物体、流体以及蛋白质折叠都在其中。
过去，模拟沙粒流动要用离散元法，模拟蛋白质折叠要用分子动力学，每种方法都配着专门的求解器和参数体系。WorldParticle的做法是把这些物质统一看作粒子系统，用神经网络学习粒子之间的相互作用力。初步结果显示，它在特定场景下精度优于传统数值方法，计算效率也更高。这条路如果走通，材料科学和生物制药的研发流程可能被重塑：研究人员不用再为每种新材料编写特定的模拟代码，调整输入参数就行。
机器人领域关心的是另一件事——怎么让机器听懂“弦外之音”。MIT与纽约大学（NYU）推出了FLEX运动规划平台。日常交互里，人类指令常带着没明说的偏好，“把杯子放桌上”就隐含了“轻拿轻放”和“不要挡住其他物品”。FLEX通过特征添加、规则泛化等三步流程，从自然语言指令中推断出这些隐含偏好。整个处理过程约需5秒，算不上实时，但对非动态环境下的任务规划来说已经具备实用价值。机器人由此从单纯的执行者，向具备一定推理能力的助手靠近了一步。
模型迭代与评测体系升级
模型层面同样密集。基元律动发布了NeoHorse-1.5-Flash Preview版本，这是其Agent原生模型与RSI智能体框架的第二轮迭代。Flash版本通常意味着在保住核心能力的同时，针对推理速度和成本做了优化，更适合高频调用的智能体场景。
评测体系也在变。Artificial Analysis更新了Decision Index v2，新指标除了看答案对不对，还引入“置信度校准”评分。说白了，模型不光要答对，还得清楚自己有多大把握。模型若对错误答案表现出高置信度，得分会大幅降低。另外，私有数据集在评测中的占比提高到45%，这能减少模型因过度熟悉公开测试集而“刷分”的情况，更真实地反映其在实际业务中的决策能力。
开发者技巧与行业观察
平时用AI辅助编程的开发者，可以看看Simon Willison分享的一个小技巧：借助HTML的<details>和<summary>标签把AI生成的冗长PR（Pull Request）描述折叠起来。Claude Code或Codex生成的代码解释往往写得很细，直接堆在PR页面会干扰审查者的视线。用折叠功能，审查者可以先看概要，需要时再展开细节，代码审查体验随之改善。工具虽小，解决的却是工作流里实打实的痛点。
Anthropic最近披露了一项分析，研究科学家如何使用Claude。在20.7万次科研会话中，科学家主要把Claude用于数据分析和写作润色，数据收集和假设生成环节的参与度较低。可见当下的AI更像一个高效的“研究助理”，擅长处理结构化数据和表达逻辑；到了最具创造性的科学发现源头——提出新假设，人类依然占主导。
把这几条线放在一起看，NVIDIA在韩国的产业深耕，学术界在物理模拟和机器人推理上的探索，都指向同一个走向：AI正从通用的对话能力转向垂直领域的深度集成。它不再只是聊天框里的文字游戏，开始介入材料研发、制造模拟、机器人控制这些硬核环节。随之而来的问题是，这些复杂系统的可靠性和安全性怎么保证，而这恰恰是眼下各方合作的重点。
