1、英伟达发布CUDA Toolkit 13.5：正式支持Vera Rubin，升级多GPU通信
（来源：IT之家）IT之家 11 月 5 日消息，英伟达于当地时间 11 月 4 日正式发布了最新的 CUDA Toolkit 13.5，为下一代 AI 计算平台 Vera Rubin 提供正式可用（GA）支持，标志着相关架构从早期开发者预览阶段进入面向企业生产环境的部署阶段。据英伟达官方介绍，此次更新不仅完善了 Vera Rubin 平台的底层软件支持，还针对 GPU 资源调度、多 GPU 通信、数学计算库及性能分析工具进行了多项升级，重点面向大规模 AI 训练和推理场景。
2、芯原推出面向可穿戴设备的新一代GCNanoOptimaV 2.5D GPU IP
芯原股份（芯原，股票代码：688521.SH）今日宣布推出新一代GCNanoOptimaV 2.5D图形处理IP，旨在满足可穿戴设备对先进图形处理能力日益增长的需求。GCNanoOptimaV采用专用硬件加速引擎和优化的内存架构，显著提升图形渲染性能与内存效率，在满足可穿戴应用严格资源限制的同时，助力实现更加丰富、流畅的图形用户界面（GUI）。目前，该GPU IP已获得多家领先客户采用。GCNanoOptimaV集成了专用硬件描边引擎（Hardware Stroke Engine）和椭圆渲染引擎（Hardware Ellipse Engine），旨在解决矢量图形渲染过程中的性能瓶颈。
3、上交团队用GPU优化算法，解开18年未解量子难题
（来源：DeepTech深科技）一个在量子信息领域悬了 18 年的难解之题，竟然被一张 GPU 解开了。这个问题叫做量子有序搜索，属于量子算法复杂度研究领域的一个基础问题。近日，上海交通大学团队用 GPU 加速的求解器 cuLoRADS 直接解出了 5 次查询对应的完整半定规划（SDP，Semidefinite Programming），确认了最大可搜索列表规模是 7265，相关论文发表在 PNAS 上。过去 18 年间，相关半定规划问题的规模随着搜索列表长度呈现出平方级增长，这超出了所有 CPU 求解器的能力范围。
4、云豹智能DPU卡位算力网络，4 万亿新基建迎来国产芯
当 AI 大模型从概念走向千行百业落地，国内各地智算中心加速建设，很多建设者陷入一个现实困境：采购大量高端 GPU，集群整体实际算力利用率却不及预期。究其根源，算力比拼不能只看单卡算力参数，集群内部的数据流通调度能力同样至关重要，DPU 正是解决这一痛点的核心硬件。没有 DPU 承担网络、存储任务卸载，再强大的 GPU 硬件也会陷入算力空转，无法释放全部生产力。伴随算力网上升为国家核心基建，DPU 的战略价值被提升到全新高度，云豹智能作为国产 DPU 的标杆企业，正在不断缩小与海外巨头之间的差距。
5、GPU 压力测试 FurMark 2 时隔一年迎来版本更新，支持 RTX Spark 等平台
IT之家 11 月 5 日消息，GPU 压力测试软件 FurMark 2 近日迎来了最新版本 2.11.0.4，这是其近一年来的首次更新。最新版本的 FurMark 2 已可在 NVIDIA RTX Spark 超级芯片等一系列新 GPU 设备上进行测试，优化时间管理，在 Windows 上合并了 GPU 核心热点与内存温度显示支持，在 Linux 上可与 Wayland 合成器正常协同工作。
6、告别GPU资源浪费！CUDA 13.5为Vera Rubin提供生产级支持：计算分区可灵活借调
快科技11月5日消息，NVIDIA于11月4日正式发布CUDA Toolkit 13.5，为下一代AI计算平台Vera Rubin提供生产级通用可用支持。这标志着Vera Rubin从早期预览阶段正式进入企业生产部署阶段。本次更新针对Rubin架构的低精度矩阵运算优化了底层内核。NVIDIA称无需针对每种计算形状逐一调校即可提升吞吐量。值得注意的是，从Rubin架构起，CUDA不再支持TCC模式，仅提供WDDM和MCDM两种Windows驱动模型。GPU调度方面，多实例服务架构v3引入加权时间切片，允许为重负载服务器设置更长的基础计算时间片，并独立调节GPU在任务间的切换频率。
7、npu-driver开源：Windows 11首次实现NPU接管桌面合成渲染
2026年11月5日，一个名为labscommunity的开发者团队在GitHub平台开源了一款名为npu-driver的研究型驱动程序。该驱动旨在使Windows 11桌面环境能够调用设备内置的神经网络处理单元（NPU）完成窗口合成与渲染任务，而非依赖传统图形处理器（GPU）。项目已在搭载Intel Panther Lake处理器的设备上完成初步验证。当前主流轻薄型笔记本普遍集成NPU，但其日常使用中多数处于闲置状态；与此同时，GPU需同时承担桌面界面绘制、浏览器内容渲染以及本地AI模型推理等多重负载。