环球新闻-"拔萝卜一边喘气一边说痛怎么办呢"-英伟达，又挖了一道护城河拔萝卜一边喘气一边说痛怎么办呢

英伟达，又挖了一道护城河拔萝卜一边喘气一边说痛怎么办呢_ZAKER新闻

　　当天，中央气象台首席预报员方翀在媒体通气会上说明：台风“杜苏芮”残余环流在华北到黄淮一带停留持续时间长、充沛的水汽输送，加上地形的增幅，从而造成此次京津冀地区极端降水，预计降水量会非常大，京津冀部分地区累积降水量会达到200到450毫米，局地会达到650毫米以上。

从工业生产到自动驾驶AI 掀起的热潮，还远未到结束的时候。前有微软豪掷 800 亿美元建造 AI 数据中心，后有台积电季度利润因 AI 需求旺盛而大涨 58%，接受日经新闻调查的 11 位分析师更是全数看好 AI 芯片，共同表示今年供应情况仍然紧张。当然，在这一迅猛增长市场中，硬件仍然是决定因素，根据 Statista 的数据，到 2029 年，全球 GPU 市场规模将增长至 2700 亿美元，是当前规模的四倍，配套的 HBM 同样潜力惊人，预计到 2030 年全球市场规模将增长至当前规模的三倍以上，达到 1000 亿美元。但在硬件之外，如何用它们来打造和提供 AI 服务，进一步提升生产力，依旧是一个疑问句。对于普通人来说，可以非常方便地体会到 Chat-GPT 这类大模型所提供的便利，但对于许多中大型企业来说，还未能真正得心应手地去使用 AI 芯片。身处 AI 行业中心的英伟达也敏锐地发现了这一点，在刚刚过去的 CES 2025 上，除了许多人所关注的 RTX 50 系显卡外，英伟达还为更多企业提供了一个答案。从工业生产到自动驾驶企业为什么要使用 AI？使用 AI 会带来什么样的好处？如何更好地使用 AI？这是目前 AI 在企业端应用时的三大灵魂拷问，也是所有 AI 企业努力回答的方向。对于过往的 AI 产品来说，往往更侧重于互联网领域，即所谓的 IT 市场，却忽视了一个庞大市场——实体工业。在欣欣向荣的 IT 行业之外，有超过 1000 万家工厂、近 20 万个仓库和 6000 多万公里的高速公路正在支撑其背后的计算网络，但它们庞大的生产设施和配送中心网络仍然需要人工来设计、操作和优化。尤其是在仓储和分销领域，企业面临着高度复杂的优化难题：如何统筹人类工人、机器人和系统设备，从而实现更高的效率？这让 AI 软件找到了自己的用武之地。在 CES 2025 上，英伟达发布了 "Mega"，这一全新的 Omniverse Blueprint 正是针对上述场景而推出的，其可以在正式部署工厂或仓库前，在数字孪生中大规模开发和测试机器人集群。据英伟达介绍，Mega 为企业提供了 NVIDIA 加速计算、AI、NVIDIA Isaac 和 NVIDIA Omniverse 技术的参考架构，用于开发和测试数字孪生，以测试 AI 赋能的驱动机器人、视频分析 AI 智能体、设备等的机器人大脑，来帮助大规模处理非常复杂的情境。无独有偶，工业摄像领域同样是一个亟需 AI 拯救的行业。据不完全统计，目前全球已部署超过 15 亿颗企业级摄像头，每年会生成约 7 万亿小时的视频，但在海量存储视频中，仅有不到 1% 被观看和分析。这种忽视带来了严重的后果，生产商每年因缺陷产品损失数万亿美元，花费大量物力人力布置的工业摄像头却未能发挥该有的作用。AI 似乎就是为此类场景而生的，具备内置视觉感知能力的交互式 AI 智能体，完全可以成为一位 24 小时在线的视频分析师，在海量的视频中提取有用的信息并加以整理，从而确保生产商的工厂能更高效地运转，为工人的安全保驾护航。英伟达也在本次 CES 上推出了用于视频搜索与总结的新版 NVIDIA AI Blueprint。据介绍，该蓝图基于 NVIDIA Metropolis 平台构建，借助 NVIDIA Cosmos Nemotron 视觉语言模型 ( VLM ) 、NVIDIA Llama Nemotron 大语言模型 ( LLM ) 以及 NVIDIA NeMo Retriever，为开发者提供了构建和部署能够分析大量视频和图像内容的 AI 智能体的工具。与工业领域相似的是，飞速发展的自动驾驶行业中，同样出现了 AI 蓝图的身影。正如大部分人了解的一样，AI 正在自动驾驶领域中大放光彩，但它也面临着问题：更大型的 AI 模型需要大量多样化的数据进行训练、调整和验证，但如何收集罕见案例和潜在危险场景的数据，是所有车企都头疼的一道难题。为了帮助开发者填补这一空白，英伟达在 CES 2025 上推出了 NVIDIA Omniverse Cloud Sensor RTX API，其支持物理精确的传感器仿真，从而能大规模生成数据集。该 API 能支持各类常用的传感器，包括摄像头、雷达和激光雷达，并可以无缝集成到现有工作流中，以加速各类自动驾驶汽车和机器人的开发。在看完整场 CES 发布会后，我们不难发现，英伟达不再把硬件参数挂在嘴边，也不再去强调 AI 这一模糊概念，而加入了更多应用场景，AI 蓝图和 AI 智能体，成为了发布会中提到的最多的两个词。驱动未来发展的心脏什么是 AI 智能体 ( AI Agent ) ？什么是 AI 蓝图 ( AI Blueprint ) ？先来说 AI 智能体，准确来说其实是 AI 智能主体，这意味着这类 AI 具备了主观能动性，能够感知其环境、自主采取行动以实现目标，在处理问题时更接近于人类本身。在去年的播客采访中，英伟达 CEO 黄仁勋曾经阐述了他对公司未来模式的设想，在他的设想中，未来工业依旧会采取与当前类似的层级结构，但 AI 智能体构成了基本员工，人类则充当他们的管理者。他并不是唯一一个想用 AI 构建公司的人。根据 Capgemini 近期对 1100 名企业高管的调查，超过一半的企业高管计划在未来一年开始使用 AI 智能体，预计在未来 3 年内，这一数字将上升到 82%。在他们的构想中，AI 智能体是构建未来公司的关键一步。或许在不算遥远的未来，部分人类员工会升级为 AI 智能体经理，他们可以利用自己广泛的知识和技能基础来发现需要解决的正确问题，然后将执行工作委托给 AI 智能体员工，从而提升整个企业的运行效率。这种想法有一些超前，但并非完全不能实现，事实上，目前客服行业就有相当一部分已经或将要采用 AI 智能体。在简单的问答之外，它们可以完成更多更复杂的操作，缩短响应时间的同时，也能提升用户的满意度。上世纪人类曾畅想过未来社会，也曾对人形机器人产生过许多幻想，不少科幻电影中就描绘了机器人的强大之处：修剪花园、照顾宠物、洗衣拖地、准备晚餐、照顾婴儿 …… 它们似乎能够完成一切枯燥无味的劳动，真正解放了人类的双手。而 AI 智能体，就像是 21 世纪信息化时代里的高级智能机器人，尽管它没有人形机器人那样灵活的双手，但它的思维却未必会比当初设想的慢多少，它所能完成的事情也远远超出了家庭杂务的范畴。为了构建理想中的 AI 智能体，英伟达推出的 AI Blueprint 就是一本不可或缺的指南。去年 8 月，英伟达宣布推出 NVIDIA AI Blueprint，这是它为企业提供的一系列端到端 AI 解决方案框架，能够帮助企业更快地推出和部署包括 AI 智能体在内的自定义 AI 应用。与大多数所想象的不同，NVIDIA AI Blueprint 其实非常简单易用，开发者只需点击一下，即可将其作为 NVIDIA Launchable 构建和运行。由于包含开发所需的所有组件，Launchable 支持一致且可重复的设置，避免了手动配置和额外的开销，简化了从原型开发到部署的整个开发流程，只需要短短几周时间，企业就能快速部署 AI 应用。除此之外，AI Blueprint 能通过硬件加速、软件优化和高效部署策略，降低 AI 系统的计算和运营成本，还支持了从单一服务器到大型数据中心的无缝扩展，不论是大型科技巨头，还是中小型初创企业，都能通过英伟达的解决方案来满足自身需求。企业还可以通过 NVIDIA AI Enterprise 软件平台将蓝图部署到生产环境中，在戴尔科技、慧与、联想、超微等数据中心平台上，或在亚马逊云科技、谷歌云、Microsoft Azure 和 Oracle Cloud Infrastructure 的加速云平台上运行 AI Blueprint。前文中提到的工业生产与自动驾驶，正是 AI 智能体和 AI 蓝图的具体应用，二者正在帮助愈来愈多的企业拥抱和采用 AI，让 AI 成为驱动未来发展的心脏。缓缓展开的未来蓝图2022 年底至 2024 年底，ChatGPT 的发布引燃了世界范围内的 AI 热情，各大科技企业纷纷将生成式 AI 注入互联网服务，通过编写语言和代码来提高个人的生产力，我们可以把这段时间看作是 AI 产业发展的第一阶段。而 AI 产业目前正在悄然经历第二阶段，AI 不再停留在个人层面，而是开始飞入大大小小的企业之中，以 AI 智能体的形式，帮助它们实现更快创新和提高生产力。对于目前企业来说，还在纠结如何使用 AI 这道难题，而在未来企业的眼中，或许如何发掘 AI 潜力成为了新的难题，届时 AI 产业可能就会迎来全新的第三阶段。回过头再来看英伟达，它似乎已经在传统的硬件护城河外，构建了第二道护城河。从 CUDA 到包括 AI Blueprint 在内的 NVIDIA AI Enterprise，英伟达提供了一整套 AI 开发工具链和基础设施，往日高不可攀的 AI 模型如今已是唾手可得，这或许是其他 AI 芯片竞争者真正可望而不可即的优势所在吧。