Nvidia 推出了 NeMo 微服务,以将 AI 代理整合进企业工作流,然而研究发现,近一半企业从 AI 投资中获得的收益仅为微小提升。
NeMo 微服务是一组工具,其中部分已经可用,开发者可以利用这些工具构建 AI 代理,这些代理能够与现有的应用程序和服务集成,从而实现任务自动化,并管理代理的生命周期,确保它们及时更新最新信息。
“全球有超过十亿的知识工作者分布在多个行业、地域和地点,我们认为,数字员工或 AI 代理将能在各种领域和场景中帮助企业完成更多工作,” Nvidia 企业生成式 AI 软件高级总监 Joey Conway 表示。
NeMo 微服务还被纳入 Nvidia AI Enterprise 开发者工具整体套件中。
这些组件包括用于收集企业数据的 NeMo Curator,该数据随后会传递给 NeMo Customizer。Conway 将其描述为一项微服务,“它采用了最新的尖端训练技术,为模型传授新技能和新知识,以确保驱动代理的模型始终保持更新。”
NeMo Evaluator 旨在检查驱动代理的模型是否真正有所提升而非退步,而 NeMo Guardrails 则致力于保持代理在既定主题内运行,确保其按预期工作并避免安全与保障方面的隐患。
Nvidia 设想这些微服务将以一个循环流水线方式运作,接收新的数据和用户反馈,将其用于改进 AI 模型,随后再重新部署。Nvidia 称之为“数据飞轮”,尽管我们不免觉得这种描述对真实飞轮功能的理解存在偏差。
这幅图展示了包含中间那位令人毛骨悚然的 Jensen Huang 头像的“数据飞轮”可视化效果 —— 单击可放大查看
Conway 将 NeMo 微服务形容为“基本上就像一个 Docker 容器”。它的编排依赖于 Kubernetes,并辅以如 Kubernetes Operators 之类的附加功能进行支持。
他说:“目前我们已经有一些软件用于协助数据准备和整理,未来这方面还会有更多功能推出。”
Nvidia 宣称其全新 AI 工具包获得了广泛的软件支持,涵盖 SAP、ServiceNow 和 Amdocs 等企业平台;AI 软件堆栈如 DataRobot 和 Dataiku;以及其他工具如 DataStax 和 Cloudera。该工具包还支持来自 Google、Meta、Microsoft、Mistral AI 以及 Nvidia 自身的模型。
据 Nvidia 表示,NeMo 微服务已经在某些场景中投入使用,其中 Amdocs 正在为其电信运营商客户开发三种类型的代理。
这些代理分别为计费代理、销售代理和网络代理。计费代理专注于解决查询问题,而销售代理则致力于在交易达成过程中提供个性化优惠和客户互动。网络代理则会分析不同地理区域和国家内的日志及网络信息,主动识别服务问题。
开发者可以从 Nvidia NGC 目录中下载 NeMo 微服务,或将其作为 Nvidia AI Enterprise 套件的一部分进行部署。
今日同时发布的一项英国研究表明,企业平均在 AI 上的投入为 321,000 英镑(约 427,000 美元),以提升客户体验,尽管许多企业至今未见显著成效。研究发现,44% 的企业领导者表示,目前为止 AI 仅带来微小提升。
尽管如此,近乎所有受访者(93%)声称,他们在 AI 上的投资都获得了不错的投资回报率(ROI)。
该研究由 Storyblok 机构委托进行,Storyblok 是为市场营销人员和开发者提供 CMS 软件的供应商。Storyblok 表示,企业需要超越表面化的应用,将 AI 进行整合,以推动真正的变革。
研究还发现,英国企业领导者最常见的 AI 应用场景包括网站内容创建、客户服务、营销分析、翻译服务和营销内容的生成。
好文章,需要你的鼓励
英特尔第三季度财报超华尔街预期,净收入达41亿美元。公司通过裁员等成本削减措施及软银、英伟达和美国政府的大额投资实现复苏。第三季度资产负债表增加200亿美元,营收增长至137亿美元。尽管财务表现强劲,但代工业务的未来发展策略仍不明朗,该业务一直表现不佳且面临政府投资条件限制。
美国认知科学研究院团队首次成功将进化策略扩展到数十亿参数的大语言模型微调,在多项测试中全面超越传统强化学习方法。该技术仅需20%的训练样本就能达到同等效果,且表现更稳定,为AI训练开辟了全新路径。
微软发布新版Copilot人工智能助手,支持最多32人同时参与聊天会话的Groups功能,并新增连接器可访问OneDrive、Outlook、Gmail等多项服务。助手记忆功能得到增强,可保存用户信息供未来使用。界面新增名为Mico的AI角色,并提供"真实对话"模式生成更机智回应。医疗研究功能也得到改进,可基于哈佛健康等可靠来源提供答案。同时推出内置于Edge浏览器的Copilot Actions功能,可自动执行退订邮件、预订餐厅等任务。
纽约大学等机构联合开发的ThermalGen系统能够将普通彩色照片智能转换为对应的热成像图片,解决了热成像数据稀缺昂贵的难题。该系统采用创新的流匹配生成模型和风格解耦机制,能适应从卫星到地面的多种拍摄场景,在各类测试中表现优异。研究团队还贡献了三个大规模新数据集,并计划开源全部技术资源,为搜救、建筑检测、自动驾驶等领域提供强有力的技术支撑。