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
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。