AI项目失败不是因为模型不起作用或GPU性能不足,而是因为数据跟不上发展步伐。
企业团队已经拥有基础模型和GPU计算能力,但当他们试图在混合云和多云环境中扩展AI应用时,数据成为了瓶颈。分布式数据仍然是碎片化的,实时推理因等待数据管道交付而停滞,GPU资源利用不足。
这正是让基础设施领导者夜不能寐的问题。
非正式记录,无过滤讨论
在GTC大会期间,The Next Platform、The Register、Hammerspace和NVIDIA将联合主办一场非正式记录的高管圆桌会议,与真正在大规模运营AI的基础设施领导者进行交流。这将是一场关于问题所在和解决方案的坦诚对话,由我们的Tim Prickett Morgan主持。
时间:2026年3月16日星期一 | 下午6:00-8:30 | 圣何塞
圆桌会议将探讨AI项目实际遇到的问题、企业如何在混合环境中实现实时推理,以及有效的AI数据平台在实践中的表现。会议采用查塔姆研究所规则进行,确保参与者可以自由发言。
席位有限。如果您正在领导基础设施、数据或AI项目,请在此注册表达兴趣,我们将确认您的席位。
Q&A
Q1:AI项目失败的主要原因是什么?
A:AI项目失败不是因为模型不起作用或GPU性能不足,而是因为数据跟不上发展步伐。当企业试图在混合云和多云环境中扩展AI应用时,分布式数据碎片化、实时推理等待数据管道交付而停滞,GPU资源利用不足成为主要瓶颈。
Q2:这次圆桌会议将讨论什么内容?
A:会议将探讨AI项目实际遇到的问题、企业如何在混合环境中实现实时推理,以及有效的AI数据平台在实践中的表现。这是一场关于问题所在和解决方案的坦诚对话,采用查塔姆研究所规则确保参与者可以自由发言。
Q3:谁可以参加这个圆桌会议?
A:会议面向正在领导基础设施、数据或AI项目的高管和领导者。席位有限,需要注册表达兴趣并等待确认。会议时间为2026年3月16日下午6:00-8:30,地点在圣何塞。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。