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
随着AI广泛应用推动数据中心建设热潮,运营商面临可持续发展挑战。2024年底美国已建成或批准1240个数据中心,能耗激增引发争议。除能源问题外,服务器和GPU更新换代产生的电子废物同样严重。通过采用模块化可修复系统、AI驱动资产跟踪、标准化数据清理技术以及与认证ITAD合作伙伴合作,数据中心可实现循环经济模式,在确保数据安全的同时减少环境影响。
剑桥大学研究团队首次系统探索AI在多轮对话中的信心判断问题。研究发现当前AI系统在评估自己答案可靠性方面存在严重缺陷,容易被对话长度而非信息质量误导。团队提出P(SUFFICIENT)等新方法,但整体问题仍待解决。该研究为AI在医疗、法律等关键领域的安全应用提供重要指导,强调了开发更可信AI系统的紧迫性。
超大规模云数据中心是数字经济的支柱,2026年将继续保持核心地位。AWS、微软、谷歌、Meta、甲骨文和阿里巴巴等主要运营商正积极扩张以满足AI和云服务需求激增,预计2026年资本支出将超过6000亿美元。然而增长受到电力供应、设备交付和当地阻力制约。截至2025年末,全球运营中的超大规模数据中心达1297个,总容量预计在12个季度内翻倍。
威斯康星大学研究团队开发出Prithvi-CAFE洪水监测系统,通过"双视觉协作"机制解决了AI地理基础模型在洪水识别上的局限性。该系统巧妙融合全局理解和局部细节能力,在国际标准数据集上创造最佳成绩,参数效率提升93%,为全球洪水预警和防灾减灾提供了更准确可靠的技术方案。