亚洲爆乳成AV人在线视菜奈实_欧美一进一出抽搐大尺度视频 _日本十八禁免费看污网站_国产一区二区怡红院_6080YY新视觉影院_蜜臀AV无码人妻精品_成人影院YY111111在线_成人欧美一区二区三区1314_少妇饥渴偷公乱A级无码

英偉達CEO黃仁勛最近越來越多提到AI工廠的概念。

5月，黃仁勛宣布英偉達與富士康合作，在中國臺灣打造一臺配備1萬顆英偉達Blackwell GPU的AI工廠超級計算機。上周，黃仁勛又宣布，英偉達將在德國建設(shè)全球首個工業(yè)AI云，配備1萬顆Blackwell GPU。英偉達還將在歐洲建20余個AI工廠。

在英偉達展示的圖景里，汽車可以在虛擬環(huán)境中設(shè)計，機器可以在虛擬環(huán)境中訓(xùn)練，工廠產(chǎn)線可以在虛擬環(huán)境中優(yōu)化后再到現(xiàn)實工廠運行。這些計算用到了AI。黃仁勛稱，每個制造商都會有兩個工廠，一個制造產(chǎn)品，另一個創(chuàng)造驅(qū)動這些產(chǎn)品的智能。

產(chǎn)生這些“智能”的算力來自實體AI工廠，也就是部署了大量GPU的算力中心。如果說英偉達指明了工業(yè)AI轉(zhuǎn)型的主要方向，那么，隨著各萬卡算力中心落地，工業(yè)應(yīng)用AI的轉(zhuǎn)折點可以說在加速到來。

不過，還有一些問題需要厘清：英偉達在工業(yè)AI轉(zhuǎn)型中扮演的角色是什么？這是工業(yè)AI轉(zhuǎn)型的主要路徑嗎？這些大GPU集群是否將是未來的主要算力形式？

記者了解到，英偉達的路線更多是基于仿真平臺Omniverse，將其搭配自家硬件做AI相關(guān)的仿真和數(shù)字孿生。這是一種比較新的路徑，但不是工業(yè)企業(yè)做AI轉(zhuǎn)型的唯一路徑。目前，小模型和基于大模型的智能體也在改變工業(yè)的業(yè)態(tài)。

AI工廠是否唯一解

在英偉達具體的描述里，AI工廠被拿來與傳統(tǒng)數(shù)據(jù)中心對比。區(qū)別在于，傳統(tǒng)數(shù)據(jù)中心是為了通用計算而建，AI工廠是為了用AI創(chuàng)造價值，英偉達的GPU被部署在這些工廠中。

在AI工廠概念里，英偉達還“搭售”了自家的Omniverse平臺。Omniverse是一個虛擬現(xiàn)實和仿真平臺。如果看英偉達對工業(yè)AI云運行方式的描述，就不難看出Omniverse的重要性。

各制造廠商通過西門子、Ansys、Cadence這些軟件廠商的產(chǎn)品，來使用英偉達的AI物理技術(shù)、Omniverse平臺。其中，Ansys將Omniverse集成到高保真流體仿真軟件中，以改進自動駕駛汽車的仿真場景構(gòu)建。制造商中，舍弗勒用英偉達的技術(shù)進行數(shù)字工廠規(guī)劃；寶馬為工廠構(gòu)建數(shù)字孿生，以助力生產(chǎn)規(guī)劃團隊實時協(xié)作并優(yōu)化制造系統(tǒng)設(shè)計；梅賽德斯-奔馳用Omniverse以虛擬的方式設(shè)計和優(yōu)化工廠裝配線，以減少工廠停機時間。

仿真和數(shù)字孿生正是英偉達布局工業(yè)AI的切入口。黃仁勛描繪稱，這個AI工業(yè)云可以用于設(shè)計和模擬，人能在虛擬風(fēng)洞中完成模擬設(shè)計，可以實時打開車門、打開車窗、改變設(shè)計。舍弗勒近日已表態(tài)，將在2030年把一半以上的工廠接入Omniverse。

在一些工業(yè)AI領(lǐng)域的從業(yè)者看來，英偉達布局工業(yè)AI的路數(shù)便是建立算力中心，讓Omniverse發(fā)揮平臺效應(yīng)吸引軟件廠商和制造廠商，最終來消耗算力中心的算力。

“英偉達在樹立標(biāo)桿效應(yīng)，釋放AI在工業(yè)場景應(yīng)用的決心。AI工廠包括一個算力中心和一個幫工廠升級為AI工廠的平臺。”工業(yè)智能解決方案廠商格創(chuàng)東智副總裁、解決方案及產(chǎn)品中心總經(jīng)理李楠向記者解讀稱，英偉達希望通過Omniverse帶動硬件銷售及場景落地，核心應(yīng)用于仿真、數(shù)字孿生相關(guān)。

IDC中國高級研究經(jīng)理杜雁澤也告訴記者，他認(rèn)為AI工廠是英偉達AI視角下的一種敘事方式。英偉達的獨特能力除了成熟架構(gòu)、高可用性等，更重要的是很多工業(yè)軟件公司產(chǎn)品都針對英偉達卡做過專屬優(yōu)化。英偉達在歐洲建立萬卡AI工廠，則更多是對于此前宣傳的“主權(quán)AI”的具體落地形式和承諾，英偉達正在尋找新的增長曲線。

英偉達做AI相關(guān)的工業(yè)仿真和數(shù)字孿生是一條獨特的路線。李楠告訴記者，Omniverse提供了仿真的場景和空間，例如，人形機器人可以在仿真空間中訓(xùn)練以節(jié)省訓(xùn)練成本和時間。很多工廠建廠時也希望建一個數(shù)字孿生體，將機器模型和AGV（自動導(dǎo)向車）放進去跑，做預(yù)訓(xùn)練，這樣實體工廠建設(shè)完成便能馬上投入使用。英偉達做工業(yè)AI的邏輯并非直接做AI應(yīng)用，而是提供虛擬仿真平臺。這是AI在工業(yè)領(lǐng)域落地的核心關(guān)鍵軟件。這樣一個與AI結(jié)合的數(shù)字孿生平臺，目前還沒看到國內(nèi)有產(chǎn)品與之對標(biāo)。

搭軟件平臺、帶動硬件銷售可謂是英偉達的慣常做法。例如人形機器人領(lǐng)域已有不少廠商用英偉達的Isaac Sim、Omniverse等平臺或套件來生成合成數(shù)據(jù)、在仿真環(huán)境中訓(xùn)練。有業(yè)內(nèi)人士告訴記者，目前之所以人形機器人算力方案的選擇不多，是因為機器人廠商對硬件廠商背后的生態(tài)系統(tǒng)十分看重。

不過，英偉達AI工廠概念并不涵蓋工業(yè)AI的所有場景。相較于英偉達“搭平臺”做仿真、數(shù)字孿生，而不做具體AI應(yīng)用的做法，另一些廠商做的大模型和小模型應(yīng)用，則聚焦于解決工廠運行過程中的一些現(xiàn)場的問題。工業(yè)AI有多種路線并行。

記者了解到，在大模型出來之前，工業(yè)領(lǐng)域已經(jīng)在使用以小模型為代表的AI產(chǎn)品。杜雁澤表示，小模型主要覆蓋兩類場景，一是數(shù)據(jù)智能，涵蓋設(shè)備故障運維、工藝優(yōu)化等，二是視覺智能，涵蓋AI質(zhì)檢、AI路徑導(dǎo)引等。記者了解到，小模型應(yīng)用場景還包括工業(yè)安防、安全檢測等。

隨著大模型出現(xiàn)，工業(yè)AI有了更多可探索的形式。不僅英偉達在仿真、數(shù)字孿生領(lǐng)域?qū)ふ沂袌鰴C會，大模型普及也對工業(yè)企業(yè)產(chǎn)生影響。業(yè)內(nèi)則在大模型和小模型之間做出選擇。

工業(yè)場景鋪開AI應(yīng)用

工業(yè)領(lǐng)域AI滲透率并不高。IDC預(yù)計，工業(yè)領(lǐng)域IT基礎(chǔ)設(shè)施或IT終端的AI滲透率將從當(dāng)前的7%提升至2028年的25%。

這種情況下，AI的應(yīng)用形式還在探索中。英偉達的仿真、數(shù)字孿生工廠路徑之外，記者了解到，隨著工業(yè)企業(yè)對AI的興趣提升，大模型和小模型應(yīng)用也在加速。

李楠告訴記者，格創(chuàng)東智2018年開始布局AI，當(dāng)時服務(wù)的半導(dǎo)體和泛半導(dǎo)體客戶數(shù)字化建設(shè)已度過最初的信息化建設(shè)階段，著急要用AI來進一步解決產(chǎn)線和供應(yīng)鏈上的問題。公司便給制造業(yè)工廠做AI轉(zhuǎn)型，推出多因子分析、良率預(yù)測、圖像識別、設(shè)備運行維護等領(lǐng)域的小模型。以缺陷監(jiān)控為例，公司的AI-YMS能為半導(dǎo)體企業(yè)做良率和缺陷監(jiān)控，基于AI模型及規(guī)則模型前置預(yù)測關(guān)鍵產(chǎn)品規(guī)則，減少工廠一半原本做相關(guān)分析的人力，相關(guān)工廠每年減少良率損失80萬元。

“DeepSeek火了之后，很多公司堅定了自己建設(shè)AI應(yīng)用的決心。甲方現(xiàn)在也在搭團隊做AI，做智能體等應(yīng)用。”李楠告訴記者，一個明顯趨勢是，隨著數(shù)字化建設(shè)完成到一定程度，一些制造業(yè)企業(yè)的傳統(tǒng)數(shù)字化預(yù)算減少，而隨著對AI的興趣愈加濃郁，又把AI預(yù)算單獨列出來。

李楠告訴記者，在大模型催化下，一些AI應(yīng)用已在加快部署。甲方制造業(yè)企業(yè)落地最快的是常見場景的應(yīng)用，例如流程助手，可以在寫PPT、文檔、材料時快速用上。知識庫應(yīng)用也比較成熟，銷售、授權(quán)、營銷、研發(fā)等大量知識庫已經(jīng)可以用來做文檔閱讀和總結(jié)等。也有比較多用AI做經(jīng)營決策類數(shù)據(jù)分析的案例。

不過，對于大模型如何應(yīng)用，業(yè)內(nèi)仍有一些困惑，業(yè)內(nèi)還在大模型和小模型之間做選擇。李楠告訴記者，在一些傳統(tǒng)小模型已經(jīng)能做的比較好的場景，大模型要怎么應(yīng)用，大家可能還沒想好。

一些業(yè)內(nèi)人士認(rèn)為，在工業(yè)領(lǐng)域，過去做小模型的做法還將延續(xù)。IDC中國助理研究總監(jiān)崔凱表示，小模型資源需求較低、響應(yīng)較快、部署靈活且建設(shè)成本較低,過去小模型在3C、裝備、汽車領(lǐng)域應(yīng)用較廣，現(xiàn)在醫(yī)藥等行業(yè)也在鋪開應(yīng)用。

“大模型并不是包打天下。”崔凱表示，小模型在工業(yè)AI支出中的比例，未來還將占到70%，保守估計也有60%。“現(xiàn)在我們看到，AI在工廠落地應(yīng)用起來，80%的情況還是靠小模型去解決現(xiàn)場實際的問題。”李楠告訴記者

在研發(fā)環(huán)節(jié)，小模型的作用依然明顯。有企業(yè)已在用AI提高效率，用的并非參數(shù)量巨大的模型，而是參數(shù)量相對較小、聚焦某個領(lǐng)域的模型。

深圳一家合成生物技術(shù)公司高管告訴記者，合成生物研發(fā)周期長、成本高，開發(fā)一個酶或一套工藝可能需要幾千萬元甚至上億元的資金投入。公司通過AI技術(shù)加快研發(fā)進度、降低成本，效率至少有指數(shù)級提升。具體而言，每年公司研發(fā)投入幾千萬元，其中投入AI技術(shù)的占比10%~20%，公司在英國和國內(nèi)部署了三個團隊，研究AI如何用于新物質(zhì)篩選、酶和蛋白的篩選和菌株改造。

上述高管告訴記者，他試過一些外部大模型，但發(fā)現(xiàn)這些模型沒有經(jīng)過特定領(lǐng)域的數(shù)據(jù)訓(xùn)練，無法解決生產(chǎn)的具體問題。公司有合成生物領(lǐng)域的數(shù)據(jù)，自己從頭研發(fā)模型，這并不是DeepSeek這類的大模型，但在細(xì)分領(lǐng)域中的表現(xiàn)比市面上可見的模型先進很多。

在小模型之外，大模型可以做什么，業(yè)內(nèi)也在作出一些最新判斷。

李楠認(rèn)為，大模型比較有希望起到的作用是做小模型的串接，例如用智能體串接。以往人需要做的點擊、導(dǎo)出數(shù)據(jù)等步驟，可以由智能體自主執(zhí)行。

崔凱也認(rèn)為，在一些制造業(yè)企業(yè)研、產(chǎn)、供、銷、服系統(tǒng)相互獨立的情況下，智能體做跨專業(yè)整合將有很大機會。他認(rèn)為，大模型在工業(yè)中要獲得更大的發(fā)展，一個要點是將多模態(tài)大模型和大語言模型結(jié)合起來。此外，在一些基于老師傅經(jīng)驗、未總結(jié)為完整方法論的場景，大模型也可能比小模型做得更好。

工業(yè)AI需要什么云

算力供應(yīng)方面，英偉達這種建設(shè)萬卡支撐的工業(yè)云、讓多個制造商都能接入的方式是一種選擇，但也不是唯一的選擇。一些從業(yè)者告訴記者，在國內(nèi)，基于信息安全的考慮，有一定實力的企業(yè)會更偏向于自建數(shù)據(jù)中心部署私有云。

上述合成生物技術(shù)公司高管告訴記者，公司對數(shù)據(jù)安全非常重視，即便在公司內(nèi)部，數(shù)據(jù)也進行了分區(qū)物理隔離。基于數(shù)據(jù)安全考慮，公司自己訓(xùn)練的模型使用自己部署的算力。

李楠告訴記者，海外企業(yè)對公有云相對更開放，但預(yù)計公司的大型客戶大概率還是會采用本地建設(shè)私有云數(shù)據(jù)中心的做法，算力僅用于集團內(nèi)。整體而言，國內(nèi)的大型工業(yè)企業(yè)部署AI應(yīng)用，預(yù)計也更多采用私有云形式。其背后，AI涉及大量企業(yè)私密信息。

今年DeepSeek一體機銷售火爆，深圳市科技創(chuàng)新局局長張林近日透露，今年推理機相關(guān)產(chǎn)品國內(nèi)銷售額將是千億量級。有分析人士告訴記者，采買一體機的就包括工業(yè)企業(yè)，之所以一些機構(gòu)不接入公有云使用DeepSeek，而是購買DeepSeek一體機，背后就有數(shù)據(jù)安全的考慮。“拿一體機測試一下，買過來就能用，雖然算力有限，但不需要搭一個私有云。這是一個過渡方案。”一名ICT行業(yè)資深分析人士告訴記者。

杜雁澤表示，據(jù)IDC調(diào)研，小模型使用的算力目前以廠商自建算力為主，包括傳統(tǒng)服務(wù)器方式和私有云方式，有少部分使用公有云算力。

雖然英偉達在推動最新的GPU銷售，但對于工業(yè)場景，并不一定需要萬卡GPU集群的算力支撐。

李楠告訴記者，小模型依托的算力來源比較多元，包括云算力、廠商自己部署的算力、設(shè)備端搭載的算力。小模型對算力的要求相對沒那么高。做視覺檢測需要調(diào)GPU、用深度學(xué)習(xí)算法，很“吃”GPU資源；做數(shù)據(jù)分析用到機器學(xué)習(xí)，CPU足夠；一些信號處理、設(shè)備數(shù)據(jù)維護的模型，普通CPU也足夠。不同制造業(yè)企業(yè)對算力的需求也有所不同，很多工廠使用模型推理就足夠，不需用到很高端的顯卡，但像公司服務(wù)的TCL這類大型企業(yè)，自己訓(xùn)練大模型就需要投入大量算力。

杜雁澤表示，在模型訓(xùn)練、后訓(xùn)練、強化學(xué)習(xí)或設(shè)計、仿真等工業(yè)場景中，未來云中心算力仍會占據(jù)主要市場，另因工業(yè)對可靠性、及時性的要求，小參數(shù)模型需求會逐漸釋放，使邊緣算力也得到提升。

算力需求要進一步增長，也有賴于AI應(yīng)用進一步滲透。有業(yè)內(nèi)人士告訴記者，其背后需要克服的挑戰(zhàn)包括工業(yè)專屬數(shù)據(jù)缺少和工業(yè)場景碎片化，以及一些企業(yè)數(shù)字化建設(shè)仍未完成。杜雁澤認(rèn)為，算力并不是當(dāng)前階段AI工業(yè)領(lǐng)域的瓶頸，工業(yè)對算力的需求大規(guī)模增長還需要2~3年時間。