Sama Bali – NVIDIA 技術博客 http://www.open-lab.net/zh-cn/blog 閱讀開發者創建的最新技術信息、頭條新聞 和內容。 Wed, 30 Apr 2025 08:49:20 +0000 zh-CN hourly 1 196178272 選擇您的第一個本地人工智能項目 http://www.open-lab.net/zh-cn/blog/choosing-your-first-local-ai-project/ Tue, 29 Apr 2025 08:44:46 +0000 http://www.open-lab.net/zh-cn/blog/?p=13669 Continued]]> AI 正迅速超越集中式云和數據中心,成為可直接部署在專業工作站上的強大工具。借助先進的硬件和優化的軟件,您可以在桌面上或隨時隨地構建、運行和試驗復雜的 AI 模型 。歡迎來到本地 AI 開發的世界! 在工作站上本地運行和開發 AI 為開發者和組織帶來了顯著優勢:增強了數據隱私和安全性,敏感數據保留在內部,與持續云使用相比節省了成本,為應用程序提供了離線操作功能,以及無與倫比的動手開發和迭代環境。 NVIDIA RTX PRO Blackwell 系列 等高性能硬件和為利用其功能而構建的優化軟件生態系統推動了向強大、可訪問的本地 AI 的轉變。 本博文將使用專為專業工作流設計的 NVIDIA 生態系統,指導您選擇可管理的首個本地 AI 項目。 專業 AI 加速的核心是 NVIDIA RTX 專業 GPU ,每個 GPU 具有高達 96 GB VRAM、企業級驅動、

Source

]]>
13669
制造業產品設計工作流程的生成式 AI 轉型 http://www.open-lab.net/zh-cn/blog/transforming-product-design-workflows-in-manufacturing-with-generative-ai/ Thu, 20 Feb 2025 03:03:37 +0000 http://www.open-lab.net/zh-cn/blog/?p=12935 Continued]]> 長期以來,制造行業的傳統設計和工程工作流程一直以順序迭代的方法為特征,這種方法通常既耗時又需要大量資源。這些傳統方法通常涉及需求收集、概念設計、詳細設計、分析、原型設計和測試等階段,每個階段都取決于之前迭代的結果。 雖然這種結構化方法可以控制復雜的項目,但也存在重大挑戰。由于時間限制和資源可用性,工程師在設計探索中通常會面臨限制,導致項目時間延長和成本增加。物理測試的需求可能會導致更長的開發周期和更高的成本,在汽車和航空航天等行業中尤為如此。此外,傳統工作流程的順序性會導致效率低下,因為錯誤和更改僅在后期階段才能識別,從而導致成本高昂的修訂和延遲。 設計和工程領域的 AI 通過提供更快速、更高效的創新解決方案,正在改變這些傳統工作流程。主要用例包括 AI 驅動的生成式設計,它使工程師能夠根據指定的參數和約束條件生成多個設計方案,從而減少物理迭代的需求,并顯著加速設計流程。

Source

]]>
12935
提升 AI 性能的 GPU 內存基礎知識 http://www.open-lab.net/zh-cn/blog/gpu-memory-essentials-for-ai-performance/ Wed, 15 Jan 2025 06:45:46 +0000 http://www.open-lab.net/zh-cn/blog/?p=12709 Continued]]> 生成式 AI 徹底改變了人們將想法變為現實的方式,而代理 AI 代表著這一技術變革的下一次飛躍。通過利用復雜的自主推理和迭代規劃,AI 智能體可以非常高效地處理復雜的多步驟問題。 隨著 AI 不斷革新各行各業,對在本地運行 AI 模型的需求激增。無論是開發 AI 還是使用 AI,在本地運行 AI 模型都具有許多優勢,包括增強隱私、降低延遲以及離線工作的能力。 本地 AI 正在改變組織的 AI 開發和部署方式。通過在本地處理數據,開發者能夠繼續進行 AI 實驗和原型設計,而無需付出持續使用云的代價。本地 AI 成為創新和原型的測試平臺,可實現快速迭代和想法測試。與此同時,云基礎架構和數據中心可處理更密集的工作負載和大規模部署。 在本地運行 AI 模型還可滿足某些行業特定用例的獨特需求。在醫療健康領域,它可以實現安全的患者數據分析和快速診斷。

Source

]]>
12709
借助 Dell AI Factory 和 NVIDIA 加速電影制作 http://www.open-lab.net/zh-cn/blog/accelerating-film-production-with-dell-ai-factory-and-nvidia/ Thu, 19 Dec 2024 09:11:05 +0000 http://www.open-lab.net/zh-cn/blog/?p=12483 Continued]]> 電影制作是一個復雜而復雜的過程,涉及藝術家、作家、視覺效果專業人員、技術人員和無數其他專家組成的多元化團隊。每位成員都將各自獨特的專業知識帶到桌面上,通過協作將簡單的想法轉化為引人入勝的電影體驗。從故事的初始火花到最終剪輯,每一步都需要創造力、技能和對細節的細致關注。 然而,即使擁有如此優秀的團隊,電影業也一直在努力應對眾多挑戰,這些挑戰可能會阻礙生產力、增加預算和抑制創造力。這些挑戰包括管理不斷上漲的生產成本和適應迅速變化的技術,如 PyTorch、pandas 和 LangChain 等,以及駕不斷變化的受眾偏好和分銷平臺。同時努力在競爭日益激烈的市場中平衡藝術視覺與商業可行性,例如如何利用 NVIDIA 的 GPU 和 cuOpt 等技術來提高效率,或者如何使用 Stable Diffusion 和 Llama 等模型來創作新的內容。另外,Google 的 Jetson 和…

Source

]]>
12483
AEC 檢索增強生成技術指南 http://www.open-lab.net/zh-cn/blog/a-guide-to-retrieval-augmented-generation-for-aec/ Wed, 18 Dec 2024 09:27:28 +0000 http://www.open-lab.net/zh-cn/blog/?p=12492 Continued]]> 大語言模型 (LLMs) 正在迅速改變業務格局,為自然語言處理 (NLP)、內容生成和數據分析提供新功能。這些 AI 驅動的工具改善了公司的運營方式,從簡化客戶服務到增強決策流程。 然而,盡管 LLM 擁有令人印象深刻的一般知識,但其準確性、最新信息和特定領域的知識卻常常捉見肘。這可能會導致建筑、施工和工程 (AEC) 等專業領域出現潛在的錯誤信息和過度簡化,而準確的最新信息對于做出明智決策和確保遵守行業法規至關重要。 想象一下,一個由建筑師和工程師組成的設計團隊會使用 LLM 提出山中房屋的構思。當被問及是否采用適合當地氣候的可持續建筑技術時,LLM 可能會提供有關使用太陽能板和綠色屋頂的通用回答,而無需考慮高海拔環境的特定挑戰,例如極端溫度波動和潛在的雪載。在問題更嚴重的情況下,LLM 可能會產生幻覺,并建議使用“太陽能融雪板”— — 這項技術聽起來很創新,但根本不存在。

Source

]]>
12492
借助檢索增強型生成技術推動 AI 賦能游戲開發的演進 http://www.open-lab.net/zh-cn/blog/evolving-ai-powered-game-development-with-retrieval-augmented-generation/ Tue, 01 Oct 2024 08:52:57 +0000 http://www.open-lab.net/zh-cn/blog/?p=11486 Continued]]> 游戲開發是一個復雜且資源密集型的過程,尤其是在使用 像 Unreal Engine 這樣的高級工具 時。開發者會發現自己需要瀏覽大量信息,這些信息通常分散在教程、用戶手冊、API 文檔和源代碼本身中。這是一項多方面的工作,需要具備編程、設計和項目管理方面的專業知識,同時需要在創新和實際實施之間取得平衡,以滿足緊迫的截止日期和玩家期望。 大型語言模型(LLMs) 正在集成到開發流程的各個階段。這些模型通過驅動智能非玩家角色(NPC)、協助代碼生成以及最大限度地減少重復性任務所花費的時間,正在改變工作流程。然而,當 LLMs 缺乏對特定領域知識的訪問權限時——無論是角色的背景故事還是游戲引擎源代碼的復雜性——其有效性都會受到限制。雖然使用專業數據對這些模型進行微調可以幫助克服這些限制,但這一過程通常耗時且昂貴,對于希望在工作流程中充分利用人工智能的開發者來說,構成了重大挑戰。

Source

]]>
11486
了解 Stable Diffusion 模型:面向 AEC 專業人員的基本指南 http://www.open-lab.net/zh-cn/blog/understanding-diffusion-models-an-essential-guide-for-aec-professionals/ Wed, 10 Jul 2024 06:20:11 +0000 http://www.open-lab.net/zh-cn/blog/?p=10585 Continued]]> 生成式 AI、算法處理各種類型的輸入—例如文本、圖像、音頻、視頻和代碼—并生成新內容的能力正在以前所未有的速度發展。雖然這項技術在多個行業都取得了重大進展,但建筑、工程和施工 (AEC) 行業將從中受益匪淺。 歷史上,AEC 公司一直在與支離破碎的數據系統作斗爭。這導致各個部門或項目階段的重要信息被隔離,從而導致效率低下、解釋錯誤和增加項目成本。隨著 生成式 AI 的出現,AEC 行業正處于轉型的邊緣。 這項前沿技術通過集成數據、自動執行設計任務和增強協作,有可能徹底改變 AEC 行業,從而打造更高效、更創新和更可持續的項目。 自推出生成式 AI 以來,GPT-4 等大型語言模型 (LLM) 一直處于前沿,以其在自然語言處理、機器翻譯和內容創建方面的通用性而聞名。除此之外,OpenAI 的 DALL-E、Google 的 Imagen、

Source

]]>
10585
人人超碰97caoporen国产