跳到正文
北京时间
原文
NVIDIA Blog· Kari Briski·· 2 小时前精选AI 评分64

NVIDIA 扩展开源模型家族,覆盖语言、机器人、生物与量子计算以支持欧洲主权智能

NVIDIA Open Models Advance Europe’s Sovereign Intelligence Across Industries

AI 导读

NVIDIA 扩展开源模型家族,推出 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt、Nemotron Retriever、Kumo 结构化数据模型、Cosmos 3.5 世界模型、Alpamayo 2 Edge 自动驾驶推理模型、BioNeMo RFD4-Proteina 蛋白质设计模型及量子计算 Ising 模型家族。

推荐理由

NVIDIA 官方汇总了一次覆盖语言、机器人、生物和量子领域的开源模型扩展,并给出各模型的获取渠道和落地企业名单。

正文 · AI 翻译

NVIDIA 正在扩展其开放模型系列,覆盖语言、机器人、生物和量子计算领域,为开发者、研究人员和企业提供构建针对本地语言和行业定制应用所需的能力

该产品组合包括全新的 NVIDIA Nemotron 3.5 Super VL 和 Nemotron 3.5 Bolt 模型;用于嵌入、重排序和文档解析的全新 NVIDIA Nemotron Retriever 模型;面向结构化业务数据的全新 NVIDIA Kumo 系列开放权重基础模型和库;NVIDIA Cosmos 3.5 世界模型;面向自动驾驶汽车的 NVIDIA Alpamayo 2 Edge;用于医疗健康和科学发现的 NVIDIA BioNeMo;以及用于量子计算的 NVIDIA Ising。 

这些开放模型为组织提供了基础,使其能够利用本地数据进行定制,并部署在自身控制的基础设施上。

阅读 NVIDIA 在欧洲的全部公告

NVIDIA Nemotron 为各行业的后训练提供支持

NVIDIA Nemotron 为构建智能体的开发者提供开放语言模型、数据集和配方。这些模型支持文本和图像,帮助智能体编排工作流、推理复杂问题,并以更低的成本完成专门任务。Nemotron 模型依托 NVIDIA Nemotron Coalition 的数据、研究和专业知识构建,其中包括欧洲合作伙伴 Black Forest Labs、H-Company 和 Mistral。

Nemotron 为企业基于自身知识和专业能力构建应用提供了基础。Dassault Systèmes、Domyn、Dream、Palantir 的客户、Salesforce、SAP、Shopify、Synopsys 和 WPP,以及 Accenture 和 EY 等专业服务提供商,正在使用 Nemotron 模型和数据集创建定制模型并构建领域专用智能体。

广泛的后训练合作伙伴生态正在帮助企业针对领域专用工作负载定制 Nemotron,其中包括 AfterQuery、AgileRL、AI21、Alice、Applied Compute、Baseten、CoreWeave、 Distil Labs、EON、Fastino、Fireworks、 Google Cloud、Mercor、Multiverse Computing、Nebius、Handshake AI、Plurai、 Prime Intellect、River.AI、 Scale AI、Trajectory 和 TNG。

NVIDIA Kumo 加速智能体处理结构化企业数据

NVIDIA Kumo 开放基础模型、库和工具可帮助智能体与应用程序基于结构化业务数据预测结果、评估欺诈风险并推荐行动。作为 NVIDIA Agent Knowledge Foundation 的一部分,Kumo 缩短了预测所需时间,并降低了为每项任务单独构建机器学习管道的成本和复杂性。

开发者可以使用预训练的 Kumo 模型,将预测能力更快地引入更多应用,然后在性能至关重要时使用专有数据进行微调。该产品组合包括 NVIDIA Kumo Structured,其模型用于关系型和表格预测、预测及异常检测,以及 NVIDIA Kumo Engine,这是一个用于开发和部署结构化数据基础模型的开放库栈。 

Cognite、Coinbase、Databricks、DoorDash、Revolut 和 Tubi 是首批使用 Kumo 模型加速开发的用户。 Snowflake 客户已在广告、能源、金融服务和零售等行业使用 Kumo 模型加速 AI 开发。

NVIDIA Cosmos 加速机器人训练与仿真

NVIDIA Cosmos 是一系列开放世界基础模型,可帮助开发者构建能够理解并与物理世界交互的机器人、自动驾驶汽车和视觉智能体。 

NVIDIA 推出 新的 Cosmos 后训练与优化工具,帮助开发者以更少算力改进世界模型,并提供仿真检查点,用于在真实世界测试之前评估交互式驾驶和机器人操作场景中的行为。

NVIDIA 还推出 Cosmos Data Factory——由蓝图和核心智能体技能组成——帮助开发者整理、标注、生成和评估用于驾驶场景、产品缺陷、图像增强和事件生成的训练数据。开发者可以使用完整工作流或单独功能,由智能体协调整个过程。 

Porsche 与 Voxel51、ANYbotics 与 Encord、Zalando 和 CEVA Logistics 与 Sereact,以及 Siemens 正在使用 Cosmos Data Factory 创建高质量、多样化的训练数据集并提高模型精度。

NVIDIA Alpamayo 2 为自动驾驶汽车带来实时推理

NVIDIA Alpamayo 2 Edge 是一款紧凑型推理模型,可将实时场景理解和运动规划直接引入自动驾驶汽车。它基于 NVIDIA Cosmos 3 Edge 的 Nemotron 基础构建,并针对 NVIDIA DRIVE AGX Thor 平台优化,帮助开发者以更低的计算需求将高级驾驶能力引入车辆。

NVIDIA BioNeMo RFD4-Proteina 推进蛋白质设计 

NVIDIA BioNeMo RFD4-Proteina 是 NVIDIA 与华盛顿大学蛋白质设计研究所的 Baker Lab 联合推出的开放蛋白质设计模型。 

该模型可生成蛋白质序列和 3D 结构,帮助研究人员设计能够结合难处理靶点、组装成复杂结构并结合小分子的蛋白质。 

NVIDIA BioNeMo RFD4-Proteina 在 10 多项蛋白质设计任务中均展现出领先性能,在 200 个氨基酸蛋白质的基准测试中,其生成设计的速度比 RFdiffusion3 快约 13 倍。研究人员可通过智能体使用该模型,依据设计目标和分子约束生成并评估候选方案,然后选择哪些设计进入实验室测试。 

NVIDIA Ising 加速量子开发

NVIDIA Ising 系列开放模型提供了一个通用、可扩展的基础,以加速开发实用量子超级计算机所需的突破,涵盖从实时硬件校准到纠错,适配不同量子比特模态并针对各硬件需求定制。 

IQM Quantum Computers 正使用 Ising 校准其量子处理器,展示了专用开放校准模型如何优于大型通用模型。SEEQC 正将 NVIDIA NVQLink 平台与 Ising 及其独特的 Digital Link 相结合,以满足实时量子纠错所需的低延迟要求。

AWS 正将该模型系列集成到 AWS Parallel Computing Service(AWS PCS)中,使研究人员能够便捷地使用 NVIDIA Ising。由于延迟要求,解码通常在与量子处理器同址的经典硬件上执行,而 AWS PCS 集成让研究人员能够在部署前基于 Ising 进行构建。

 可用性

  • NVIDIA Nemotron 3.5 Super VL 已在 Hugging Face、ModelScope、OpenRouter 和 build.nvidia.com 上以 NVIDIA NIM 微服务形式提供,也可通过 NVIDIA 云、训练后和推理合作伙伴获取。Nemotron 3.5 Bolt E4B 4GB 预计将于 10 月 23 日(周五)推出。
  • NVIDIA Nemotron Retriever 开放模型已在 Hugging Face、多个合作伙伴平台以及 build.nvidia.com 上以 NVIDIA NIM 微服务形式提供。
  • NVIDIA Kumo 开放模型已在 Hugging Face 上提供,并经过优化和打包为 NVIDIA NIM 微服务,用于 build.nvidia.com 上的生产推理。
  • NVIDIA Cosmos 现已在 Hugging Face 和 GitHub 上以及通过部分推理合作伙伴开放提供。
  • NVIDIA Alpamayo 2 Edge 将于本月晚些时候在 GitHub 和 Hugging Face 上提供下载。
  • NVIDIA BioNeMo 开放模型 RFD4-Proteina 已在 build.nvidia.com 上提供,并作为 NVIDIA NIM 微服务提供,同时也可在 GitHub、Hugging Face 以及通过部分推理合作伙伴获取。 
  • NVIDIA Ising 已在 GitHub、Hugging Face 和 build.nvidia.com 上提供。

请参阅通知,了解软件产品信息。 

阅读 NVIDIA 在欧洲的所有公告

来源:NVIDIA Blog · blogs.nvidia.com