允中 發自 凹非寺
量子位 | 公眾號 QbitAI

最近行業里對于大模型、機器人的投資討論又熱烈了起來。

很多企業既不想被新技術落下，但又怕投資打水漂，擔心的主要還是技術實現和應用場景的投入產出比。

轉型既然不可避免，那企業前期如何選擇更好的投資策略呢？

這場線上研討會不容錯過！

要知道，在實際轉型中，可有不少坑需要踩。從場景調研到各類投入，都需要擦亮眼睛。

本周三下午3:00，贊奇科技邀請了服務多家企業數字化轉型的實戰團隊來分享他們在項目落地中的具體細節，誠邀你來線上圍觀。

（參與方式見文末）

1、行業場景調研

轉型前的調研是非常必要的，有利于更好地評估方向性問題。通過相對全面地了解別人的案例，擴展對于應用場景的想象和認知，同時汲取項目中的經驗和教訓，可以加速我們更好地了解應用場景及其帶來的效益，同時在案例項目中，了解企業的軟硬件投入情況，方便我們更好地評估后期投資策略。

比如一些企業從解決小場景的需求開始，試水 AI 和機器人技術的融合，能夠取得階段性的成果：

• 一家無人機公司嘗試技術轉型，首先聚焦于提高缺陷檢出率、降低產品故障概率這個能降本增效的實際需求上，借助NVIDIA RTX? 工作站與 NVIDIA Omniverse?平臺，運用合成數據技術將故障概率降低了10倍；
• 一家物流叉車公司鎖定了提高叉車準確率這個需求，服務商在NVIDIA RTX工作站上完成了物理仿真合成數據訓練，將其準確率提升了30%。
  

（更多案例細節可在本周三線上研討會中了解）

2、人才投入

數字化轉型涉及到太多的技術跨界和業務理解，需要整合人才資源，鑒于目前技術/產品的成熟度、迭代等問題，開發的工作量會比較大，學習成本相對也高。

企業若啟用內部的開發團隊時，可以用集體培訓的形式，降低個人學習成本和學習周期，讓團隊更快地投入開發工作；而在人力資源緊張又不太想擴張的情況下，企業可采用“借力”的方式，與外部相對成熟的開發者合作，或建立開發者生態，以項目制形式來快速啟動前期的需求開發，待摸索一段時間后，后期再考慮人才招聘問題。

3、硬件投入

算力是數字化轉型資金投入中很重要的一部分。項目前期預研階段可以采用小規模算力來規避資源浪費，可以采用云、桌面端算力和數據中心三種方式，但是云服務不能滿足企業本地化部署的需求，目前桌面端的 AI 工作站已經可以支持企業做AI 訓練、推理、物理仿真等工作，且成本可控，站在使用部門的角度來看，AI 工作站能直接放在辦公室里，沒有噪音，規避接入數據中心的一系列問題。企業可以根據具體需求來選擇計算平臺。

計算平臺參考

企業數字化轉型前期可考慮采用 NVIDIA RTX AI 工作站來做項目預研，此方案搭載的是NVIDIA RTX? GPU，作為NVIDIA企業級系列GPU，兼具AI與圖形性能，是GPU界的”多面手“，既能用于AI訓練和推理，也能用于圖形仿真和渲染，比如安培架構的”卡皇“——大家熟知的NVIDIA RTX? A6000，就是一款性價比非常高的顯卡。目前最新NVIDIA AdaLovelace架構的NVIDIA RTX? 5880 Ada和NVIDIA RTX? 5000 Ada兩款GPU的AI和圖形能力提升非常明顯，很適合企業做數字化轉型的預研。

△搭載 NVIDIA RTX? 5000 Ada （32GB）的企業 AI 工作站

4、軟件投入

這部分通常涉及軟件平臺采購和技術支持服務。

軟件平臺選擇方面，團隊需要對于市場上的大模型、各個技術層面需要的工具平臺、通用協議/格式也有基礎了解。例如，可用于構建數字孿生和機器人開發仿真的應用平臺——NVIDIA Omniverse?，同時也會了解OpenUSD這種數字資產通用格式。大模型比如 DeepSeek，Llama、通義千問等，需要了解他們各自的優勢是什么，能實現什么樣的效果，以及其他涉及數據安全等方面的問題。

許多工具有開源版本或個人免費版，在成本非常吃緊的情況下是可以考慮的。但需要特別注意的是，企業若選擇采購企業版或購買技術支持服務，對企業的開發工作會裨益良多，例如 NVIDIA Omniverse Enterprise 版本，相比于 Individual 版本，擁有企業級技術服務支持，能夠極大地幫助團隊解決問題、節省時間；另外，企業也能得到一些開發者生態或者企業技術推廣方面的資源加持，這對于團隊后期的工作也會形成助力。因此在調研過程中需要特別注意投入產出比，而非只看資金成本。

5、項目實戰分享

本周三下午3:00，在線上直播間，贊奇科技邀請了服務多家企業數字化轉型的實戰團隊來分享他們在項目落地中的具體細節。

歡迎大家留言感興趣的內容，演講嘉賓屆時會予以回復！

掃描下方二維碼即可預約。