All Node List by Editor

Ansys、是德科技、诺基亚和三星率先使用 NVIDIA Aerial Omniverse 数字孪生、Aerial CUDA 加速的无线接入网络和 Sionna 神经无线电框架来帮助实现电信业的未来

美国加利福尼亚州圣何塞 —— GTC —— 太平洋时间 2024 年 3 月 18 日——  NVIDIA 于今日宣布推出一个 6G 研究平台，该平台为研究人员提供了一种开发下一阶段无线技术的新方法。

NVIDIA 6G 研究云平台具有开放、灵活和互联的特征，它为研究人员提供了一整套全面的工具， 以推进 AI 应用在无线接入网络 (RAN) 技术。该平台使企业能够加快开发 6G 技术，从而将数万亿台设备与云基础设施连接起来，为建立一个以自动驾驶汽车、智能空间以及各种扩展现实和沉浸式教育体验与协作机器人为依托的超级智能世界奠定基础。

该平台的首批采用者和生态系统合作伙伴包括 Ansys、Arm、苏黎世联邦理工学院、富士通、是德科技、诺基亚、美国东北大学、罗德与施瓦茨公司、三星、软银公司和 Viavi 等。

NVIDIA 电信高级副总裁 Ronnie Vasishta 表示：“随着连接设备数量的大幅增加和新应用的不断涌现，6G 需要大幅提升无线通信的无线频谱效率。实现这一目标的关键在于充分利用 AI、软件定义的全 RAN 参考堆栈和下一代数字孪生技术。”

NVIDIA 6G 研究云平台由以下三个部分组成：

• 适用于 6G 的 NVIDIA Aerial Omniverse 数字孪生：一个参考应用和开发者示例，可实现从单塔到城市规模的完整 6G 系统的物理精确模拟。它整合了软件定义 RAN 和用户设备模拟器以及逼真的地形和物体属性。借助 Omniverse Aerial数字孪生，研究人员将能够根据特定地点的数据模拟并构建基站算法，并通过实时训练模型来提高传输效率。

• NVIDIA Aerial CUDA 加速的无线接入网络：一个软件定义的全 RAN 协议堆栈，为研究人员实时自定义、编程和测试 6G 网络带来极大的灵活性。

• NVIDIA Sionna神经无线电框架：该框架可与 PyTorch 和 TensorFlow 等主流框架无缝集成，利用 NVIDIA GPU 生成、获取海量数据并训练 AI 和机器学习（ML）模型。该框架还包含 NVIDIA Sionna，这一领先的链路级研究工具适用于基于 AI/ML 的无线模拟。

业内顶尖研究人员可以使用 6G 开发研究云平台的所有功能来推进他们的工作。

三星美国研究院高级副总裁  Charlie Zang 表示：“未来  6G 与 AI 的融合有望彻底改变技术格局。这将带来无缝连接和智能系统，它们将重新定义我们与数字世界的交互方式，从而开创一个无与伦比的创新和连接时代。”   

测试和模拟将在下一代无线技术的开发中起到至关重要的作用。该领域的领先提供商正在与NVIDIA 合作，以满足 AI 与 6G 所提出的新要求。

Ansys 5G/6G 和空间项目总监 Shawn Carpenter 表示：“Ansys 致力于通过将先进的 Ansys Perceive EM 求解器无缝集成到Omniverse生态系统中，推进6G研究云的使命。Perceive EM 彻底改变了 6G 系统数字孪生的创建方式。NVIDIA 与 Ansys 技术的融合无疑将为AI赋能的 6G 通信系统铺平道路。”

是德科技通信解决方案事业群总裁兼总经理 Kailash Narayanan 表示：“无线专用设计工具的使用十分有限，但却是构建强大 AI 所必不可少的。是德科技十分高兴能够运用自己的无线网络专业知识来实现 6G 通信网络的下一代创新。”

NVIDIA 6G 研究云平台将这些强大的基础工具整合到一起，使电信公司能够充分解锁 6G 的潜力，为未来的无线技术铺平道路。想要访问该平台的研究人员可注册加入 NVIDIA 6G 开发者计划。

关于 NVIDIA

自 1993 年成立以来，NVIDIA (NASDAQ: NVDA) 一直是加速计算领域的先驱。NVIDIA 1999 年发明的 GPU 驱动了 PC 游戏市场的增长，并重新定义了现代计算机图形，开启了现代 AI 时代，正在推动跨市场的工业数字化。NVIDIA 现在是一家全栈计算基础设施公司，其数据中心规模的解决方案正在重塑整个行业。更多信息，请访问https://nvidianews.nvidia.com/ 。

全新 NVIDIA NIM 和 GPU 加速的微服务专为生物、化学、影像和医疗数据开发，并在 NVIDIA DGX 云中运行

美国加利福尼亚州圣何塞 —— GTC —— 太平洋时间 2024 年 3 月 18 日—— NVIDIA 今日推出二十多项全新微服务，使全球医疗企业能够在任何地点和任何云上充分利用生成式 AI 的最新进展。

全新 NVIDIA 医疗微服务套件包含经过优化的 NVIDIA NIM™ AI 模型和工作流，并提供行业标准应用编程接口（API），可用于创建和部署云原生应用。它们提供先进的医学影像、自然语言和语音识别以及数字生物学生成、预测和模拟功能。

此外，NVIDIA 加速的软件开发套件和工具，包括 Parabricks®、MONAI、NeMo™、Riva、Metropolis，现已通过 NVIDIA CUDA-X™ 微服务提供访问，以加速药物研发、医学影像、基因组学分析等医疗工作流。

这些微服务，其中 25 个已于今天推出，可以加快医疗企业的转型，因为生成式 AI 为制药公司、医生和医院带来了众多的机会。其中包括筛选数万亿种药物化合物以促进医学发展、收集更完善的患者数据以改进早期疾病检测、实现更智能的数字助手等。

研究人员、开发者和医疗从业人员使用这些微服务可以轻松地将 AI 集成到全新的和现有的应用中，并在从云端到本地等任何地点运行这些应用，从而增强他们所从事的生命救助工作。

NVIDIA 医疗业务副总裁 Kimberly Powell 表示：“我们有史以来第一次在计算机中表达生物学和化学的世界，使计算机辅助药物研发成为可能。在我们的帮助下，医疗企业能够轻松构建和管理AI解决方案，以充分利用生成式AI的全部功能和潜力。”

NVIDIA NIM 医疗微服务适用于推理

全新医疗微服务套件中的 NVIDIA NIM 可以为医学影像、医疗科技、药物研发和数字健康等领域日益增加的模型提供经过优化的推理。这些模型可用于生成式生物学和化学以及分子预测工作。NIM 微服务现已通过 NVIDIA AI Enterprise 5.0 软件平台提供。

这套微服务还包含一系列用于药物研发的模型，例如生成式化学模型 MolMIM、蛋白质结构预测模型 ESMFold 以及帮助研究人员了解药物分子如何与靶点相互作用的模型 DiffDock 。VISTA 3D 微服务可加快 3D 分割模型的创建速度。相较于在 CPU 上运行的普通 DeepVariant，Universal DeepVariant  微服务可将基因组分析工作流中的变体识别速度提高 50 倍以上。

领先的计算软件公司 Cadence 正在将用于 AI 引导分子发现和先导化合物优化的 NVIDIA BioNeMo 微服务集成到其用于加速药物研发的 Orion® 分子设计平台中。

借助 Orion，制药公司的研究人员能够生成、搜索包含数千亿种化合物的数据库并建立相关的模型。而 MolMIM 生成式化学模型、AlphaFold-2 蛋白质折叠模型等 BioNeMo 微服务极大增强了  Orion 的设计能力。

Cadence 公司副总裁 Anthony Nicholls 表示：“我们的制药和生物技术客户需要访问用于分子模拟的加速资源。通过利用 BioNeMo 微服务，研究人员可生成根据科学家的特定需求进行优化的分子。”

近 50 家应用程序提供商以及多家生物技术和制药公司与平台正在使用医疗微服务，包括 Amgen、Astellas、DNA Nexus、Iambic Therapeutics、Recursion 和 Terray，以及 V7  等医学影像软件制造商。

Amgen 执行副总裁兼首席技术官 David M. Reese 表示：“生成式 AI 正在改变药物研发，它使我们能够构建先进的模型并将 AI 无缝集成到抗体设计过程中。我们的团队正在利用这项技术研发下一代药物，而这些药物将为患者带来最大价值。”

改善患者与临床医生的互动

生成式 AI 正在改变患者护理的未来。Hippocratic AI 正在开发针对特定任务的生成式 AI 医疗代理，其由该公司专注于安全的医疗大语言模型（LLM）提供支持，与 NVIDIA Avatar 云引擎（ACE）微服务相连并将使用 NVIDIA NIM 实现低延迟推理和语音识别。

这些 AI 医疗代理与患者对话，完成预约、术前提醒、出院后随访等工作。

Hippocratic AI 联合创始人兼首席执行官  Munjal Shah 表示：“借助生成式 AI，我们可以满足医疗行业最迫切的一些需求，帮助缓解普遍存在的人员短缺问题，提供更多高质量的医疗服务，同时改善患者的治疗效果。NVIDIA 的技术堆栈对于实现对话速度和流畅性至关重要，而后者对于在患者与 Hippocratic 生成式 AI 医疗代理之间建立自然的情感联系不可或缺。”

Abridge  正在构建一个 AI 驱动的临床对话平台。该平台可生成临床笔记草稿，每天为临床医生节省多达三个小时的时间。想要将嘈杂环境中的原始音频转换成文稿，需要多项AI技术之间的无缝协作：语言识别、转录、校正和说话人识别（diarization）都必须在几秒钟内完成，对话必须根据每句话中所包含的医疗信息的种类进行构建，并且需要应用强大的语言模型将相关证据转化为概要。该系统可将临床对话实时转化为高质量的诊后文档。

Flywheel 创建的模型可转换成微服务。该公司基于云的集中式平台为生物制药公司、生命科学组织、医疗提供商和专业医学中心提供支持，帮助他们识别、整理和训练医学影像数据，从而缩短获得洞察的时间。

Flywheel 首席产品官 Trent Norris 表示：“在医疗技术飞速发展的今天， NVIDIA 生成式 AI 微服务与 Flywheel 平台的整合是一次变革性的飞跃。借助这些先进的工具，我们不仅增强了我们在医学影像和数据管理方面的能力，还极大加速了医学研究和患者护理成果。 Flywheel  的 AI Factory 由 NVIDIA 打造的前沿 AI 解决方案提供支持，能够随时随地满足医疗客户的需求，助力推动数字医疗和生物制药领域的发展。”

供应情况

开发者可以访问 ai.nvidia.com 试用 NVIDIA AI 微服务，并通过在 NVIDIA认证系统上运行的NVIDIA AI Enterprise 5.0 部署生产级NIM微服务，其提供商包括戴尔科技、慧与、联想和超微等以及 AWS、谷歌云、Microsoft Azure 和 Oracle Cloud Infrastructure 等领先的公有云平台。此外，其还可在 NVIDIA DGX 云 上试用。

更多信息，请在 3月18 日至 21 日期间线上参观 GTC NVIDIA 展台，还可以观看 NVIDIA 创始人兼首席执行官黄仁勋的主题演讲回放。

关于 NVIDIA

自 1993 年成立以来，NVIDIA (NASDAQ: NVDA) 一直是加速计算领域的先驱。NVIDIA 1999 年发明的 GPU 驱动了 PC 游戏市场的增长，并重新定义了现代计算机图形，开启了现代 AI 时代，正在推动跨市场的工业数字化。NVIDIA 现在是一家全栈计算基础设施公司，其数据中心规模的解决方案正在重塑整个行业。更多信息，请访问https://nvidianews.nvidia.com/ 。

3月28日，阿里云与知名半导体公司MediaTek联合宣布，通义千问18亿、40亿参数大模型已成功部署进天玑9300移动平台，可离线流畅运行即时且精准的多轮AI对话应用，连续推理功耗增量不到3W，实现手机AI体验的大幅提升。这是通义大模型首次完成芯片级的软硬适配，仅依靠终端算力便能拥有极佳的推理性能及功耗表现，标志着Model-on-Chip的探索正式从验证走向商业化落地新阶段。

端侧AI是大模型落地的极具潜力的场景之一。利用终端算力进行AI推理，可大幅降低推理成本、保证数据安全并提升AI响应速度，让大模型可以更好地为用户提供个性化体验。然而，要将大模型部署并运行在终端，需完成从底层芯片到上层操作系统及应用开发的软硬一体深度适配，存在技术未打通、算子不支持、开发待完善等诸多挑战。

据了解，通义千问18亿参数开源大模型，在多个权威测试集上性能表现远超此前SOTA模型，且推理2048 token最低仅用1.8G内存，是一款低成本、易于部署、商业化友好的小尺寸模型。天玑9300集成MediaTek第七代AI处理器APU790，生成式AI处理速度是上一代AI处理器的8倍。

阿里巴巴通义实验室业务负责人徐栋介绍称，阿里云与MediaTek在模型瘦身、工具链优化、推理优化、内存优化、算子优化等多个维度展开合作，实现了基于AI处理器的高效异构加速，真正把大模型“装进”并运行在手机芯片中，给业界成功打样端侧AI的Model-on-Chip部署新模式。

图：在天玑9300设备上，可离线完成基于通义千问大模型的AI多轮会话

基于天玑9300芯片，通义千问18亿参数大模型在推理方面表现出了极佳的性能与功耗表现，推理时CPU占有率仅为30%左右，RAM占用少于2GB，推理速度超过20tokens/秒，系列指标均达到业界领先水平，可在离线环境下流畅实现多轮AI对话。据了解，相关成果将以SDK的形式提供给手机厂商和开发者。

此外，双方团队也已完成了通义千问40亿参数大模型与天玑9300的适配，未来还将基于天玑适配70亿等更多尺寸大模型，“打样”并支持开发更多AI智能体及应用。

MediaTek无线通信事业部副总经理李彦辑博士表示：“阿里云的通义系列大模型是AI领域的佼佼者，我们期待通过双方的合作可以为应用开发者和终端客户提供更强大的硬件和软件解决方案，同时促进生成式AI的端侧部署以及AI应用、AI智能体生态的快速发展，为用户带来更多令人兴奋的AI产品体验。”

当天，阿里云与MediaTek宣布启动联合探索AI智能体解决方案计划，整合MediaTek天玑移动平台的AI算力及阿里云通义千问的大模型能力，为开发者和企业提供更完善的软硬联合开发平台，以更好支持智能终端在端侧高能效地实现自然语言理解、复杂决策制定以及个性化服务生成，探索打造真正具备情境感知、自主学习和实时交互功能的下一代智能终端应用生态。

通义大模型已在各行业广泛落地，包括钉钉、淘宝、一汽红旗、央视网、浙江大学等众多应用、企业及机构。“淘宝问问”基于通义千问实现了全新的交互体验以及更精准的推荐；阿里云与中国一汽联合打造的大模型应用GPT-BI已率先落地，可结合企业数据自动生成分析图表。

《 Omdia半导体总体竞争分析工具 》报告（Omdia CLT）揭示了半导体行业的下滑，收入从2022年的5,977亿美元下降至2023年的5,448亿美元，跌幅9%。这一下降是在两年创纪录的增长之后发生的，突显了半导体市场的周期性。

"新冠疫情时期开始的长期上升趋势已经结束。在疫情期间半导体需求激增，导致市场短缺之后，情况发生了逆转。由于宏观经济因素，需求疲软，而半导体组件供应有所增加" Omdia半导体研究高级分析师Cliff Leimbach评论道。

2023年，尽管半导体行业整体低迷，但人工智能已成为该行业的重要增长动力，专注于这一领域的公司从中受益。英伟达是这一领域的明显赢家，其半导体收入自2022年翻了一番多，2023年达到490亿美元。英伟达的发展轨迹突显了这一成就，因为在2019年疫情之前，其半导体收入还不足100亿美元。尽管英伟达是人工智能的最大受益者，但值得注意的是，英伟达并不是唯一一家利用这一趋势的公司。

"英伟达半导体收入的快速增长使其成为2023年收入第二大半导体公司，仅次于英特尔。2022年的行业领导者三星在2023年下滑至第三位，因为其内存收入比2021年下降了近一半"Leimbach补充道。

与GPU集成以促进人工智能的高带宽内存（HBM）也出现了强劲的需求，SK海力士在这一领域处于领先地位，其他主要内存制造商也在进军这一领域。尽管内存市场在2022年整体下滑，但在2023年全年，HBM市场呈现了强劲的年增长率，增幅127%。Omdia预测，HBM可能在2024年创下更高的增长率，预估达到在150-200%之间，预计将引领内存市场的增长。

2023年，车载领域在半导体市场的影响力更大，收入增长超过15%，达到750亿美元。电动汽车的增长和智能汽车的集成推动了这一领域对半导体的需求，约占整个半导体市场的14%。

经济低迷对主要内存制造商产生了显著影响，按营收计算，这些制造商传统上都是排名前几位的半导体公司。此前，从2017年到2021年，三星电子、SK海力士和美光科技都位列收入前5位。然而，在严峻的内存市场条件下，三星电子在2023年排名第三，SK海力士排名第六，美光科技排名第十二。

关于Omdia

Omdia，作为Informa Tech的一部分，是一家专注于科技行业的领先研究和咨询集团。凭借对科技市场的深入了解，结合切实可行的洞察力，Omdia将赋能企业做出明智的增长决策。要了解更多信息，请访问www.omdia.com。

稿源：美通社