概览
什么是 NVIDIA NeMo？
NVIDIA NeMo™ 是一套智能体优先的开放库，具备可加速 AI 智能体专业化、优化和治理的技能。
NeMo 与现有的 AI 工具和智能体框架集成，可在任何云端、本地部署或混合环境中优化专业智能体。
特性
用于加速专用 AI 智能体优化的工具和技能
AI 智能体生命周期是一个端到端流程，用于在生产应用中开发和持续改进 AI 智能体。NeMo 与现有的 AI 工具和智能体框架集成，在整个生命周期中优化专业智能体。
| 构建 | |
|---|---|
| 准备 AI 就绪的数据 将现有多模态数据集处理为高质量、AI 就绪的格式，以满足开发工作流的需求，并生成合成数据以缩小关键的数据差距。 |
|
| 选择合适的模型 挑选或构建适合案例的模型：选择 Nemotron™ 或其他开放模型、其他开放或专有选项，或者从零开始训练。通过评估运行进行验证，并根据需要进行调优。 |
|
| 部署 | |
| 以最高性能部署智能体 利用高吞吐量、低延迟的推理，针对生产环境优化智能体，确保它能够扩展以满足企业需求，并提供快速、可靠的响应。 |
|
| 在数据中保持“锚定 (Grounded)”并应用护栏 使用检索增强生成 (RAG) 将智能体响应固定在可信知识中，同时应用安全、合规和内容审查护栏。 |
|
| 在发布前验证智能体和模型安全 在模型和智能体进入生产环境之前，识别和修复其中的安全和保障漏洞。 |
|
| 优化 | |
| 分析并优化您的智能体 跟踪智能体与用户和其他系统的真实世界交互。系统地评估其性能和模型精度，寻找不断改进的机会。 |
|
| 利用数据飞轮持续改进 利用从监控中收集的反馈和数据，创建数据驱动的飞轮，迭代地重新训练智能体，以持续优化并随着时间的推移保持高效。 |
|
用例
NeMo 如何使用
了解 NVIDIA NeMo 如何为行业用例提供支持，以及如何快速开始 AI 开发。
-
AI 智能体
-
用于代理式 AI 的 SDG
-
AI 助手
-
企业搜索
-
内容生成
-
人形机器人
AI 智能体
AI 智能体正在改变各行各业的客户服务，帮助公司加强客户对话，实现高分辨率，并提高人类代表的生产力。AI 智能体可以处理预测任务、推理和解决问题，接受培训以理解行业特定术语，并从组织的知识库中提取相关信息，而不管这些数据位于何处。
用于代理式 AI 的合成数据生成
专门的代理式系统需要大量高质量的数据集，这些数据集从真实世界的来源收集起来既缓慢又昂贵。通过仿真或生成式 AI 模型创建的合成数据可以在没有隐私限制或质量问题的情况下创建无限的训练场景，从而消除这一瓶颈。这有助于更快地开发推理 LLM、多步骤决策者和多模态 AI 助手。
企业搜索
企业每年会产生数以万计的文档，包括 PDF、报告、演示文稿等，这些文档包含文本、图像、图表和表格，分散在相互独立的系统中。基于 AI 驱动的企业搜索将这些分散的数据转化为统一知识库，使员工能够通过对话即可实时获取洞察，以更低的成本实现更高效的决策。
内容生成
生成式 AI 可基于企业的领域专业知识和专有 IP 生成高度相关、准确的定制化内容。
人形机器人
人形机器人可以快速适应以人类为中心的当前城市和工业工作空间，处理繁琐、重复或体力要求高的任务。它们的多功能性使它们可以应用于从工厂车间到医疗健康设施等多种环境，这些机器人可以协助人类，并通过自动化缓解劳动力短缺问题。
Apptronik
优势
深入了解 NVIDIA NeMo 为代理式 AI 带来的优势
利用技能进行智能体优先开发
使用智能体友好的技能套件，管理完整的智能体生命周期，从数据整理和后训练到评估、护栏、可观测性和持续优化。
大规模加速
使用企业数据部署和扩展数据飞轮，并利用 GPU 加速训练、推理、多节点扩展和经济高效的优化来处理高吞吐量代理工作负载。
提高投资回报率
更快地构建、定制和部署专用代理系统，缩短投入生产的时间，并最大限度地提高 AI 投资回报。
安全且可用于生产环境
保护敏感数据、执行策略和提示词安全护栏、验证模型并持续检测漏洞。借助 NVIDIA AI Enterprise，在云、数据中心和边缘环境中实现安全部署，提供企业级支持和稳定性保障。
客户案例
行业领导者如何通过 NeMo 推动创新
采用者
各行业的领先采用者
-
客户
-
合作伙伴
资源
最新 NVIDIA NeMo 资源
-
博客
-
会议
-
培训
-
视频
下一步
准备好开始了吗？
使用合适的工具和技术，将生成式 AI 模型从开发阶段向生产阶段推进。
面向开发者
了解开始使用 NVIDIA NeMo 进行开发所需的所有资源，包括最新文档、教程、技术博客等。
联系我们
与 NVIDIA 产品专家交流，了解如何借助 NVIDIA AI Enterprise 的安全性、API 稳定性和支持从试运行阶段向生产阶段推进。
Shell
Shell 利用 NVIDIA NeMo 训练自定义 AI 聊天机器人以提升运营水平
能源行业的全球领导者 Shell 利用 NVIDIA NeMo™ 助力其开发适用于化学领域专业知识的定制 AI 聊天机器人。这一创新解决方案有望通过简化搜索流程、改进决策制定以及支持生产环境中的研发，显著提高员工的生产力。
AI Sweden
利用 LLM 加速行业应用发展
AI Sweden 通过提供易于访问且强大的千亿级参数模型推动区域性语言模型应用的发展。通过历史记录数字化，可以开发用于商业用途的语言模型。
Amazon
亚马逊和 NVIDIA 如何利用 AI 帮助卖家构建更好的产品清单
亚马逊利用 NVIDIA TensorRT-LLM 和 GPU 将推理速度提高一倍，实现新的 AI 功能，帮助卖家更快地优化产品清单。
Amdocs
NVIDIA 和 Amdocs 将自定义生成式 AI 引入全球电信行业
Amdocs 计划在 Microsoft Azure 上使用 NVIDIA AI 代工服务为价值 1.7 万亿美元的全球电信行业构建自定义 LLM。
AT&T
AT&T 借助 NVIDIA NeMo 提升客户服务 AI 智能体的准确性、效率和性能
全球最大的电信公司之一 AT&T 正在利用 AI 的强大功能重塑客户服务。面对模型漂移、不断增长的计算需求以及对实时数据访问的需求等挑战，AT&T 转而使用 NVIDIA NeMo™ 微服务来构建反馈驱动的 AI 平台，该平台可在优化成本、速度和合规性的同时不断提高性能。
AWS
NVIDIA 为规模庞大的 Amazon Titan 基础模型训练提供支持
亚马逊利用 NVIDIA NeMo 框架、GPU 和 AWS EFA 训练其新一代 LLM，为规模庞大的 Amazon Titan 基础模型客户提供速度更快、更易于使用的生成式 AI 解决方案。
Accenture
加速生成式 AI 在企业中的应用
ServiceNow、NVIDIA 和埃森哲宣布推出 AI Lighthouse，这是首个旨在加快企业生成式 AI 功能开发和应用的计划。
Azure
在 Azure 机器学习中充分利用 NVIDIA AI Enterprise 的强大功能
在 Microsoft Azure 上访问专为企业环境量身定制的全面工具、库、框架和支持服务生态系统。
Bria
Bria 利用 NVIDIA NeMo 和 Picasso 为企业构建负责任的生成式 AI
总部位于特拉维夫的初创公司 Bria 正在通过生成式 AI 服务，为希望以负责任的方式将可视生成式 AI 技术整合到其企业产品中，而且注重模型透明度以及公平归属和版权保护的企业提供帮助。
Cohesity
解锁您的数据超能力：NVIDIA 微服务为 Cohesity 解锁安全的企业级生成式 AI
借助 NVIDIA NIM 和优化模型，Cohesity DataProtect 客户可以为数据备份和归档增加生成式 AI 智能功能。这使得 Cohesity 和 NVIDIA 能够为所有 Cohesity DataProtect 客户提供生成式 AI 的强大功能。利用 NIM 和 NVIDIA 优化模型的强大功能，Cohesity DataProtect 客户可以从数据备份和归档中获得数据驱动的洞察力，使效率、创新和增长达到新的水平。
CrowdStrike
塑造 AI 在网络安全领域的未来
CrowdStrike 和 NVIDIA 正在利用加速计算和生成式 AI 为客户提供一系列专为高效应对安全威胁而量身定制的创新 AI 驱动解决方案。
戴尔
戴尔借助 NVIDIA 验证生成式 AI 设计
戴尔科技和 NVIDIA 宣布了一项计划，旨在使企业更轻松、快速、安全地在本地构建和使用生成式 AI 模型。
德勤
在各个企业软件平台解锁生成式 AI 的价值
德勤将利用 NVIDIA AI 技术和专业知识为企业软件平台构建高性能生成式 AI 解决方案，帮助企业获得重要商业价值。
Domino Data Lab
Domino 在 NVIDIA 的支持下提供生产就绪型生成式 AI
借助 NVIDIA NeMo，数据科学家可以在 Domino 平台上基于专有数据和 IP 根据领域专属用例对 LLM 进行微调，无需从头开始。
Dropbox
Dropbox 和 NVIDIA 为数百万客户提供个性化生成式 AI
Dropbox 计划借助 NVIDIA AI 代工服务，通过 Dropbox Dash 通用搜索工具和 Dropbox AI 构建自定义模型并改进 AI 驱动的知识性工作。
Google Cloud
AI 巨头合作创造生成式 AI 魔法
在 Next 大会上，Google Cloud 宣布推出由 NVIDIA H100 Tensor Core GPU 驱动的 A3 实例。两家公司的工程团队共同合作，将 NVIDIA NeMo 引入 A3 实例，以加快培训练训和推理速度。
HuggingFace
领先的 AI 社区加速数据管护工作流
面向 AI 构建者的领先开放式平台 Hugging Face 正在与 NVIDIA 合作集成 NeMo Curator，并加速其数据过滤和去重库 DataTrove。“我们对 NeMo Curator 的 GPU 加速能力充满期待，迫不及待地想要见证它们为 DataTrove 做出贡献！”Hugging Face 产品总监 Jeff Boudier 表示。
KT
利用 LLM 打造全新的客户体验
韩国领先的移动运营商构建了十亿参数级 LLM，并使用 NVIDIA DGX SuperPOD 平台和 NeMo 框架对这些 LLM 进行了训练，为智能扬声器和客户呼叫中心提供支持。
联想
基于 LLM、面向生成式 AI 的全新参考架构
通过解决方案助力全球合作伙伴和客户以极高的安全性和效率在行业细分领域大规模开发、训练和部署 AI，从而加快创新。
Quantiphi
助力企业快速开启 AI 赋能之旅
Quantiphi 致力于根据 Responsible AI 原则，使用 NVIDIA NeMo 框架训练和微调基础模型，并使用 NVIDIA AI Enterprise 软件平台大规模优化部署。
SAP
SAP 和 NVIDIA 加速在各个企业应用中采用生成式 AI，为全球各行各业提供助力
客户可以利用通过 NVIDIA AI 代工服务和 NVIDIA NIM 微服务部署的定制 LLM，在由 SAP 提供的云解决方案中充分利用其业务数据。
ServiceNow
为企业 IT 构建生成式 AI
ServiceNow 在其 ServiceNow 平台上开发自定义 LLM，以在各项企业 IT 流程中实现智能工作流自动化并提高工作效率。
Perplexity
增强 AI 驱动搜索引擎的模型性能
Perplexity 希望利用 NVIDIA NeMo 快速定制前沿模型，以提高搜索结果的准确性和质量，并对其进行优化，以降低延迟并提高吞吐量，从而获得更好的用户体验。
VMware
VMware 和 NVIDIA 为企业解锁生成式 AI
使用由 NVIDIA 提供支持的 VMware Private AI Foundation，企业可以定制模型并运行生成式 AI 应用，包括智能聊天机器人、助手、搜索和汇总。
Weight & Biases
调试、优化和监测 LLM 工作流
Weights & Biases 帮助研究生成式 AI 用例或使用 LLM 的团队对所有提示工程实验进行追踪和可视化，帮助用户调试和优化 LLM 工作流，并为 LLM 提供监测和观察功能。
Writer
初创公司 Pens 采用 NVIDIA NeMo 的生成式 AI 成功案例
Writer 正在利用 NVIDIA NeMo 构建 LLM，帮助数百家公司在营销、培训、支持等方面为企业用例创建自定义内容。
Arize
Arize 助力 AI 数据飞轮实现自我改进
Arize 的 LLM 工程和可观察性平台集成了 NVIDIA NeMo 微服务，为 AI 数据飞轮提供动力支持，从而通过现实世界的反馈持续优化模型。借助 NeMo Customizer、Evaluator 和 Guardrails，Arize 可确保代理式系统具有高性能、安全性，并能满足不断变化的企业需求。这项合作支持开发自适应 AI，这种 AI 会随着时间的推移而学习和发展。
DataRobot
在 DataRobot 上使用 NeMo 的企业就绪型可信 AI 智能体
通过将 NVIDIA NeMo 嵌入到 DataRobot Enterprise AI 套件中，企业可以确保代理式系统安全、合规并基于企业特定数据。这种集成有助于开发 AI 智能体，在遵守组织标准的同时提供准确、上下文感知的响应。
DataStax
DataStax 和 NVIDIA 共同构建数据和 AI 平台
在过去一年中，DataStax 与 NVIDIA 合作，采用 NVIDIA NeMo 微服务来增强其数据库和 AI 产品中的生成式 AI、检索增强生成和混合搜索功能。结果令人印象深刻：吞吐量性能提高了 19 倍，成本大幅降低，延迟得到改善。
Galileo
Galileo 和 NVIDIA NeMo：降低生产中代理式 AI 的风险
Galileo 集成了 NVIDIA NeMo 微服务来构建 AI 数据飞轮，从而增强智能体的性能、可靠性和信任度。NeMo 为 Galileo 平台添加了补充功能：通过 NeMo Customizer 实现特定领域的持续微调，通过 NeMo Evaluator 实现高级评估，并通过 NeMo Guardrails 保护用户交互，使 AI 团队能够构建、评估和监测代理式 AI 系统，这些系统可在现实世界环境中不断学习和改进。
