返回列表
NVIDIA与斗山集团深化合作,共同推进物理AI与AI工厂基础设施建设
行业新闻英伟达斗山集团物理AI

NVIDIA与斗山集团深化合作,共同推进物理AI与AI工厂基础设施建设

NVIDIA(英伟达)宣布与斗山集团(Doosan Group)扩大合作,旨在物理AI、机器人技术及AI工厂基础设施领域挖掘新机遇。此次合作涵盖斗山机器人、斗山山猫、斗山能源及斗山电子材料等多个业务板块。双方将结合英伟达的全栈加速计算平台与斗山在工业自动化、能源生产及先进电子材料方面的深厚实力,共同推动工业领域的智能化转型。

NVIDIA Newsroom

核心要点

  • 跨领域深度协作:英伟达与斗山集团扩大在物理AI、机器人及AI工厂基础设施领域的合作。
  • 全产业链覆盖:合作涉及斗山机器人、斗山山猫、斗山能源及斗山电子材料BG等多个核心业务部门。
  • 技术优势互补:整合英伟达的全栈加速计算平台与斗山在工业自动化、能源及先进材料领域的专业能力。
  • 驱动工业转型:旨在通过AI技术提升工业生产效率,构建现代化的AI工厂基础设施。

详细分析

物理AI与工业自动化的深度融合

英伟达与斗山集团的合作标志着物理AI(Physical AI)在重工业领域的进一步落地。通过将英伟达领先的全栈加速计算平台引入斗山机器人的自动化流程及斗山山猫的工程机械中,双方致力于实现更智能、更具感知力的物理系统。这种结合不仅有望提升机器人的操作精度与自主性,也为复杂工业环境下的智能化作业奠定了技术基础,使机器能够更好地理解并交互物理世界。

构建未来AI工厂的基础设施

此次合作的核心目标之一是推进AI工厂基础设施的建设。斗山能源(Doosan Enerbility)与斗山电子材料BG的加入,意味着合作范围从终端机器人延伸到了能源供应与底层电子材料。英伟达的计算能力将助力斗山优化其工业自动化流程,通过数据驱动的决策支持,提升工厂的运行效率与能源管理水平。这种从材料到能源、再到自动化系统的全方位布局,为构建更具竞争力的现代化AI工厂提供了系统化的解决方案。

行业影响

此次合作展示了AI技术从数字空间向物理世界加速渗透的趋势。英伟达通过与斗山这类拥有深厚工业背景的企业合作,进一步巩固了其在工业AI领域的领导地位。对于重工业而言,物理AI的引入将加速传统制造向智能制造的转型,提升全球供应链的自动化水平。同时,这也预示着未来工业竞争将更多地依赖于计算能力与物理实体的深度集成,为能源与材料科学的创新提供了新的动力。

常见问题

什么是物理AI(Physical AI)?

物理AI是指将人工智能技术应用于具有物理实体的系统(如机器人、工程机械或工业设备),使其能够感知、理解并与物理世界进行实时交互和自主决策。

斗山集团哪些子公司参与了此次与英伟达的合作?

根据官方信息,参与合作的包括斗山机器人(Doosan Robotics)、斗山山猫(Doosan Bobcat)、斗山能源(Doosan Enerbility)以及斗山电子材料BG(Doosan Corporation Electro-Materials BG)。

双方合作的技术基础是什么?

合作的基础是英伟达(NVIDIA)的全栈加速计算平台,以及斗山集团在工业自动化、能源生产和先进电子材料领域的深厚行业积累。

相关新闻

Anthropic年化营收飙升至650亿美元:两个月内实现180亿美元惊人增长
行业新闻

Anthropic年化营收飙升至650亿美元:两个月内实现180亿美元惊人增长

根据TechCrunch最新报道,知名AI模型制造商Anthropic的财务数据录得爆发式增长。目前,该公司的年化营收已正式攀升至650亿美元。尤为引人注目的是,在过去的短短两个月时间内,Anthropic的年化营收就增加了180亿美元。这一数据不仅刷新了AI初创企业的增长记录,也充分证明了市场对高质量AI模型及服务的强劲需求和极高的商业化变现效率。

同样集群利用率提升33%:Hugging Face揭秘任务排序对GPU效率的影响
行业新闻

同样集群利用率提升33%:Hugging Face揭秘任务排序对GPU效率的影响

本文深入分析了Hugging Face发布的关于GPU管理策略的最新进展。研究指出,在硬件集群配置保持不变的情况下,仅通过优化任务的执行顺序(Order),即可将GPU利用率显著提升33个百分点。这一由Dharma AI团队实现的突破,为解决当前AI算力紧缺与资源浪费并存的难题提供了极具价值的调度优化思路。

Rust实现高性能GPU卸载:兼具移植性、安全性与极致速度
行业新闻

Rust实现高性能GPU卸载:兼具移植性、安全性与极致速度

本文介绍了一项关于Rust语言在GPU编程领域的重大突破。研究人员开发了一种内置于Rust编译器(rustc)和LLVM后端的零开销、多厂商GPU编译框架。该框架利用Rust的所有权系统和严格的别名保证,解决了传统GPU编程中内存安全与执行效率之间的权衡难题。实验表明,该方案在RAJAPerf基准测试中达到了与原生CUDA和HIP C++相当的性能水平。