AI模型从开发到部署应用,是一个技术门槛高、流程复杂的过程。AI模型的全生命周期包括问题定义、数据接入、数据处理、特征工程、模型训练、模型评估及发布、模型管理等环节,其中特征工程、模型选择、模型评估等环节高度依赖AI专家和数据科学家的经验和算法能力。
而低代码低代码(Low Code)是一种可视化的应用开发方法,基于图形化拖拽、参数化配置等更为高效的方式,用较少的代码、以较快的速度来交付应用程序,将程序员不想开发的代码做到自动化,称之为低代码。
近日,NVIDIA发布了TAO(NVIDIA训练、适应和优化,TAO)工具套件低代码版本,其能够简化并加速语音和视觉AI应用的AI模型创建。
最新发布的TAO工具套件包括全新和更新的视觉及语音预训练模型。ONNX模型权重导入、REST API和TensorBoard集成等新功能,能够快速追踪模型创建流程,提高开发者的生产力。
简化AI模型开发
NVIDIA TAO(训练、适应和优化)是一个可以简化和加速企业AI应用和服务创建的AI模型自适应平台。通过基于用户界面的指导性工作流程,让用户可以使用自定义数据对预训练模型进行微调,无需掌握大量训练运行和深度AI专业知识,在数小时内(原本需要数月)产生高度精确的计算机视觉、语音和语言理解模型。
TAO使开发者能够轻松运用迁移学习创建自定义生产级模型,这些模型专门针对缺陷检测、语言翻译、交通管理等各种行业专属用例进行了优化。使用TAO开发模型的用户能够用更少的数据优化模型,进而缩短部署时间。
NVIDIA TAO工具套件低代码版本可以简化AI模型开发,这得益于其全新的功能特性:
最新版本中新增的一些预训练模型可以:
结语
当前越来越多的企业将AI应用到业务中,但过程中也受到专业技能缺乏、数据不足以及开发周期较长等问题的困扰。NVIDIA TAO简化了AI工作流程,搭建了奔向企业AI的快车道。
好文章,需要你的鼓励
Y Combinator合伙人Ankit Gupta与Anthropic预训练负责人Nick Joseph最近进行了一次深度对话。
微软研究院提出潜在分区网络(LZN),首次实现生成建模、表示学习和分类任务的真正统一。该框架通过共享高斯潜在空间和创新的潜在对齐机制,让原本独立的AI任务协同工作。实验显示LZN不仅能增强现有模型性能,还能独立完成各类任务,多任务联合训练效果更是超越单独训练。这项研究为构建下一代通用AI系统提供了新的架构思路。
9月13日的PEC 2025 AI创新者大会暨第二届提示工程峰会上,“年度提问二:新工作时代:AI工作流由谁主导?”从企业实践到技术实现、从业务落地到战略决策,展开了一场高密度的思想碰撞与经验分享,将AI工作流背后的难题和解决路径彻底揭开。
上海AI实验室开发的VLAC模型让机器人首次具备真实世界自主学习能力。该系统如同给机器人配备智能导师,能实时评估动作效果并从中学习。在四个操作任务测试中,机器人成功率从30%提升至90%,仅需200次练习。技术结合视觉、语言理解和动作生成,支持跨场景适应和人机协作,为家庭服务、医疗护理等领域应用奠定基础。