8月25日由NVIDIA主办的2022 NVIDIA初创企业展示——半程展示暨创投联盟启动仪式通过线上和线下结合的方式在北京圆满举办。在此次盛会中,来自科创行业的众多合作伙伴、初创企业代表,投资机构、科创媒体等与NVIDIA代表齐聚一堂,一同见证精彩的NVIDIA初创企业半程展示以及创投联盟启动仪式。
自2016年项目落地中国后,NVIDIA 初创企业展示已连续举办了6届, 每一届都吸引了众多国内优秀创业企业、投资机构、大企业等方面的积极参与。今年,NVIDIA初创企业展示分为华东站、华南站、北中西站三个区域展示,以及半程展示和最终展示。聚焦生物医药、 自动驾驶、元宇宙、自主机器和边缘计算等热门人工智能行业,吸引了近150家优秀的初创企业报名参加。

NVIDIA 初创加速计划——创投联盟正式启动
当天上午,NVIDIA全球副总裁刘念宁女士以及众多合作伙伴代表携手启动了创投联盟项目。

(从左至右)红点中国合伙人张鸣晨,亚马逊云科技初创生态及投资业务发展负责人胡瑛、 NVIDIA全球副总裁刘念宁、星鲸科技CEO徐串、NVIDIA中国区工程和解决方案高级总监赖俊杰、MathWorks 北方区总经理白云峰
NVIDIA初创加速计划为免费会员制、旨在培养颠覆行业格局的优秀创业公司。NVIDIA初创加速计划创投联盟,是NVIDIA初创加速计划(NVIDIA Inception)的重要组成部分,为创业公司与投资机构提供平等的沟通机会。创投联盟不但能帮助投资机构对接优秀的初创企业。同时还为被投企业提供多维度的支持,包括产品支持,技术支持,市场支持,资本支持等一系列的服务,加速被投企业的成长。
半程展示线上线下路演
在各分站展示中脱颖而出的15家优秀创业企业在线上及线下分别进行了精彩的路演, 在路演环节过后,NVIDIA全球副总裁刘念宁女士和NVIDIA 初创加速计划中国区负责人娄明为来到现场的初创企业颁发了证书。

各合作伙伴齐聚一堂,和NVIDIA一同分享人工智能最前沿的科技与解决方案
在大会上,NVIDIA中国区工程和解决方案高级总监赖俊杰和星鲸科技CEO徐串分别为就加速计算、人工智能和渲染技术的融合以及MlOps加速AI落地等方面进行了讲演。
NVIDIA的赖俊杰博士在讲演中阐述了加速计算技术无疑极大促进了人工智能技术的演进,反过来人工智能对于NVIDIA GPU架构更新也提出了富有挑战性的要求。人工智能结合加速计算技术,深刻改变了今天计算机图形技术的应用手段,进而衍生出了更多新的应用场景。

NVIDIA中国区工程和解决方案高级总监赖俊杰

星鲸科技CEO徐串
在分会场上,来自NVIDIA的代表为在场嘉宾带来了NVIDIA RTX技术架构与Omniverse协作平台以及NVIDIA 自主机器人解决方案的分享。当天,子歌与初创企业就元宇宙投资和上市进行了沟通和交流,蓝耘科技在现场为嘉宾们提供了相关产品的试用和详细的讲解。
科技一如既往的推动着人类生活形态的发展,在人工智能企业百花齐放的时代,我们希望和更多合作伙伴一起帮助优秀的初创企业加速成长,携手共建人工智能产业更健康的生态体系。这需要不断的技术突破与各方的协作。在未来,我们希望和NVIDIA初创加速计划创投联盟的成员共同探讨前沿技术的发展方向,并帮助与有融资需求的会员创业公司对接,共同加速人工智能产业的发展和进步。
NVIDIA初创加速计划
NVIDIA初创加速计划为免费会员制、旨在培养颠覆行业格局的优秀创业公司。该计划联合了国内外知名的风投机构,创业孵化器,创业加速器,行业合作伙伴以及科技创业媒体等,打造创业加速生态系统,能够提供产品折扣,市场宣传,技术支持,融资对接,业务推荐等一系列服务,加速创业公司的发展。


好文章,需要你的鼓励
前沿AI研究机构Decart发布最新世界模型Oasis 3,旨在弥合虚拟仿真与物理AI之间的鸿沟。该模型将超写实交互图形能力与强大物理引擎相结合,可生成动作驱动的视频流,支持多视角环境模拟,延迟低于200毫秒。开发者能够借助自然语言提示,快速构建多样化极端场景,有效解决机器人和自动驾驶领域长期存在的"仿真到现实"差距问题,大幅降低物理AI训练成本。
OpenSkill是一套让AI代理无需人工监督即可自主成长的框架,通过从互联网获取知识、自建虚拟考题反复练习,实现真正的开放世界自我演化。
Visual Components正式发布5.1版本工厂仿真软件,重点引入高精度物理仿真与可扩展机器人协同调度能力,支持在同一环境中同时模拟数百台自主移动机器人、自动导引车及人员的运行状态。新版本还将仿真性能提升至前代的10倍,新增Allen-Bradley PLC支持及Nachi、Epson机器人虚拟调试插件,并将脚本环境升级至Python 3。该软件旨在帮助制造商在实际部署前完成系统验证,降低调试风险,缩短投产周期。
论文研究了AI评委同时优化多个评判维度时的两大失败原因:梯度稀释与指令干扰,为多目标提示词优化提供了系统性诊断框架。