允中 发自 凹非寺
量子位 | 公众号 QbitAI
最近行业里对于大模型、机器人的投资讨论又热烈了起来。
很多企业不想被新技术落下，然而又害怕投资会打水漂。他们主要担心的是技术实现方面以及应用场景的投入产出比。
转型既然不可避免，那企业前期如何选择更好的投资策略呢？
这场线上研讨会不容错过！
在实际转型过程中，存在着许多需要去踩的坑。无论是场景调研，还是各类投入，都需要保持警惕，仔细观察。
本周三下午 3:00，赞奇科技发出邀请。邀请的对象是服务过多家企业数字化转型的实战团队。该团队将前来分享在项目落地中的具体细节。赞奇科技诚邀你前来线上围观。
（参与方式见文末）
1、行业场景调研
转型前进行调研是很有必要的，这有助于更好地评估方向性问题。通过较为全面地了解他人的案例，能扩展对应用场景的想象和认知，并且可以汲取项目中的经验教训，从而加速我们更好地了解应用场景及其带来的效益。同时，在案例项目中，了解企业的软硬件投入情况，便于我们更好地评估后期投资策略。
一些企业从满足小场景的需求着手，率先尝试 AI 与机器人技术的融合，能够获得阶段性的成果。
（更多案例细节可在本周三线上研讨会中了解）
2、人才投入
数字化转型涉及众多技术跨界与业务理解，需要整合人才资源。因为目前技术或产品存在成熟度、迭代等方面的问题，所以开发的工作量会较大，且学习成本也相对较高。
企业启用内部开发团队时，能够通过集体培训的形式，降低个人的学习成本以及学习周期，促使团队更快地参与到开发工作中；在人力资源紧张且不太想进行扩张的情形下，企业可以采取“借力”的办法，与外部相对成熟的开发者展开合作，或者构建开发者生态，以项目制的形式迅速启动前期的需求开发工作，等摸索了一段时间之后，后期再对人才招聘事宜进行考虑。
3、硬件投入
算力是数字化转型资金投入中很重要的一部分。项目前期预研阶段可利用小规模算力避免资源浪费，有云、桌面端算力和数据中心这三种方式。云服务无法满足企业本地化部署需求，现今桌面端的 AI 工作站能够支持企业进行 AI 训练、推理、物理仿真等工作，并且成本在可控范围内。从使用部门角度而言，AI 工作站可直接置于办公室，无噪音，能规避接入数据中心的一系列问题。企业可以根据具体需求来选择计算平台。
计算平台参考
企业数字化转型前期可考虑用 NVIDIA RTX AI 工作站进行项目预研。此工作站搭载的是 NVIDIA RTX™ GPU，它作为 NVIDIA 企业级系列 GPU，兼具 AI 性能与图形性能，是 GPU 领域的“多面手”。它既能用于 AI 训练和推理，又能用于图形仿真和渲染。例如安培架构的“卡皇”——NVIDIA RTX™ A6000，这是一款性价比非常高的显卡。目前 NVIDIA AdaLovelace 架构的 NVIDIA RTX™ 5880 Ada 和 NVIDIA RTX™ 5000 Ada 这两款 GPU 的 AI 能力提升明显。目前 NVIDIA AdaLovelace 架构的 NVIDIA RTX™ 5880 Ada 和 NVIDIA RTX™ 5000 Ada 这两款 GPU 的图形能力提升明显。这两款 GPU 很适合企业做数字化转型的预研。
企业 AI 工作站搭载了 NVIDIA RTX™ 5000 Ada ，其显存为 32GB 。
4、软件投入
这部分通常涉及软件平台采购和技术支撑服务。
在软件平台选择上，团队需要对市场上的大模型有基础了解，也需要对各个技术层面所需的工具平台有基础了解，还需要对通用协议/格式有基础了解。例如，能够用于构建数字孪生和机器人开发仿真的应用平台是 NVIDIA Omniverse™，同时也会了解像 OpenUSD 这样的数字资产通用格式。大模型如 DeepSeek、Llama、通义千问等，需要知晓它们各自的优势是什么，能够达成怎样的效果，还有其他诸如数据安全等方面的问题。
有许多工具存在开源版本或者个人免费版，在成本处于非常紧张的状态时是能够加以考虑的。但需要特别注意的是，企业若选择采购企业版或购买技术支撑服务，对其开发工作会有很大益处。比如 NVIDIA Omniverse Enterprise 版本，与 Individual 版本相比，它拥有企业级技术服务支持，能够极大地帮助团队解决问题并节省时间。另外，企业还能获得一些开发者生态或者企业技术推广方面的资源支持，这对团队后期的工作会起到助力作用。因此在调研过程中需要特别注意投入产出比，而非只看资金成本。
