avatar
NuNet
20,731个推特粉丝
关注
NuNet provides globally distributed computing power & storage for decentralized networks #DePin 🔗http://nunet.io/links 🚨 Get NTX - https://bit.ly/3RmoHrG
动态
avatar
NuNet
03-20
人工智能行业一直在谈论编排，但它混淆了两个不同的概念。 软件编排：协调代理的逻辑。哪个代理处理哪个任务。它们如何传递信息。何时升级。LangGraph、CrewAI、AutoGen 等都是软件编排。 计算编排：协调代理运行的物理资源。哪些硬件运行哪些工作负载。如何动态分配资源。机器故障时会发生什么。 两者都不可或缺。大多数人只考虑前者。 没有计算编排的软件编排就像创作交响乐却没有乐团。乐曲存在，却无人演奏。 NuNet 运行于计算编排层。该协议能够发现任何硬件（边缘设备、GPU、服务器、数据中心）上的可用资源。动态匹配工作负载。从故障中恢复。结算付款。 软件层决定代理执行什么操作。 计算层确保它们能够实际执行这些操作。 这两个层都需要编排。但目前只构建了其中一个。
NTX
0.23%
avatar
NuNet
03-12
今年，自主人工智能代理市场规模达到 85 亿美元，预计到 2030 年将达到 350 亿美元。 但德勤还发现：拥有成熟编排能力的企业，其人工智能投资的价值是其他企业的 2-3 倍。 问题在于，50% 的企业人工智能代理仍然各自独立运行。工作流程脱节，自动化功能冗余，系统之间缺乏协调。业界多年来致力于构建智能，却几乎忘记了构建其底层基础设施。 业界构建了智能，却忘记了构建协调机制。 编排并非一项功能，而是使多代理人工智能真正发挥作用的整个基础设施层。 在计算层面，编排意味着：自动发现资源、匹配工作负载、动态部署、故障恢复和结算付款。 这正是 NuNet 所做的。它并非在软件层面，而是在底层计算层面。 当人工智能代理需要跨设备、跨所有者、跨环境进行协调时，计算层也必须进行编排。 模型竞赛已经结束。编曲大赛即将开始🏎️
NTX
0.23%
avatar
NuNet
03-06
强化学习、运动扩散模型、机载感知，所有这些都运行在不同的计算环境中。 这些策略的训练在 GPU 集群上运行。但角色本身则在嵌入式硬件上实时运行推理，自主导航并生成动作。 这种从边缘到云端的协调、数据中心的仿真和训练、机器人上的实时推理以及两者之间的数据流动，构成了计算编排的挑战，并且随着部署角色数量的增加而不断扩展。 这正是 #NuNet 正在解决的问题：一种能够协调从云端 GPU 到边缘设备等异构基础设施上工作负载的协议。 下一代物理人工智能的瓶颈不在于 GPU 算力，而在于连接所有组件的基础设施层。
NVIDIA Robotics
@NVIDIARobotics
03-06
Ever wondered how Disney's characters make it from the screen to reality? 🎬 Behind the magic is physical AI: • Newton & Kamino: Leveraging the open-source, GPU-accelerated Newton framework and Disney’s Kamino solver for artist-centric reinforcement learning. • Expressive
NTX
0.23%
loading indicator
Loading..