什么是NVIDIA AI Enterprise企业级AI平台功能优势应用场景详解

人工智能正在深刻变革各行各业，加速流程自动化，并在持续演进的技术格局中为创新开辟全新机遇。随着越来越多的企业认识到将 AI 融入业务运营的价值，它们面临着如何高效、可靠地规模化部署这些技术的挑战。NVIDIA AI Enterprise 是一套综合性软件套件，旨在帮助组织安全、稳定地实施企业级 AI、机器学习（ML）与数据分析，并提供 API 稳定性及专业级支持。本教程将带你系统了解 NVIDIA AI Enterprise 的核心组件、发布分支策略，以及如何与 Microsoft Azure 机器学习无缝对接，从而快速搭建生产就绪的 AI 工作流。

什么是 NVIDIA AI Enterprise？

部署人工智能解决方案往往需要专门的硬件与软件，以及相应的开发与运维专业知识，过程较为复杂。NVIDIA AI Enterprise 通过提供面向企业环境的完整工具、框架、库及支持服务，有效应对这些难题。借助 GPU 加速计算能力，NVIDIA AI Enterprise 使企业能够更经济、更高效地大规模运行 AI 工作负载。该套件基于 NVIDIA CUDA-X AI 软件栈构建，具备高性能 GPU 加速计算能力。

套件包含以下核心组件：

• 虚拟机管理系统：为主要云平台预先配置的虚拟机映像，集成了必要的驱动与软件，可支撑 GPU 加速的 AI 工作负载。
• 人工智能框架：在 VMI 中运行的软件（如 PyTorch、TensorFlow、RAPIDS，以及支持 TensorRT 与 ONNX 的 NVIDIA Triton 等），构成 AI 开发与部署的基础。
• 预训练模型：可直接使用或根据企业特有数据进行微调的模型资源。
• 人工智能工作流：预先打包的参考示例，展示如何利用 AI 框架与预训练模型构建针对常见业务问题的解决方案。这些工作流提供微调预训练模型及创建 AI 模型的指导，均构建于 NVIDIA 框架之上。重点呈现了应用的管道搭建过程，并就如何将定制应用与企业常见组件（如编排管理、存储、安全及网络软件）集成给出建议。

可用的人工智能工作流包括：

• 智能虚拟助理：提供全天候联络中心协助，有效降低运营成本。
• 音频转录：基于 GPU 优化模型，实现行业领先的精准转录效果。
• 数字指纹威胁检测：网络安全威胁识别与告警优先级排序，助力快速响应与处置。
• 下一项预测：个性化产品推荐引擎，提升客户参与度与忠诚度。
• 路线优化：优化车辆与机器人行进路线，减少行程时间与燃油消耗。

小提示：如果你是 NVIDIA AI Enterprise 的新手，建议先从预训练模型和人工智能工作流入手，这样可以快速体验端到端的 AI 解决方案，无需从零开始构建模型。

支持的带有发布分支的软件

使用 NVIDIA AI Enterprise 所提供的软件资源，其核心优势在于能够获得 NVIDIA 的安全性与稳定性保障。NVIDIA AI Enterprise 包含三个发布分支，分别满足不同行业与应用场景的差异化需求。每个分支在更新频率、API 稳定性、生命周期等方面各有侧重，你可根据项目实际需求灵活选择。

最新发布分支

针对追求顶级软件优化的用户，该分支每月发布一次，确保用户能第一时间获得新功能与改进。CVE 补丁及错误修复也随版本更新包含在内。适合对前沿技术敏感、稳定性要求相对宽松的开发团队。

生产发布分支

该分支专为需要 API 稳定性的生产环境设计，每月提供 CVE 补丁与错误修复，每年推出两个新分支，每个分支支持周期为 9 个月。为实现平滑过渡与持续支持，连续两个生产分支之间设有 3 个月的重叠期。生产分支预计于 2023 年下半年正式上线。

长期释放分支

该分支专为高度监管行业量身定制，强调长期支持，每季度推送 CVE 补丁与错误修复，特定版本可提供长达 3 年的支持。与之配合的是 6 个月的重叠期，确保版本迁移平稳有序，从而满足这些高度监管行业对持续性与一致性的严格要求。

图 1. NVIDIA AI Enterprise 的三个发布分支适配不同行业与应用场景的需求

常见问题：
问：我计划在生产环境中使用 NVIDIA AI Enterprise，应该选择哪个发布分支？
答：推荐采用生产发布分支。该分支每月接收安全补丁与错误修复，每年推出两个新版本，每个版本提供 9 个月支持，且两个连续版本之间有 3 个月重叠期，确保平稳过渡。如果你的行业面临严格监管（如金融、医疗），且需要长达 3 年的版本支持，则应选择长期释放分支。

如何将 NVIDIA AI Enterprise 与 Microsoft Azure 机器学习结合使用

Microsoft Azure Machine Learning 是一个面向云端与本地的 AI 开发平台，提供训练、实验、部署及模型监控等服务，同时支持为大型语言模型设计并构建提示流。Azure 机器学习作为一个开放平台，兼容所有主流机器学习框架与工具包，包括 NVIDIA AI Enterprise 中的众多框架与工具。

此次合作通过将 NVIDIA AI 软件与 Azure 机器学习的训练与推理平台深度集成，大幅简化了运行 NVIDIA AI 软件的体验。用户无需再手动搭建训练环境、安装软件包、编写训练代码、记录指标或部署模型。借助这种集成，用户能够充分利用 NVIDIA 企业级软件的性能优势，结合 Azure 机器学习高性能且安全的基础设施，构建生产级 AI 工作流。

若要快速上手，请执行以下步骤：

1. 登录 Microsoft Azure 并启动 Azure 机器学习工作室。
2. 从 NVIDIA AI 企业预览注册表中浏览并访问所有预构建的 NVIDIA 人工智能企业组件、环境与模型（图 2）。
3. 在工作空间中使用这些资产，通过简单的拖拽操作在设计器中搭建 ML 管道（图 3）。

图 2. Azure 机器学习上的 NVIDIA AI 企业预览注册表

图 3. 使用 NVIDIA AI Enterprise 组件的 Azure 机器学习管道

在 Azure 机器学习注册表中即可找到 NVIDIA AI Enterprise 示例资产。你也可以在 NVIDIA_AI_Enterprise_AzureML GitHub 上查看预览资产的代码。

小提示：如果你尚未创建 Azure 机器学习工作空间，可先开通免费层账号。在开始第二步之前，请确保你的 Azure 订阅已成功注册 NVIDIA AI Enterprise 技术预览（详见文章末尾）。

用例：身体姿势估计

借助 NVIDIA AI 企业预览注册表中的各种元素，搭建解决方案变得非常便捷。本示例展示了一个基于 NVIDIA DeepStream 进行身体姿势估计的计算机视觉任务。NVIDIA TAO 工具包为身体姿势模型提供了基础，并支持使用新数据进行模型微调。

图 4 展示了一个视频分析管道示例，该管道运行 NVIDIA DeepStream 示例程序进行身体姿势估计。整个管道在 GPU 集群上执行，并且可灵活调整以适配更新的模型与视频源，充分发挥 Azure 机器学习平台的能力。

图 4. 使用 Azure 机器学习进行身体姿势估计的 NVIDIA TAO 工具包与 NVIDIA DeepStream

该示例包含两个基于 URI 的数据资产，用于存储 DeepStream 示例应用程序命令组件的输入数据。这些数据资产直接利用了 NVIDIA AI Enterprise Registry 中现成的预训练模型，并额外附带了校准与标签信息。

DeepStream 身体姿势命令组件配置为使用 Microsoft Azure blob 存储。该组件会持续检查输入目录中是否存在需要推理的新视频文件。一旦发现新文件，组件即将其拾取并执行身体姿势推理，输出带有边界框与跟踪线的视频，并保存至输出目录。

你可以基于 TAO 工具包的训练管道对这些样本逐一进行优化，该管道支持迁移学习，从而调整模型输出以适应特定场景需求。相关资源可在 NGC 上的 TAO Toolkit 计算机视觉样本工作流中找到。

常见问题：
问：我能否使用自己的视频数据对身体姿势估计模型进行微调？
答：当然可以。NVIDIA TAO 工具包支持迁移学习，你只需准备带有标注的自定义数据集，然后通过 TAO 工具包的训练管道对预训练模型进行微调。NGC 上提供了 TAO Toolkit 计算机视觉样本工作流，其中包含详细的步骤说明。微调后的模型可直接替换到 DeepStream 组件中，实现针对你特定场景（如仓库、零售店）的身体姿势估计。

开始在 Azure 机器学习上使用 NVIDIA AI Enterprise

NVIDIA AI Enterprise 与 Azure Machine Learning 的融合，将 GPU 加速计算与全面的云端机器学习平台相结合，使企业能够更加高效地开发与部署 AI 模型。这种协同效应让企业既能享受云资源的弹性，又能充分利用 NVIDIA GPU 及软件的性能优势。

要在 Azure 机器学习上启用 NVIDIA AI Enterprise，请先注册一个技术预览版。注册后，你将获得 Azure 机器学习上 NVIDIA AI 企业预览注册表中所有预构建组件、环境和模型的访问权限。

小提示：完成技术预览注册后，可在 Azure 机器学习工作室的“注册表”选项卡中找到“NVIDIA AI Enterprise”预览注册表。如果未显示，请确认你的 Azure 订阅已被加入允许列表，或联系 NVIDIA 支持团队。

总结：借助 NVIDIA AI Enterprise 与 Azure 机器学习的深度集成，企业无需再手动搭建复杂的 GPU 训练环境，而是可以直接利用 Azure 机器学习平台的拖放式管道设计器、版本控制与可观测性功能，同时享有 NVIDIA 企业级 AI 软件的安全性与性能优化。无论是快速部署智能虚拟助理、音频转录，还是构建路线优化系统，这套组合方案都能显著缩短从开发到生产的周期。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：什么是NVIDIA AI Enterprise企业级AI平台功能优势应用场景详解要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题