NVIDIA GTC 的 GMI 雲端：將人工智能提升到一個新的水平

Why managing AI risk presents new challenges

Aliquet morbi justo auctor cursus auctor aliquam. Neque elit blandit et quis tortor vel ut lectus morbi. Amet mus nunc rhoncus sit sagittis pellentesque eleifend lobortis commodo vestibulum hendrerit proin varius lorem ultrices quam velit sed consequat duis. Lectus condimentum maecenas adipiscing massa neque erat porttitor in adipiscing aliquam auctor aliquam eu phasellus egestas lectus hendrerit sit malesuada tincidunt quisque volutpat aliquet vitae lorem odio feugiat lectus sem purus.

Lorem ipsum dolor sit amet consectetur lobortis pellentesque sit ullamcorpe.
Mauris aliquet faucibus iaculis vitae ullamco consectetur praesent luctus.
Posuere enim mi pharetra neque proin condimentum maecenas adipiscing.
Posuere enim mi pharetra neque proin nibh dolor amet vitae feugiat.

The difficult of using AI to improve risk management

Viverra mi ut nulla eu mattis in purus. Habitant donec mauris id consectetur. Tempus consequat ornare dui tortor feugiat cursus. Pellentesque massa molestie phasellus enim lobortis pellentesque sit ullamcorper purus. Elementum ante nunc quam pulvinar. Volutpat nibh dolor amet vitae feugiat varius augue justo elit. Vitae amet curabitur in sagittis arcu montes tortor. In enim pulvinar pharetra sagittis fermentum. Ultricies non eu faucibus praesent tristique dolor tellus bibendum. Cursus bibendum nunc enim.

Id suspendisse massa mauris amet volutpat adipiscing odio eu pellentesque tristique nisi.

How to bring AI into managing risk

Mattis quisque amet pharetra nisl congue nulla orci. Nibh commodo maecenas adipiscing adipiscing. Blandit ut odio urna arcu quam eleifend donec neque. Augue nisl arcu malesuada interdum risus lectus sed. Pulvinar aliquam morbi arcu commodo. Accumsan elementum elit vitae pellentesque sit. Nibh elementum morbi feugiat amet aliquet. Ultrices duis lobortis mauris nibh pellentesque mattis est maecenas. Tellus pellentesque vivamus massa purus arcu sagittis. Viverra consectetur praesent luctus faucibus phasellus integer fermentum mattis donec.

Pros and cons of using AI to manage risks

Commodo velit viverra neque aliquet tincidunt feugiat. Amet proin cras pharetra mauris leo. In vitae mattis sit fermentum. Maecenas nullam egestas lorem tincidunt eleifend est felis tincidunt. Etiam dictum consectetur blandit tortor vitae. Eget integer tortor in mattis velit ante purus ante.

Vestibulum faucibus semper vitae imperdiet at eget sed diam ullamcorper vulputate.
Quam mi proin libero morbi viverra ultrices odio sem felis mattis etiam faucibus morbi.
Tincidunt ac eu aliquet turpis amet morbi at hendrerit donec pharetra tellus vel nec.
Sollicitudin egestas sit bibendum malesuada pulvinar sit aliquet turpis lacus ultricies.

“Lacus donec arcu amet diam vestibulum nunc nulla malesuada velit curabitur mauris tempus nunc curabitur dignig pharetra metus consequat.”

Benefits and opportunities for risk managers applying AI

人工智慧賽事並不會放慢速度，只要錯過任何節奏，您就是在追上。這就是為什麼 英維亞 GTC（三月十七日至二十一日） 對於任何認真塑造 AI 和機器學習的未來的人來說，是理想的地方。

在 GMI 雲，我們不僅僅是這次革命中的觀眾，我們正在構建它。GTC 是我們的機會 超越廣播，深入探索尖端突破，並與正在重新定義 AI 能做什麼的創新者建立聯繫。而且我們也將自己的專業知識帶入桌面，因為在人工智慧領域取得勝利不僅僅僅是跟上步伐，而是要引領先地位。

GMI 雲登上舞台：兩個不容錯過的講座

我們不只是參加 GTC，我們也正在推動人工智能公司如何做到的對話 從原型轉變為動力 和 超越競爭。AI 移動迅速，成功和無關性之間的區別在於執行。這就是為什麼 GMI Cloud 舉辦兩個必要參加的講座為原因 AI 建構者、產品領導者和決策者 想要轉變 雄心勃勃的想法邁向市場主導。

🔥 當手到女王：如何將 AI 項目提升到贏得市場

大多數 AI 項目開始為 有前途的實驗，但只有少數人發展成 產業定義解決方案。為什麼？因為執行、策略和基礎架構都有所影響。本次會議 解開手冊 用於車削 小型 AI 計畫成可擴充、高影響力的產品— 來自 導覽運算約束並最佳化模型效能 將 AI 功能與真正的商業價值一致。

無論您是希望破壞的初創企業，還是希望改進 AI 策略的企業，這個會議都將提供 實用框架，加速您邁向市場領導地位的途徑。

⚡ 現在更快發展的重要性：為什麼速度是 AI 中的一切

在 AI 中，速度不僅僅是一個優勢，而是生存。如果你沒有快速迭代，那麼你已經落後了。 運算瓶頸、慢慢的再培訓以及部署效率低 消滅動力，同時 AI 領導者建設 提供靈活性而不犧牲可靠性。

加入我們，我們分解 五個關鍵技術基礎 這將獲勝者與其他分開—從可擴充的基礎架構和自動化資料管道到最佳化的部署和 MLOP。如果您正在構建 AI 並希望更快地移動，這是您無法錯過的演講。

主題演講與趨勢：人工智慧下一步的發展

我們會全力關注 黃俊賢的主題演講 以及來自行業領導者的最新見解。期待有關的重大討論 人工智慧硬體、法學碩士的進步，以及下一波生成人工智慧— 重新定義可能的更新類型。

我們對什麼感興趣？請查看下面的短名單：

加速 NVIDIA GPU 上的推論 [S72330] — 部署大型語言模型以進行大規模推論本質上很複雜，通常需要跨計算綁定和記憶體綁定的系統進行複雜的最佳化。我們會針對 GEMV 和 GEMM 工作負載的批次大小研究自動垂直融合、結尾最佳化以及自適應核心產生，從 NVIDIA CUDA® 圖表擷取、最佳化的全部減少策略到自訂核心註冊，解決關鍵效率問題。我們將重點介紹 Together AI 在整個堆疊中優化推論效能方面的旅程。
在 Airbnb 解鎖高性能 AI 應用程序 [S73265] — 探索 NVIDIA Triton 與 TensorRT-LLM 如何改變 Airbnb 的人工智慧，實現高效能的機器學習服務，並解鎖先前無法實現的新產品使用案例。我們將討論將快速發展的複雜技術整合到複雜的機器學習堆疊中時面臨的基礎架構挑戰，以及 NVIDIA 解決方案如何在增強我們推論能力方面扮演重要角色，從而在 Airbnb 創造新一代人工智能。接下來，我們將討論我們對 NVIDIA 技術的嚴格技術評估和探索，從硬件加速到引擎優化，並重點介紹這些功能啟用的轉型 Airbnb AI 產品。加入我們，分享我們克服挑戰和邁向新領域的旅程，展示 NVIDIA 在推動真實人工智能使用案例方面的作用。
遊戲產業的可擴展 AI 基礎架構 [S73667] — 探索 Electronic Arts 如何推進其 AI/ML 基礎架構，以擴展能夠運行 AI 的團隊，擴展 AI 應用程序，並擴展 AI 跨玩家體驗的影響。我們將重點介紹 EA 在多雲端和內部部署環境中簡化的 GPU 佈建、集中式模型管理以實現合規性和存取能力，以及快速部署功能，從而實現無縫的工作流程，以加速開發，並通過強大的服務層級協議將 AI 創新帶入生產中。
人工智能行動：優化您的人工智慧基礎架構 [S74315] — 探索建立和管理高效的 AI 基礎架構的策略，從而簡化訓練和推論。在這個專題討論中，業界領導者將討論他們如何利用 NVIDIA 和 Google Cloud 的 AI 解決方案來優化資源使用率、降低成本並提高其 AI 應用程序的整體性能。

深潛和工作坊：全速人工智能

GTC 包含 必須參加技術會議，我們將首先深入研究：

🔥 擴展生成人工智能和 LLM — 從微調到部署，我們如何推動 LLM 變得更快、更便宜、更有效率？

🤖 強化學習與自主人工智慧 — 訓練 AI，可即時調整並做出決策，這對機器人、交易和自學系統而言至關重要。

⚙️ AI 基礎架構最佳化 — 計算的戰鬥是真實的。了解如何最佳化 GPU、儲存裝置和 MLOP，以大規模處理大量 AI 工作負載。

🌍 邊緣人工智能和即時決策 — AI 不僅僅是基於雲端，邊緣運算正在將智慧直接帶入設備。

✅ 道德人工智慧與值得信賴模式 — 人工智能不能只是強大，而且必須負責任。我們將加入對話 偏見緩解、透明度和 AI 治理。

以下是我們期待參加的一些工作坊：

高效率的大語言模型 (LLM) 定制 — 了解如何使用參數高效微調（PEFT）改善 LLM 應用程序功能並減少所需的 LLM 的大小。
利用快速的工程建立法學碩士應用 — 了解如何通過使用現代快速工程技術來構建各種基於 LLM 的應用程序。
利用多模式模型建立 AI 代理程式 — 在本課程中，與會者將了解神經網絡代理，這些代理可以通過探索不同的融合技術來使用許多不同的數據類型進行推理。
為大規模生產部署 RAG 管道 — 參與者將獲得與 NVIDIA NIM Operator 一起部署、監控和擴展 RAG 管道的實踐經驗，並了解基礎架構最佳化、效能監控和處理高流量的最佳實踐。

其中每一個都是構建實體現實世界應用程序的基礎。

讓我們談談並建構

GTC 的真正力量？人民我們很高興能與您聯繫 研究人員、工程師和人工智慧領導者 他們正在突破可能的界限。無論您是在尋找 洞察、合作夥伴關係或解決方案，以擴展您的 AI，讓我們實現它。

📍 參觀展位 #239 — 我們將展示我們最新的 AI 解決方案，執行實時示範，並解決您最艱難的 AI 挑戰。

‍