2026英伟达GTC大会：基于NVIDIA AI Enterprise全栈赋能“AI工厂”重塑智造新标杆

基于NVIDIA

AI

Enterprise全栈赋能“AI工厂”重塑智造新标杆杨

青

王龙

2

026

年

3

月海

南

金

盘

智

能

科

技

股

份

有

限

公

司领航者远见与金盘科技数字化之路最佳实践

：AI在制造业的生产落地与价值创造未来展望：金盘科技的“AI工厂”规划战略目标：从制造企业到智能生态引领者远见引领，构筑数字化与智能制造立体优势基于NVIDIA全栈技术的三步走战略与核心架构标书智能体、焊接机器人等端到端场景落地从制造企业向智能生态引领者的范式跃迁目录CONTENTS01020304领航者李志远金盘科技董事长"34年风雨兼程，

以非凡的战略定力和企业家精神，

引领金盘科技驶向智能制造的星辰大海。

"34年前南下创业，深耕主业他坚守“集中资源、深耕主业”的信念，以全球视野率先对标德国工业标准，推动数字化制造革命，带领金盘科技从海南走向世界，产品远销全球87国，成为国际新能源与智能制造浪潮中的中国标杆2017年数字化转型，换道超车以前瞻性眼光果断启动数字化转型，建成国内首家经德国认证的干变数字化工厂，确立了以数字化为核心竞争力的发展路径。现在与未来从“制造”到“智造”再到“创造”以数字化和智能制造为引擎，构建“绿色电力心脏”与“智慧能源大脑”，推动企业向全球价值链高端跃升。01

战略远见以超前战略远见，南下锚定高端制造。坚守主业，对标国际标准，以数字化颠覆传统，精准卡位全球新能源与数字化浪潮，，成为国际巨头信赖的核心供应商，最终带领企业从海南走向世界企业家精神彰显于逆境中的担当，化危机为机遇。面对数字化浪潮，2017年果断启动转型，实现"换道超车"。德国认证首家数字化工厂领航者：远见与定力以“集中资源、深耕主业”的信念引领企业跨越式发展03

家国情怀怀揣深厚情怀，致力于构建"企业命运共同体

"

，与海南共赢发展。是一位值得信赖与追随

的卓越领航者。

领航者与核心竞争力2017启动转型022024年·

人工智能大模型在工业领域应用·

数据资产入表2022年·

桂林高端干式变压器数字化工厂建成投产·

桂林储能数字化工厂建成投产·

人员超150人·

营收近0.5亿元1998年·

成功登陆美国证券交易所开始全球化发展2013年2014年1993-2012年从国内市场走向国际市场2023年·

荣获国家级制造业单项冠军

示范企业·

武汉高端变压器数字化工厂

建成投产·

武汉储能数字化工厂建成投产2024年~人工智能大模型探索2024年元人亿009362超超收员营人··2020年·

海口高端干式变压器数字化工厂建成投产（

符合德国V

DI

4

4

9

9

标准

）1997年1993年2021年·

科创板上市·

桂林成套数字化工厂建成投产2025年·

AI

算力需求

，指数级攀升·

能源电力消耗，

爆发式增长2017年·

成立智能科技研究院·

股份改制2013-2023年数字化转型升级阶段累计全球客户8000+

家在全球拥有12个生产基地应用全球87

个国家覆盖全球6大洲深耕全球市场·

人员近1700人·

营收超15亿元·

人员近2050人·

营收超33亿元·

海口特种变压器厂注册成立·

实施工业化

、信息化融合2021年

发展历程发展战略一个渐进式创新传统产品

：紧扣能源脉搏的渐进式多元进化产品的发展迭代都属于渐进式创新，从单一干式变压器的稳定输出起步，到液浸变压器的性能升级，更延伸至成套开关设备的安全护航、储能系列产品的高效调配，传统产品从单一走向多元，每一步进化都紧扣能源发展的脉搏。三个跨越式创新上游延伸：非晶合金材料布局制造升级：数字化向智能制造转型产品跨越：大功率电子元器件创新

金盘科技发展战略新材料产业链延伸数字化智能制造转型固态变压器（SST）浇注树脂干式变压器VPI变压器及电抗器开关设备变电站液浸式变压器电力模块储能VDI4499德国工程师协会标准

系统性研究

深度引入STANDARD从引领到裂变（2019～2025年）：

以全球标准驱动自我革命，构建数字化工厂的"灯塔"体系

前瞻性起步：十年前的灯塔•

科创板上市•

桂林成套数字化工厂建成投产入选四部委“2021年度智能制造示范工厂揭榜单位和优秀场景名单”201366

"

数字化不是可选项，而是企业未来的唯一出路。

"•武汉高端干式变压器数字化工厂、储能装备数字化工厂

、海上风力发电变压器数字化工厂建成投产全面开展数字化转型

，

自主设计建设了金盘科技第一座符合德国工业标准VDI4499的高端干式变压器数字化工厂•桂林基地储能装备数字化工厂

、

高端干式变压器数字化工厂建成投产Industry4.0

Era•成立智能科技研究院•

股份改制桂林研发制造基地建成投产开始实施工业化、信息化融合李志远董事长Chairman工业4.0概念刚刚萌芽2017年2013年2021年2022年2023年2019年VDI4499标准Ultimate

Goal效益提升精益思想

数字技术

融合创新理念产品仿真

工艺仿真

两大仿真架构产线自动化

物流自动化

信息流自动化三大自动化基础—

数字化转型方法论

：两大仿真·三大基础从引领到裂变（2019～2025年）：

以全球标准驱动自我革命，构建数字化工厂的"灯塔"体系136%人均产出额提升约

82%人均产量提升约185%工厂库存周转率提升约124%产能提升约103%产量提升约·建成国内首家符合德国VD14499标准的干变数字化工厂,验证了"金盘模式"的可行性,确立数字化标准体系。•海口数字化工厂于2020年竣工，2021年正式投产，经过2个完整年的实际运行，整体经济效益较转型前（2019年）提升情况如下：

海口数字化工厂的验证(0→

1)从引领到裂变（2019～2025年）：

以全球标准驱动自我革命，构建数字化工厂的"灯塔"体系基于企业数字化工厂的海量数据资源成套数字化工厂

3座干式变压器数字化工厂

2座储能数字化工厂液浸式变压器数字化工厂数字化研发数字化营销服务

数字化生产携手软通动力、

矩阵起源

，

引入NVIDIA算力和AI智能体融入NVIDIAAI

factory生态

，打造智能制造标杆数据采集

数据存储数据资产数据分析数据检索数字化管理智慧决策数字化的下一步？会思考能决策2019全国快速复制7

座数字化工厂2021+对外赋能

商业闭环9亿+构建绿色低碳智能制造产业集群，

已在国内建有7座数字化工厂复制与赋能：从1到7座标杆从数字化到智能化从引领到裂变（2019～2025年）数字化转型核心挑战 业务层面：从“提升效率”到“创新模式”

人才结构不匹配：缺乏既懂业务又懂数据的复合型人才，部门

墙阻碍协同。 流程重构滞后：现有线性流程无法承载基于数据的实时、并行自动决策。 ROI评估体系滞后：传统评估难以量化创新与韧性等长期价值。 变革管理挑战：存在中层变革阻力和员工替代焦虑，文化重塑任重道远。 数据治理挑战：多源异构系统形成“数据孤岛”，难以实现实时贯通。 AI落地困难：

通用模型缺乏工业机理认知，存在“Al幻觉”风险。 实时决策鸿沟：云端计算无法满足现场毫秒级响应，边缘执行能力不足。 数字孪生深化：从单纯的“可视化”

向“可计算、可优化”跨越的挑战。内部：由董事长挂帅，带领企业内部推动AI战略落地。通过组织多轮学习、竞赛，并引入人才增强组织的AI认知和落地能力。外部：引入业界领先的AI公司，包括NVIDIA、矩阵起源和软通动力等。多方深度合作、价值驱动、循序渐进到全面落地。从试点到体系构建（2024～2025年）

企业智能化转型的核心挑战？

技术层面：从“连接记录”到“

分析决策”AI+制造的生产落地与价值创造最佳实践通过三大类AI应用实现深度落地

AI深入现场，迈向未来智造（2026～2027年）043+AI洞察生产与管理4+AI重塑办公与运营1+AI赋能物理与执行“怎么才能让我的企业全面地、快速地成为AI原生企业？”每个场景的架构、效果优化过程都不同

，交付周期长、难度大

，难以复用、复制和推广。“模型看起来差不多

，为什么每加一个智能体，成本就要翻倍甚至更高？”多套系统并行

，数据、模型无法复用

，GPU、工程和运维成本持续呈指数级攀升。“企业智能化的过程中

，60%–80%的时间与成本

，消耗在数据以及和数据相关的AI相关工作上”“我能信任AI生成的结果吗？出了问题怎么追溯和改进？”AI结果不可复现、不可解释、不可溯源、不可审计

，难以用于核心业务决策。从信任、成本到规模化

，企业级AI在金盘科技遇到的挑战POC试点生产可用批量复制持续规模化运行数据变化无法实时进入AI闭环

，难以持续学习和自我优化数据质量不稳定、不可追溯

，尤其是非结构化数据治理不足多数据副本、繁复

ETL，算力与运维复杂度持续上升数据缺乏工程管理能力（版本/快照/

回滚），难以快速开发迭代通过MatrixOne

Intelligence采集企业内外部的多模态数据源，完成数据加工、治理、清洗、生成、增强，

以支持特定的AI应用场景，提升智能体的准确率和召回率。第一阶段（1）：初步打造服务AI应用的数据智能底座成果与商业价值周期从“周/天”级缩短至“小时/分钟”级，全流程自动化。上线两个月成功辅助中标21个项目，累计辅助中标金额超10亿。支持超过20人的标书制作团队，工作效率大幅提升。 AI

智能技术方案构建以矩阵起源MOI为统一知识库的数据基座，基于NVIDIANIM微服务部署高性能大模型，在软通天璇AutoAgent平台上实现全流程智能编排。

核心痛点解决彻底解决标书制作周期长、内容合规性人工校验困难的

问题，实现流程标准化。

现状与挑战传统标书制作耗时数周，需人工核对数千页文件，不仅效率

低下，且易出现疏漏，导致在激烈的市场竞争中响应滞后。第一阶段（2）：基于数据智能底座打造示范性、

引领性标书智能体应用模型能稳定、可靠地完成识别任务，并全面管控AI幻觉，实现第一个智能体的生产上线！NVIDIASpectrum-X

EthernetNetworkingCompute

StorageNetworking第二阶段（1）：参考NVIDIARA应对算力需求增长AI

Fabric

(E-W)BlueField

DPU

and

SuperNIC

NVLink&

NVSwitch

Spectrum-X

EthernetStorage/Access(N-S)NVIDIA-CertifiedSystemsNVIDIA-CertifiedStorage

Manageability

Timetovalue

Scalability

SecurityRAG检索、索引

智能体平台审核过滤、质量

记忆器快照、结果

数据ETL抽取、转置、加载提示词编辑器流程编排应用发布ChatAPISDK定时任务文件上传…存储向量库

，数据库组件工具箱社区、接口模型管理监控、分流模型服务DeepSeek

R1

NIM

Qwen3

NIMQwen2.5VL

NIM...I数据层提示词查询请求输出响应AutoAgent采用软通全自研架构

，与NVIDIA

NIM、矩阵适配

，以队列式任务调度方式实现的智能体构建

，在低并发以及当前应用场景下平台对比差异不大

，但是一旦企业用到高并发时需要单个任务多实例、分布式等场景时要付出的的解决成本就非常高了，AutoAgent通过任务节点解耦部署

，可实现分布式多实例并发

，完美解决企业业务诉求。第二阶段（2）：集成软通动力AutoAgent加速Agent开发和部署Data

Integration&

ProcessingIntegration

Cleansing

Chunking

Augmentation

Collaboration

GovernedTrustworthyAgentWorkspace•NeMo

Framework•

NIM

AgentBlueprintIntelligent

DataProcessingStorageandAcceleratedComputeLakehouseAccelerated

InfrastructureGPU（Accelerated

Compute）

RDMA

GPU

Direct

Storage•

NV

Ingest•

NVIDIA

Dali•NVIDIA

NeMoCurator•NVIDIA

Riva

AI•NVIDIA

Omniverse•NVIDIA

Cosmos•GPUDirectStorage

(GDS)•RAPIDScuDF•

RAPIDS

RAFT•Magnum

IO/NCCL•

Triton

Inference

Server/NIMAccelerated

Data

InfraMultimodalHTAPVector

Full-textSearch第二阶段（3）

：全面融入NVIDIA软件加速能力的AIDPIntent

RecognitionAgenticWorkflowMultimodal

SearchChat2BIHuman

inthe

LoopAgentThinking

Steps/RL

DataCollection/Scene

Specific

DataAccelerated

InferenceMulti

Modality

ModelServices(Generative,Vision,Audio)PromptCaching/Evaluation/Optimizing

etc.

ModelEvaluation/DeploymentVectorAnalysis/Index

building

or

updating/Data

Analytics/Semantic

QueryGPU-Aware

MPI/RDMA

protocol/Storage

Tiering/GPU

NativeSQLQueryAccelerated

Inference/TrainingData

Agent&CopilotService通过矩阵起源的MatrixOne

Intelligence将数据存储、计算与AI应用原生融合在同一系统、同一数据副本之上为智能体的规模化应用做好准备•

无需

ETL或基于AI

的

ETL，适用于结构化、半结构化和非结构化数据•内置可评测、反馈和自我更新的Co-pilot助手(数据工程师、数据架构师和数据科学家)•支持多种数据源和数据格式，支持多种工作负载（事务、分析、AI、流式、时序）•

支持智能体（Agent）、具身智能和世界模型的在线闭环•

极致简捷、可扩展性和弹性•

兼容MySQL、

S3、

HDFS、OpenAIAPI、

MCP、

Dify

等绝大多数流行协议和接口•开放架构，支持数据连接器、数据智能体和AgenticWorkflow第二阶段（4）：全面部署和应用MOI的AI原生数据管理能力•Gitfor

Data：快照、版本管理、克隆、分发/订阅、时间点恢复（PITR）•日志、审计、可追溯性、多租户、行级安全与防护、基于角色的访问控制（RBAC）统一多模态数据存储与计算系统数据摄取、解析、增强、

特征工程与检索与各类生态系统协同驱动数智飞轮全生命周期数据管理能力加速模型精调和企业级能力云原生架构增强数据集AI驱动

打破壁垒，释放人力将复杂系统操作转化为自然语言对话，打破信息孤岛，让员工从重复

性事务中解放出来。

效率飞跃，降本增效审核速度、

准确率极大提升。

数字员工年执行数百任务

，释放巨量人力成本、优化海量人力运营开支。第二阶段（5）

:合同智能审核助手

&各岗位数字员工•

基于软通天璇AutoAgent平台，打造专属人设对话式数字员工。•

集成NVIDIANIM核心模型能力，打通内部全业务系统数据。•

合同审核依赖人工逐条审查，耗时费力且存在疏漏风险。•HR与财务等部门深陷重复问答与跨系统操作，流程繁琐。

数字员工平台技术方案

业务痛点与现状挑战MatrixOne

Intelligence(AI数据平台）•通过知识治理

，将企业私有数据转化为具

业务逻辑和价值的token第二阶段（6）：硅基员工知识大脑-金盘科技知识库企业知识库涵盖企业内部所有生产制造

，流程管理

，对外宣传的材料等企业运营过程的所有内容产出。例如车间监控视频总结

，财务流程

，SOP文档等等企业

员工级

内容沉淀

级覆盖部门在具体业务场景下所沉淀的业务文档

，流程内容

，对内对外交流信息等内容日常办公产生的对话内容

，文档

，外部信息

，个人工作习惯留存的文档内容等等。数据中台数据

(IoT设备数据，质检数据)ERP/MES等系统数据企业知识大脑责任划分

业务驱动文档及OA数据(制度，SOP

，手册，论文)部门知识库员工知识库(业务上下文，BOM)部门级有AI识别提取内容持续时长：3.78min详细内容：1)一名身穿灰色制服并戴帽子的工作人员从画面左下方进入

，走向靠近黄色标记安全区域的控制站。2)该工作人员停留在控制站

，专注于电脑屏幕

，一只手拿着手持设备

，另一只手操作键盘或鼠标。3)该工作人员离开控制站，

向画面右侧走去

，经过机器和设备。4)该工作人员继续向右走

，接近一个放置着钢卷的传送带或装载区

，可能正在准备进行物料更换或维护任务。5)该工作人员在钢卷附近弯下腰

，似乎在检查或调整某物

，可能正在准备将物料移动或装载到传送带上。6)该工作人员站起来

，开始走回控制站

，表明将要转换到另一项任务或返回监控生产线。操作控制台工作人员交流工作人员看手机第二阶段（7）

：SOP管理-到离岗/换料/维护监测设备换料分层解耦架构从底层算力到顶层应用的完整技术闭环

，支持弹性扩展与安全合规。算力层：AI算力基础设施

坚实底座本地私有智算中心。基于

NVIDIA

AI

Enterprise(NVAIE)

+企业级GPU集群，HPC与CUDA-X加速计算；多租户隔离保障数据隐私；

支持算力资源的弹性伸缩

配置。应用层：金盘数字员工门户

业务价值面向业务场景的智能体入口，覆盖三大主线：AgenticAI（数字员工）、

PhysicalAI（具身智能）、AIforScience（科学智能）。平台层：智能体平台（天璇MaaS平台+AutoAgent）

生产工具提供低代码/无代码开发环境

，让业务专家能够直观地组装、训练和部署数字

员工。实现AI能力的民主化

，使得“硅基劳动力”的快速复制成为可能。数据层：AI数据治理(MOI平台)核心枢纽多源异构数据的统一治理与融合+NVIDIA

NIM推理微服务自动化流水线。打破数据孤岛，为智能体提供安全合规的“数据燃料”。初步建成的金盘科技AI

Factory：中国制造行业首家全面使用NVIDIA全栈技术的智能工厂04030102未来展望：金盘科技的“AI工厂”规划制造业的下一个五年从数字化到智能化的飞跃

03依托NVIDIA技术，价值共创（2025～2030年）

10+年数字化转型积淀深厚技术积累7座数字化标杆工厂行业领先实践∞迈向智能化的无限可能智能体平台（AutoAgent）智能体管理流程编排测试与发布应用编排上下文记忆 模板管理提示词变量提示词管理

智能优化

智能拆分

组件工具开源组件导入

自定义组件

多协议发布代码执行器数据工程（本体论数据智能平台）部门知识库个人知识库超融合数据库多模态数据集成编排和调度LLMs（NVIDIA

NIM）大语言模型视觉模型

世界模型语音/翻译模型嵌入模型金盘世界模型NVIDIAAI

Enterprise(AIE)企业级AI开发与部署平台·云原生·生产就绪NVIDIAOmniverse

Enterprise(OVE)工业级数字孪生平台·物理精确仿真·实时协作NVIDIA

Isaac+

PhysicalAI机器人开发平台·仿真训练·Sim-to-Real自主智能体物理智能科学智能Agentic

AIPhysicalAIAIforScienceCOMPUTE

+

NETWORKNVIDIA

ReferenceArchitecture私有算力云端算力边缘算力•预计至2028年，金盘科技的生产力布局:1/3人类员工+1/3硅基员工+1/3具身智能机器人员工智能决策

持续进化金盘科技

AI

Factory蓝图数据驱动IsaacSimIsaac

RosCosmos

结构化数据

非结构化数据

感知数据

企业知识库AI数据引擎/AI智能体平台DeepSeek-V3.1Qwen1.5-72B-InstructJST

cosmoswhisper-large-v3Seed-X-RM-7BQwen2.5-VL-72B-InstructCosmos

modelsBge-large-zh-v1.5

Bge-reranker-v2-m3研发生产供应链

销售服务AI

FactoryPlatform硅基劳动力平台NIM微服务NeMo框架USD

PipelinePhysX物理RTX渲染cuOpt故障预测全局优化产品设计工艺优化材料研发自主导航工业质检机器人控制预测性维护数字孪生仿真AI应用层第一阶段6个月逐步添加资源启动验证本地算力

弹性

可扩展性1年+长期规划目标本地算力+云算力并行最小启动方案本地算力

低成本

高效率

私密性

技术主动性自主智能体（AgenticAI）物理智能（PhysicalAI）科学智能（AIforScience）金盘科技AI

Factory的分阶段建设计划阶段节点阶段策略金盘数字孪生智能工厂金盘焊接机

AI视觉质检器人AI平台软件典型智能体硅基员工平台我们在这里！

第三阶段孪生工厂智能决策覆盖场景500+金盘科技FoundationModel第二阶段12个月AI

Factory基座业务规划扩大范围

灵活性Save

Money:

降本提效

Make

Money:创造收益端到端全业务流程

通用智能体从需求寻源到采购入库全流程智能体物料交付风险智能体交付风险提醒应对建议采购询价智能体供应商匹配推荐

自动询价成本控制智能体分项报价分析采购成本建议供应商评价智能体准时率评价物料质量评价采购规划智能体物料需求预测补货计划一体化计划智能体产能规划能体市场预测

资源需求动态排程智能体物料需求

生产计划下料资源优化智能体下料策划

损耗分析资源调度智能体路径规划动态调度指令风险智能体延迟预测

替代料推荐通用智能体写作智能体报告生成

课程制作阅读智能体内容总结

信息提取翻译智能体设备维保智能体动态保养计划设备预测性维护精益管理智能体浪费分析改善提升建议发运智能体排车方案设计比价分析售后服务智能体第三阶段（1）

：打造出自于AI

Factory的硅基员工商机全生命周期智能体商机获取智能体主动商机搜索

商机精准匹配竞对分析智能体投标智能体技术解析

生成标书

报价策略合同智能体合同编写

合同审核

合同管理模具智能体模具匹配

模具参数化设计质量策划智能体工程技术准备全流程智能体设计任务书智能体从生产到售后的产品交付全流程智能体视觉质检工艺设计智能体作业指导书编写工艺参数调优工程数据协同更新产品总体设计提纲设计变更智能体特征提取、比对客户画像

业务跟踪健康度评估售后服务方案优劣势对比模型数据解析检验方案策划科学文献翻译质量异常问答质量报告编写技术协议翻译招标文件翻译实验方案策划客户智能体问答智能体变更影响分析技术文档解析物料调度竞对画像政策问答检验结果情报跟踪人员派工工艺问答业务目标：构建“焊接大脑”

(Welding

Brain)感知-决策-执行技术闭环

定位转变：

从单纯的“执行工具”进化为具备自主思考能力的“智能大脑”。

短期目标(V1.0)：利用边缘AI

(JetsonThor)实现毫秒级轨迹实时纠偏与参数在线优化。

终极愿景：

构建全流程管理算法集合，实现工艺自主设计、过程实时监控与缺陷自诊断。第三阶段（2）

：为金盘科技焊接机器人打造大脑与小脑

依赖预设固定参数，无法识别熔池状态与坡口变化，难以实现电流、电压的在线自适应调整。

严重依赖人工经验进行路径规划和质量判断,缺乏集成的自学习与自诊断能力，效率低下。

P1:缺乏实时环境适应性

P2:工艺参数僵化P3:全流程智能缺失

机器人无法感知装配偏差与焊接过程中的热变形，导致实际焊缝轨迹偏离，产生缺陷。业务痛点与业务目标Physical

AI节拍提升缩短上线与生产周期基于Omniverse数字孪生平台与Isaac机器人仿真环境，实现了在虚拟世界中进行高保真训练与调试。机器人习得的技能可直接迁移至物理世界，大幅降低了试错成本，实现了真正的智能化柔性生产。第三阶段（2）：实现金盘科技焊接机器人Sim-to-Real的闭环Isaac

仿真训练虚拟环境调试现场物理部署Sim-to-Real闭环路径Sim-to-Real从仿真到现实部署核心实践案例场景层（机器人应用）焊接机器人行架机器人巡检机器人展厅机器人更多L2

：全厂协同与管理层(智能大脑-顶层规划)BasicCommand

ManagmentMES/

ERP接口边缘设备管理OTA生产排程订单下发L1：AI工厂与仿真中心(智能大脑-训练中枢)L0

：边缘智能与物理执行(智能大脑-实时反射)边缘AI控制器物理产线第三阶段（4）

:金盘科技具身智能平台总体技术架构数字孪生Omniverse

Isaac

Sim工位建模

OLP路径生成RTX5000模型训练Cosmos(多模态)强化学习

(RL)Hopper焊接机器人变位机焊机激光传感器实时

I/O交互TensorRT推理实时纠偏质量预测响应延迟

<

10ms工业数据湖图像合成数据(Synthetic

Data)PhysicsNeMo(物理)焊缝识别微调焊缝点云电流波形JetsonThorStorage

and

Accelerated

Accelerated

Data

InfraComputeLakehouse

MultimodalHTAP

VectorFull-text

Search•

NVIDIA

NeMoCurator•

NIMAgentBlueprintHallucination/Failur

e

Detect•

NV

Ingest•

NVIDIA

Dali•

NVIDIA

NeMo

Curator•

NVIDIA

RivaAI•

NVIDAOmniverse•

NVIDA

ISAACAutomaticWeight

Updates•

GPUDirectStorage

(GDS)•

RAPIDS

cuDF•

RAPIDS

RAFT•

NVIDIAMagnumIO/NCCL•

NVIDIATriton

InferenceServer/NIMAccelerated

InfrastructureGPU（Accelerated

Compute）

RDMA

GPU

Direct

Storage第三阶段（4）

：持续深化与NVIDIA核心能力的合作和创新AcceleratedInferenceMulti

Modality

Model

Services

(Generative,Vision,Audio)Agent

Thinking

Steps/RL

Data

Collection

Agent

Swarm

Intelligent/Feedback

LoopChunking

Augmentatio

Collaboration

VectorAnalysis/Indebuilding

orupdating/DataAnalytics/Semantic

QueryxnTrustworthyAgentWorkspaceAutonomous&

Expert

FeedbackIntent

Recognition

Agentic

Workflow

Multimodal

Search

Chat2BI

Human

in

the

Loop

Agent

SwarmAgenticModelLoRA

+

Base

ModelGPU-Aware

MPI/RDMA

protocol/Storage

Tiering/GPU

NativeSQL

QueryPromptCaching/Evaluation/Optimizing

etc.

Model

Evaluation/DeploymentDistributedAgentStatefabric(AgentSwams)Anti-HallucinationSafetyGate(pass/fail)Factuality

Checker

(SQL/RAGGrounding)Data

Integration&ProcessingSimulation

&SyntheticExperienceIntelligentData

ProcessingAcceleratedInference/TrainingData

Agent&CopilotTrainable

DataAnalyticAgentsIntegrationCleansing•未来，金盘每个人都可能拥有多个专属硅基劳动力，普通员工也可以“创建”或“招募”

自己的硅基员工。•不同能力层级的硅基员工以资源最优的方式工作，并可以互相协完成任务。特点：能承担核心业务任务，保证业务处理的准确性与稳定性

熟悉企业业务流程与工具

能独立完成较深入的任务

具备一定问题解决与优化能力特点：为复杂问题提供结论与洞察，提升竞争力

掌握企业复杂逻辑与深度知识

能进行研究、分析与决策支持

具备强推理能力，多智能体协同特点：无需深入企业知识，速度快，资源消耗小

拥有基础知识与技能

能处理重复性、研究性任务

利用内外部知识深度思考完成高级硅基员工：入职8年资深员工中级硅基员工：入职5年优秀员工初级硅基员工：具备本科生水平未来展望：全面拥抱硅基员工的金盘科技普通员工掌握知识库、工作流可自己生产需要具有AI工程能力（开发）员工可生产普通员工掌握提示词技能可自己生产过去AI只能分析或预测，物理AI进入现实世界可编程的新范式：

理解真实物理环境

预测复杂交互

在虚拟空间中训练

在现实中执行•Physical

AI

并不是简单的“更聪明的算法”，而是让

AI“具身

（embodied）地进入现实世界”，推动从设计/仿真/测试，

到生产/运行/优化/监控的全流程智能化和自动化。•具身员工在工业制造业的广泛场景，全球

1,000万工厂

+

20万

仓库，

15亿辆车，数十亿人形机器人，AI与物理世界融合，实现

巨大生产力与创新潜力数字孪生OmniversePhysicalAI未来展望：以物理智能为核心的数字孪生工厂建设世界模型cosmos具身智能

Isaac具身智能

×世界模型

×数字孪生描述

-

Describe•

回答“发生了什么”•通过仪表盘和报告，实时监控关键绩效指标，比如生产效率、不良品率、能耗等诊断

-

Diagnose•

回答“为什么发生”•通过下钻分析、关联分析等方法，找出问题根源，例如分析

为什么某个设备停机频繁预测

-

predict•回答“未来会发生什么”•利用AI智能体进行需求预测、设备故障预测、良品率预测等，帮助企业提前预判风险

和机会行动方案

-

Plan佳行动方案，例如生产计划、排程、库存优化、物流路径规划等，直接指导生产和运营

供应链优化决策记忆与建议•将智能分析的洞察和建议以易于理解的方式呈现给客户，帮助他们做出明智的判断生产制造企业cosmos科学大模型运行机理未来展望：以全局优化自动决策为目标的科学智能

业务系统（ERP/MES等）

感知：厂区数据智能

多源异构数据整合仿真与人机协同•通过数字孪生等技术，让客户在虚拟环境中模拟不同的生产方案，再应用到现实中预测未来与决策自主•对于某些场景，决策由系统自动完成，无需人工干预•

回答“应该怎么做”

，这是最高级的分析层次•

通过运筹优化的技术，为决策提供最

生产排程优化

预测性维护

质量优化

能耗优化数据语义和智能决策感知层企业多源数据cosmos世界模型决策行动层金盘WorldFoundation

Model工厂监控视频数据标注数据清洗数据增强传感器数据时序对齐特征工程训练数据集模型训练Cosmos世界模型

微调金盘Foundation

Model视频理解模型

多模态对齐

Physical

World应用部署生产过程理解

异常检测

质量预测