单夜修复81%的破损设置,只用一行prompt就能自动画图并调整参数。NVIDIA在SC26大会上放出的这套科研Agent工具包,虽然主打生命科学和物理模拟,但里面的自动化工作流思路,咱们做AIGC接单的完全能直接抄作业。
先说结论:
- Nemotron for Science开放模型可在本地DGX Spark运行,主打生命科学和化学后训练。
- 科研Agent能自动规划实验和修复代码,WRF模型移植GPU后加速5倍以上。
- 新一代Rubin HPC GPU拥有超5万个CUDA核心,算力是Hopper的三倍,但预计2028年才发布。
它把Agent的自动化能力推到了一个新高度。你平时用ComfyUI拼节点或者写Python脚本跑图,遇到环境报错、节点缺失往往要排查半天。如果能把这种“自动修Bug”的思路平移到设计工作流里,你的交付效率能拉开同行一大截。
科研Agent的自动化思路,怎么抄到接单工作流里?
NVIDIA副总裁Ian Buck在演讲中提到,Agent正在改变超算的交互方式。Argonne国家实验室用这套工具包搭了个Agent,只给一个prompt,它就能自己规划假设、选择模拟方案,甚至找出两个新的结合位点。更接地气的是KTH皇家理工学院搞的GROMACS Agent,在单张DGX Spark上跑了一晚上,自动修复了81%的破损测试用例。SETI研究所的Agent更绝,给一行prompt就能画甲醇线,还能自己重新调整多普勒频移。
咱们做AIGC接单的,平时最头疼的就是工程文件报错。客户发来的Blender文件缺插件,或者ComfyUI工作流节点连错,排查起来极其耗时。你完全可以参考这个思路,训练一个专门针对设计软件的Agent。让它自动检查缺失的节点、重连断开的管线、甚至自动替换不兼容的材质。原资料里的Agent依赖特定的化学数据集,你需要自己准备一批设计软件的报错日志和修复方案来做微调。只要跑通这个流程,接那种“修复烂尾工程”的急单时,你就是降维打击。
硬件指标与落地时间,普通设计师能蹭上什么红利?
除了软件,硬件更新也是重头戏。Nsight AI Porting Agent把WRF模型的一个例程移植到GPU上,加速了5倍以上,整个过程消耗了约1.5亿个tokens。新一代Rubin HPC GPU支持FP64到FP4精度,拥有超5万个CUDA核心,数量大约是Hopper的三倍,并且用上了第七代NVLink。不过别急着掏钱包,这块卡预计要到2028年才会出。
这里有个容易被忽略的细节:Ian Buck特别强调,Agent在模型步骤之间需要依赖CPU来运行工具调用、评估结果。DKRZ德国气候计算中心已经选了Vera CPU来配超算。这对咱们是个提醒:以后在本地跑复杂的Agent工作流,CPU的单核性能和内存带宽可能比显卡更影响执行效率。别光顾着卷显存和算力,如果CPU拉胯,Agent在调用外部工具时照样会卡死。
原文提到的资源入口
原资料未提供具体的本地安装步骤和模型下载权重,但给出了以下官方资讯和博客入口,你可以去查阅具体的技术细节:
Nemotron for Science 官方新闻:
https://nvidianews.nvidia.com/news/nvidia-introduces-nemotron-for-science-to-accelerate-discoveries-with-agents
Vera CPU 平台扩展新闻:
https://nvidianews.nvidia.com/news/nvidia-expands-vera-cpu-platform-to-accelerate-scientific-discovery
量子计算合作与纠错突破:
https://nvidianews.nvidia.com/news/nvidia-announces-collaboration-with-ibm-and-fermi-national-accelerator-laboratory-to-launch-quantum-classical-codesign-platform-plus-error-correction-breakthrough-to-advance-practical-quantum-computing
CUDA 20周年博客:
https://blogs.nvidia.com/blog/20-years-cuda/
Lambda 光子交换机部署:
https://blogs.nvidia.com/blog/lambda-photonics/
NVIDIA这次秀肌肉,核心逻辑是“AI+Agent+超算”。对咱们靠AI接活吃饭的人来说,盯着2028年的Rubin HPC流口水没意义,远水解不了近渴。真正能立刻变现的,是把“Agent自动化排错”的思路落地到你现在的工具链里。谁能把“单行prompt自动修好工程文件”做出来,谁就能在接单时把时薪翻一倍。硬件的算力红利是厂商的,但工作流的效率红利是你自己的。
评论区唠唠
你现在本地跑AIGC工作流,最头疼的是节点报错还是显存OOM?
本文依据以下公开报道整理:
来源:NVIDIA AI Blog
原文链接:https://blogs.nvidia.com/blog/ian-buck-sc26/
往期推荐
- ·单次 8.5 美分,GPT-6 Luna 靠自动点击拿下无 API 后台
- ·别迷信单一大模型,Claude 5.5 多智能体让通话缩短 15%
- ·解决率71.2%成本降八成,Copilot Fusion新跑分出炉
点击公众号头像 → 历史消息,可翻阅以上文章