市场与行业2026年11月20日Редакция 105.kz

NVIDIA 与 Microsoft 扩展本地 AI:Azure Local、Jetson Thor 与面向工业的 PC

NVIDIA 与 Microsoft 在 Ignite 上扩大合作:Foundry Local 中的 Nemotron 3.5 模型、GPU RTX PRO 6000 Blackwell,以及用于机器视觉与机器人技术的 Jetson Thor 和 Orin 边缘平台。我们分析其中哪些可用于哈萨克斯坦的工厂。

工业制造企业私有化大模型安全生产计算机视觉

NVIDIA 与 Microsoft 扩展本地 AI:Azure Local、Jetson Thor 与面向工业的 PC

要点。 NVIDIA 与 Microsoft 扩展了本地 AI 产品线:Foundry Local 与 Azure Local 获得 Nemotron 3.5 模型、GPU RTX PRO 6000 Blackwell,以及用于机器视觉和机器人技术的 Jetson Thor 与 Orin 边缘平台。对哈萨克斯坦的工厂而言,这拓展了在企业自有边界内运行 AI 的方案选项;但对具体设备节点、既有 АСУ ТП 和俄语技术文档的适用性,必须在自有数据上用试点验证。

发生了什么

在 Microsoft Ignite 大会上,NVIDIA 与 Microsoft 宣布扩大在加速计算领域的合作——从 Azure 基础设施到工业系统和 Windows PC。据两家公司声明,NVIDIA Vera Rubin NVL72 系统已在 Azure 数据中心运行,面向高负载推理任务、智能体应用,以及大规模模型训练与推理。同时宣布将机密计算扩展到裸金属(bare-metal)和机架级(rack-scale)AI 基础设施:环境证明(attestation)可在向计算环境传入模型、数据或密钥之前对其校验。另一方向是借助 NVIDIA MaxLPS 提升能效。在 MLPerf Training v6.1 轮次中,Azure 在 GB200 NVL72 系统上训练 DeepSeek-V3 时扩展到 10 240 块 NVIDIA GPU——这是该轮次中规模最大的一次;在 MLPerf Inference v6.1 中,GB300 NVL72 系统在云端提交中于 DeepSeek-R1 上的交互式吞吐量领先其他方案 10% 以上(据 Signal65 数据,如发布材料所述)。

工具方面,Microsoft Foundry 新增了用于管理后训练(post-training)的无服务器服务 Programmed Training,以及支持部署自有模型权重的 Foundry Managed Compute。NVIDIA Nemotron 3.5 开放模型系列包括 Super(长时运行的智能体、代码、研究与业务流程)、Lightning(快速回答与工具调用)、用于检索的 Embed 和 Rerank、用于从文档中抽取结构化数据的 Parse,以及 Content Safety;Bolt 和 Transcribe 标注为“即将推出”。文中引用 EY 的案例:针对企业采购记录分类任务对 Nemotron 开放模型进行适配,在评估集上准确率提升 55%,与专有 frontier 模型相比成本降低至原来的 1/15。对于云端之外的场地:Foundry Local 和 Azure Local 将支持 Nemotron 3.5,其中包括能够在文本、文档图像、图表和表格中查找答案的检索模型;Azure Local 将支持硬件合作伙伴提供的 NVIDIA RTX PRO 6000 Blackwell GPU,并扩展到 Jetson Thor 和 Jetson Orin 平台——用于机器视觉、机器人技术和自主作业。在配备 NVIDIA RTX Spark 的 PC 上演示了本地大语言模型;针对 Windows 365 Cloud PC 宣布了 Direct Stream 流式传输(最高两路 4K 流、60 帧/秒),有限预览已开放报名,公开预览计划于 2027 年初。Microsoft 还在强化学习训练的推理中使用 NVIDIA Dynamo,并将 GPU RTX PRO 6000 Blackwell 用于 Bing 的检索模型。

对哈萨克斯坦企业的意义

工厂与制造企业。 这次发布的实际意义不在发布本身,而在于明确了 AI 的三种执行层级:公有云、车间 GPU 服务器,以及直接部署在生产线上的一体化边缘设备。对工厂来说,这拓展了两类任务的方案空间。第一类是依据运行文档查找答案:设备技术档案(паспорт)、规程、图纸、工单、参数表。声明支持的检索模型可处理文本、文档图像、图表和表格,这与典型工厂文档的结构直接对应(评估)。第二类是基于视频的作业监控与危险区域定位,这类场景适合部署边缘设备。此类任务所需的数据本就在企业边界内:АСУ ТП 与 SCADA 的历史数据库、作业许可(наряд-допуск)日志、规程与设备档案库、监控点位的视频存档。在这里 on-premise 仍是常态:国家公司的信息安全要求和数据本地化要求并不允许把生产数据放到公有云,因此本次发布中的本地部署部分才最关键。

能源。 声明的计算能效工作(NVIDIA MaxLPS)在规划自有车间或企业级计算节点时有参考价值:对能源企业而言,AI 基础设施的总体拥有成本中也包含用电成本(评估)。来源未给出具体节能数字,因此只能把它看作一个工作方向,而不能作为测算依据。

铀与矿业冶金(ГМК)。 更重要的是面向机器视觉、机器人技术和自主作业的 Jetson Thor 与 Orin 边缘平台。对选矿工段或露天矿而言,这属于个人防护装备(СИЗ)佩戴监控、危险区域围栏、皮带输送线违章记录一类任务(评估)。限制同样存在:与既有 АСУ ТП 和 SCADA 的集成需要单独设计,而来源既没有描述协议,也没有声明与 GOST 或行业标准的兼容性。

关于语言需单独说明。来源未声明支持俄语和哈萨克语,也未给出在非英语文档上的质量评测。对操作员顾问(советчик оператора)来说这是关键参数:俄语检索与回答的质量必须在本企业规程上实测,而不能从演示中直接沿用(评估)。

如何落地:8–12 周试点

  1. 选择一个工艺和一个任务类别。 例如某工段的运行文档检索,或某一作业的视频监控。先固定“现状”基线指标:文档查找耗时、配货错误率、每班记录到的违章次数。
  2. 盘点企业边界内的数据。 明确哪些字典、规程、设备档案、历史数据和视频文件可用,状态如何,数据责任人是谁,需要哪些访问权限。NDA 与信息安全评审在这一步完成,而不是在选定模型之后。
  3. 确定执行位置。 车间 GPU 服务器或产线上的边缘设备;判定标准包括可接受延迟、数据量、信息安全要求和运维人员配备。这是管理决策,不是技术细节。
  4. 在自有数据集上与基线对比。 验收依据真实文档与记录构成的留出集(отложенная выборка)上的指标,而不是演示效果。样本量与验收标准在开始前确定。
  5. 量化效果并记录限制。 哪些场景有效、在哪些设备节点上有效、哪里失效、哪里需要完善。是否推广依据实测结果决定。

此类工作的基础方法见企业级 LLM和面向 HSE 的机器视觉页面。

限制与风险

  • 上述内容几乎都是关于可用性和计划的声明。Direct Stream 公开预览的时间(2027 年初)以及 Bolt 和 Transcribe 的“即将推出”状态表明,发布的一部分内容属于未来。
  • EY 案例针对采购记录分类,且是在评估集上测得,而非工业环境运行结果。不能把 55% 的提升直接套用到设备诊断或安全监控任务上。
  • MLPerf 数字衡量的是云系统在特定模型上的吞吐量,不是工厂解决方案的质量指标。
  • 来源中没有关于 RTX PRO 6000 Blackwell 和 Jetson 平台在哈萨克斯坦的价格、供货周期和可得性的数据,也没有关于俄语和哈萨克语支持、以及与既有 АСУ ТП 兼容性的信息。
  • 来源中的事实足以判断方向,但不足以做出具体配置的工程选型:基础设施方案必须在试点工段自测之后才能确定。

来源

  1. NVIDIA and Microsoft Expand Accelerated Computing From Azure to Windows PCs · 2026-11-19T20:00:15.000Z
    Azure Local is expanding to NVIDIA Jetson Thor and Jetson Orin edge AI platforms to support industrial applications such as machine vision, robotics and autonomous operations.
  2. Фото: August Geyler — FOT3917 Schönbachstraße 91 (Leipzig) – ehemalige Walzenfabrik Felix Böttcher.jpg (CC BY-SA 4.0, Wikimedia Commons)

本文借助人工智能根据上方所列来源撰写。如发现不准确之处,请发送邮件至 info@105.kz。

常见问题

常见问题

对我们最常被问到的问题的简短直接回答。

能否在企业内部完全运行这类模型?

发布中包含本地部署部分:Foundry Local 和 Azure Local 支持 Nemotron 3.5,硬件合作伙伴提供的 GPU RTX PRO 6000 Blackwell,以及 Jetson Thor 和 Jetson Orin 边缘平台。来源未说明面向哈萨克斯坦的具体可用时间和供货范围,因此在试点开始前需向供应商确认执行方案。

机密计算与 attestation 在实际中有什么用?

声明能力是在把模型、数据或密钥传入计算环境之前校验该环境。对企业而言,这是与信息安全部门沟通时的论据,但仅适用于数据确实离开企业边界的场景;在 on-premise 运行时,环境控制通过其他方式实现。

这些模型适用于俄语文档吗?

来源未声明支持俄语和哈萨克语,也未给出非英语文档上的质量评测。检索与回答质量需在试点中基于本企业的规程和设备档案实测。

这会取代现有的 АСУ ТП 和 SCADA 吗?

不会。这里说的是现有系统之上的分析层:历史数据、日志、文档和视频仍是数据来源,而与既有 АСУ ТП 的集成是另一项工作,来源未作描述。

下一步

洽谈试点项目

告诉我们您的需求——我们将在两个工作日内反馈数据审计方案和效益评估。

  1. 130 分钟通话:任务、现有系统、由谁做决定
  2. 2梳理数据与流程,给出带周期与成本区间的分阶段计划
  3. 32–4 周原型,或成功标准预先约定的 8–12 周试点

首次接触即签署保密协议(NDA)

一个工作日内回复