隨著人工智能的發展，數字世界對算力、機器學習等數字基礎設施的需求越來越高。作為這一領域的全球巨頭，NVIDIA 此前推出了 NVIDIA Metropolis、TAO 工具套件、CUDA-X 加速庫等，幫助用戶更好地驅動 AI 視頻分析、開發和部署工作。

例如，NVIDIAMetropolis 專門構建了預訓練模型，這些可定制模型經過大型數據集的訓練，讓用戶無需從頭開始構建模型，并提高訓練準確性。

NVIDIA Metropolis 還提供了眾多工具包，通過應用有效的遷移學習和專門構建的預訓練模型進行訓練，讓用戶可以更快地完成深度學習訓練任務，并快速投入市場。

此外，DeepStreamSDK 還可以幫助人工智能驅動的實時視頻分析提高性能和吞吐量。

NVIDIAMetropolis 適用場景

總的來說，Metropolis 包括預訓練模型、訓練和優化工具、軟件開發工具包、CUDA-X 庫等，它們都經過優化，可在基于 NVIDIAEGX 企業平臺的 NVIDIA 認證系統上運行以實現加速計算。借助 NVIDIA Metropolis 應用框架，開發者可以輕松地將常用視頻攝像頭和傳感器，與支持 AI 的視頻分析相結合。此外，在部署上，結合 NVIDIA EGX 平臺，使開發者也能更安全地將 AI 應用部署到從邊緣到云端的任何位置。

而最新版 TAO 工具套件在今年 6 月發布，它是 NVIDIA 訓練、適應和優化（TAO）框架的低代碼版本，能夠幫助簡化并加速語音和視覺 AI 應用的 AI 模型創建。

NVIDIA 稱，TAO 使開發者能夠輕松運用遷移學習創建自定義生產級模型，這些模型專門針對缺陷檢測、語言翻譯、交通管理等各種行業專屬用例進行了優化。使用 TAO 開發模型的用戶能夠用更少的數據優化模型，進而縮短部署時間。

最新發布的 TAO 工具套件包括全新和更新的視覺及語音預訓練模型。ONNX 模型權重導入、REST API 和 TensorBoard 集成等新功能，能夠快速追蹤模型創建流程，提高開發者的生產力。

對于這些計算解決方案，NVIDIA 提供了一個應用實例——體育視頻分析。

總部位于新加坡的初創企業 TVConal，使用 NVIDIA AI 和計算機視覺技術驅動其體育視頻分析平臺，用以讓運動隊、聯賽和電視廣播公司等用戶能夠從這些海量數據中，實時獲得想要的分析結果。

例如，同樣體育視頻都需要在重要的時間線上打上相應標簽，這些標簽生成的詳細報告為裁判員、教練員、運動員和體育迷提供性能統計數據和視覺反饋。

但體育視頻素材眾多，人工標注費時費力。

有了 TVConal 的分析平臺，體育分析師只需點擊鼠標，人工智能就可以自動準確地實時標記比賽，并讓分析師從視頻中提取有效信息，大大提升了工作效率。

此外，TVConal 稱，如果一名運動員做出了一個犯規動作，即便該動作超出了人類的毫秒級處理能力，該平臺也可以檢測到該動作并通知裁判員及時采取行動。

TVConal 的分析平臺使用的正是 NVIDIAMetropolis，顯然它極大簡化了從邊緣到云的 AI 視頻分析應用開發、部署與擴展。