在 GTC 2025 與專家交流
由 NVIDIA 技術專家解答您的關鍵疑問。
把握機會在聖荷西會議中心互動區域與 NVIDIA 產品與研究的幕後功臣面對面交流。
每場專家交流活動為時 50 分鐘，期間會有專家為您解答疑問，您還能深入瞭解 NVIDIA 的最新技術，包括生成式人工智慧、代理型人工智慧、資料中心、機器人、資料處理、加速運算等各式各樣的資訊。
精選主題
我們將帶您快速了解 NVIDIA Nsight™ 的系列工具和偵錯工具。您可瞭解如何使用新功能在最新平台上，針對 NVIDIA® CUDA® 運算和繪圖應用程式進行偵錯、分析和最佳化。幾位來自工具開發與管理團隊的專家會從基礎入門、最佳做法和進階技巧的角度，講解如何使用 NVIDIA 開發人員工具對應用程式偵錯和最佳化。不論是針對高深的概念還是具體的工具細節，您都可以隨意提問，也能探討工具未來的改善計畫並提出建議。
我們會從模擬演算法和處理器談到混合式量子-經典工作負載，為您展示如何使用 CUDA-Q 和 cuQuantum 加速量子運算研究。在本次互動會議中，我們會討論如何妥善運用 NVIDIA 最強大的 GPU 探索量子運算的優勢。與 NVIDIA 量子軟體專家交流，深入瞭解 CUDA-Q 開放原始碼平台如何流暢地編寫量子處理器 (QPU)、GPU 和 CPU，以及該平台如何與 cuQuantum 整合，以加速應用程式模擬流程。與團隊討論您的構想，並向我們提供 NVIDIA 量子運算軟體的使用體驗意見回饋。
與 NVIDIA 專家一起探索數位健康領域。討論 NVIDIA NIM™ 微服務和藍圖如何使開發人員、研究人員和企業得以快速建立醫療照護領域的生成式人工智慧解決方案，並整合臨床文件和代理型健康工作流程。探索生成式人工智慧基礎模型的最新進展，瞭解該模型在理解、摘要方面的應用，以及其如何融入臨床實際應用案例。直接與我們的產品經理、開發人員關係和解決方案架構師互動，探討如何解決您遇到的挑戰。
即時邊緣人工智慧和機器人系統正在醫療工作流程帶來變革，並打造出跨時代的裝置，有助於提高疾病檢測、診斷和干預的照護水準。NVIDIA 旗下的平台 MONAI、Holoscan、Isaac™、Omniverse™ 和 Metropolis 囊括模型訓練、數位孿生/模擬，以及執行階段部署。這些平台共同為開發人員提供了端對端、加速、全堆疊的基礎架構，協助各位快速製作即時人工智慧應用的原型並使開發過程更加靈活。藉由 NVIDIA 專家瞭解我們的平台如何為您節省時間和金錢，協助您將採用人工智慧的系統上市，實務案例囊括智慧診斷裝置和創新影像系統，以及使用數位孿生技術訓練的手術機器人等。
您想學習如何開始加速大型語言模型和其他頂尖的深度學習模型嗎？參加本次的互動式專家交流活動，就能與 cuDNN 工程人員交流並獲得直接的幫助，讓專家針對您的使用案例提供解答、問題和構想。
請造訪我們的網站，探討如何開始使用支援 Vision AI 應用程式的 NVIDIA 工具，或加深您對這類工具的瞭解。負責特定主題的專家會與您展開一對一的交流，探討如何訓練、微調和部署一系列 Vision AI 模型。您可針對 NVIDIA Metropolis、VLM、基礎模型、NIM 微服務、參考工作流程、DeepStream、TAO、TensorRT™、Triton™ 推論伺服器、Jetson™ 等主題提出疑問。
與 NVIDIA 專家一起探索數位生物學領域。我們會討論應用於藥物研發和基因組學的加速運算和基礎模型最新進展，範圍囊括生物資訊學工具、蛋白質結構預測、分子動力學和分子生成等。瞭解 NVIDIA BioNeMo™、Parabricks、NVIDIA NIM 微服務和 Blueprints 如何協助開發人員、研究人員和企業快速建立跨化學、生物學和基因組學領域的生成式人工智慧解決方案。直接與我們的產品經理、開發人員關係和解決方案架構師互動，討論如何解決您面臨的挑戰，由專家為您解答疑惑。
IDC 預測，到了 2025 年，總體資料的 80% 會是非結構化資料。參加我們舉辦的互動式專家交流活動，瞭解如何使用 GPU 在非結構化資料建立的嵌入項目中大規模執行語義搜尋和資料探勘。我們會深入探討 cuVS 函式庫，並概述將其整合在內的各種資料庫和函式庫，協助您達到建立和搜尋向量索引的極致效能。
您是否知道 GPU 可以降低 Apache Spark 工作負載的成本？歡迎參加本次專家交流活動，瞭解如何運作。無論您是剛接觸 Apache Spark 的新手還是長期使用者，我們都會在會議中為您說明有關大規模資料處理、生產工作負載、最佳配置的內容，以及如何將 GPU 引進工作環境。我們還會回答有關工作資格和 GPU 調整的相關問題。為您解答使用 GPU 加速 Spark 可能帶來的效能提升、成本節約或耗能減少降低等問題。瞭解其他移轉完成的案例。
尾端延遲不僅對人工智慧模型訓練的效能至關重要，也會對即時人工智慧推論、金融交易和大規模資料分析產生負面影響，即使是微秒延遲也會影響結果。利用強化可程控 I/O 實現零尾延遲和加速網路，意味著現代運算架構的效能和擴充性已發生轉變。本次專家交流活動將展開討論，深入探討加速網路技術對實現零尾延遲的重要性，從而確保每次資料傳輸都能達到理想效能。
