NVIDIA出了个工厂AI管理蓝图,叫FOX

现在工厂都想搞全厂智能化,不是单个机器自动化那种。这就得有个AI系统,能把机器信号、质量数据、工作指令和警报啥的都连起来,统一做决策。

在COMPUTEX的GTC台北大会上,NVIDIA发布了NVIDIA Factory Operations Blueprint (FOX)。这东西算是个参考设计,帮你搞一个能自主管理工厂的智能体。这个智能体一直盯着实时数据,然后指挥一堆专业的AI智能体和机器去快速解决问题,规模还能搞得很大。

FOX能让开发者搞出安全、集中式的工厂管理智能体,去协调和优化那些管质量控制、物料运输和工人安全的专业工业AI智能体。这个蓝图是基于NVIDIA NemoClawAI-Q BlueprintNVIDIA Nemotron 开放模型做的,给连接工厂系统、自动化模型开发和大规模运行智能运营提供了一个可以定制的基础。

这个蓝图优化过,能在NVIDIA DGX Station上跑。这机器算是给工厂管理者的终极桌面AI超算搭档。

DGX Station用的是NVIDIA GB300 Grace Blackwell Ultra桌面超级芯片,有20 petaflops的FP4性能和748GB的一致性内存,能跑参数高达1万亿的大模型,很适合在本地开发和运行厉害的AI智能体。

这个超级芯片用了NVIDIA Blackwell Ultra GPU,通过NVIDIA NVLink-C2C技术和高性能的NVIDIA Grace CPU连在一起,系统通信和性能都是一流的,特别适合NemoClaw和AI模型之间进行超快交互。

FOX蓝图主要能干这几件事:

  • 连接工厂系统和智能体:FOX能和工业数据源、机器、应用还有机器人集群集成,还能通过标准API和智能体技能,连到其他软件开发商的专业智能体。
  • 自动化AI模型训练:用上NVIDIA TAO技能,工厂管理智能体就能自动化整个模型训练过程——发现准确度不够的地方,去搞或者合成训练数据,微调模型,再重新部署到生产环境。
  • 运行智能工厂流程:像视觉检测、流程合规、物料运输这些智能体,可以用NVIDIA的开放模型和蓝图来管理,包括用于视频搜索和摘要(VSS)的NVIDIA Metropolis Blueprint。实时工厂数据也能在基于NVIDIA Omniverse库搞的操作数字孪生里可视化。

研华、富士康、和硕跟纬创这几家台湾制造商,已经先用上NVIDIA FOX蓝图和NemoClaw来部署他们的自主工厂管理智能体了。

富士康正在用FOX蓝图和NemoClaw搞一个叫MoMClaw的制造运营多智能体系统。

MoMClaw和实时生产并行运行,把传感器、机器信号和其他数字系统跟好几百个专业智能体连到一个统一的智能体层里——通过一个自然语言界面,加上NVIDIA OpenShell的隐私控制和安全护栏,给工厂管理者和操作员提供实时答案和行动计划。用了MoMClaw,富士康估计能把根本原因分析的时间缩短80%,劳动生产率提高15%,机器故障率降低10%。

和硕在用FOX蓝图和NemoClaw搞一个工厂管理智能体,这个智能体协调管物料运输、AI检测、标准操作程序指导和机器间协调的专业智能体。用了这个智能体,和硕能更高效地协调机器人使用,不用备那么多昂贵的备用设备了,估计能把资产冗余成本降低15%。

研华搞了个AI Factory Brain,这是个智能多智能体系统,领头的是个基于FOX蓝图和NemoClaw建的工厂管理智能体。研华已经在自己的工厂部署了这个智能体,让它自主管理HVAC和照明专业智能体的能耗,预计能省10%的能源。

纬创正在采用FOX蓝图,用NVIDIA Cosmos、NVIDIA Nemotron开放模型和NVIDIA Metropolis VSS blueprint来搞一个表面贴装技术智能体,用来分析和协调生产线操作,实现实时根本原因分析和质量控制。

为了监控制造运营、提高质量、验证标准操作程序和改善工人安全,像DeepHow、Overview AIRoboflow和Spingence这些公司,正在搞由NVIDIA AI和NVIDIA VSS蓝图驱动的专业智能体:

  • DeepHow在用Metropolis VSS Blueprint和Cosmos 3给富士康开发一个标准操作程序智能体,用于支持NVIDIA GB300服务器的Bianca主板组装。这个智能体在NVIDIA RTX PRO Servers上跑,能准确理解复杂的装配动作,帮他们把首次通过率提高3%,尽量减少返工和生产浪费。
  • Spingence在用NVIDIA D efect I mage G eneration技能、NVIDIA Cosmos开放视觉语言模型和NVIDIA TAO Toolkit做微调,给酷冷至尊开发一个工厂管理智能体。这个智能体连着自动光学检测和模型构建智能体,实现了99.6%的缺陷召回率,把缺陷漏检减少了78%,检测能力提高了3倍。
  • Overview AI在用NVIDIA智能体技能生成缺陷图像,并用NVIDIA Cosmos帮安费诺通过他们的Advanced GenAI Toolkit提高制造效率。这个工具包能生成合成缺陷数据,把视觉检测AI模型的部署速度提高了12倍,在超过300种产品上,把首次推理时间缩短到30分钟以内。
  • Roboflow在用NVIDIA Cosmos为康宁光纤开发一个模型构建智能体。这个智能体在训练数据不够的时候生成合成缺陷图像,提供接近完美的检测率,展示了减少每天人工图像审查工作量的潜力。

想等FOX蓝图能用的时候收到通知,可以点这注册

Metropolis VSS blueprint 3现在已经全面上市了,里面包括一些技能,能让外部智能体(比如Claude Code、Codex、Hermes和NemoClaw)访问VSS组件,快速构建和运行视频分析AI智能体。

可以去看NVIDIA创始人兼首席执行官黄仁勋的主题演讲,在NVIDIA GTC 台北大会上了解更多信息。

这玩意儿看着唬人,实际部署成本高到天上去了,小厂看看就行。

小白问一下,这个FOX蓝图和我们公司用的MES系统有啥区别啊?是不是都得先把所有设备数据接口打通才行?感觉第一步就好难。

又来了,每年展会都发新名词新蓝图,上次那个谁还记得?落地案例永远就那几个大厂,跟我们普通工程师有关系吗?

第一步,确认工厂现有SCADA、MES数据接口协议。第二步,在DGX Station上部署FOX基础容器。第三步,用TAO工具链针对自家缺陷图片库做视觉模型微调。第四步,通过OpenShell设置智能体的操作权限边界。

帖子提到富士康用MoMClaw把根本原因分析时间缩短80%,这个具体是怎么实现的?是能自动从报警追溯到具体某个传感器的历史数据流,还是说靠AI猜的?有没有误判率的数据?

我们去年试点过类似的整体AI调度系统,不是NVIDIA的,是另一家的。最大的坑不是算法,是车间老设备的通讯协议五花八门,光数据采集和清洗就搞了半年,老板差点叫停。所以看到FOX强调连接性,深有同感,但最终效果还是得看实施团队对工业现场的理解,光有蓝图不够。

话说COMPUTEX今年那个展馆空调是不是开太足了?我上次去差点冻感冒。另外NVIDIA这DGX Station看着是真帅,但这价格一般工厂真扛不住吧,是不是都得搭配他们云服务一起卖?感觉最后又是巨头的游戏。

FOX偏上层调度,MES是执行层,但前提都得先打通数据接口

想法很美好,老车间设备协议五花八门,第一步采集就劝退

工厂AI管理这块需求是真大,老黄又找到新场景了

你说最大的坑是老设备协议杂、采集清洗搞半年,太真实了

通讯协议五花八门这坑太真,数据采集清洗才是大头