英偉達于4月28日正式發(fā)布新一代多模態(tài)AI模型Nemotron 3 Nano Omni，這是該公司首次在單個模型中實現(xiàn)視覺、音頻和語言的統(tǒng)一處理。該模型能夠同時理解圖像、聲音和文本等多模態(tài)信息，使AI智能體的運行效率相比前代提升高達9倍。Nemotron 3 Nano Omni面向邊緣計算和端側(cè)推理場景優(yōu)化，能夠在資源受限的設(shè)備上流暢運行，適用于小語種翻譯、智能座艙語音交互、工業(yè)視覺檢測等多樣化應(yīng)用場景。從4月28日起，該模型已在Hugging Face、GitHub等多個開發(fā)者平臺上開放下載。

　　英偉達創(chuàng)始人兼CEO黃仁勛表示，多模態(tài)能力是AI智能體走向通用化的關(guān)鍵一步，Nemotron 3系列的發(fā)布將進一步降低開發(fā)者構(gòu)建智能應(yīng)用的門檻。與此同時，工信部近日宣布將啟動“模數(shù)共振”行動，推動人工智能高水平賦能新型工業(yè)化，并開展“人工智能+軟件”專項行動。在政策與技術(shù)的雙重推動下，AI大模型的產(chǎn)業(yè)應(yīng)用正加速落地。英偉達還將繼續(xù)完善其CUDA生態(tài)和推理優(yōu)化工具鏈，為開發(fā)者提供從模型訓(xùn)練到部署的全流程支持。業(yè)內(nèi)預(yù)計，多模態(tài)AI將成為2026年人工智能產(chǎn)業(yè)的核心競爭賽道。