人人都是FDE

欧盟AI科学倡议落地：NVIDIA开源、算力与人才三位一体

专题紫薯面包2026年10月19日

先说结论

  • 欧盟AI科学赋能计划（AI in Science Enablers Initiative）由欧委会与NVIDIA联合发起，核心目标是缩小欧洲科研与产业在算力、工具和数据上的差距，尤其面向小型实验室、早期科学家和初创企业。
  • NVIDIA承诺通过开源模型/数据/软件、Deep Learning Institute课程、Inception算力通道和35台超级计算机建设四层体系，为欧洲研究者提供从训练到部署的完整能力支撑。
  • 对FDE而言，该计划释放了一个明确信号：未来AI科学落地项目的竞争点不在模型本身，而在谁能把开源生态、国产算力基础设施和本地化培训资源串成一条可交付的端到端链路。

背景

NVIDIA在AI in Science Summit（都柏林）上宣布了这一计划。文章指出，许多科学进展始于计算，但将加速计算的潜力转化为实际科研突破，不仅依赖技术本身，更取决于能否获得工具、算力和使用这些工具的专业能力。尤其对欧洲的小型实验室、早期科学家和科学初创公司来说，研究中最难的部分往往不是科学本身，而是搭建工具链、寻找算力和培养使用能力的过程。

与此同时，欧盟委员会同步启动了RAISE（Resource for AI Science in Europe）资源框架，旨在将私营部门的支持引入欧洲的研究社区。NVIDIA作为主要加入方，提供了从开源技术到算力基础设施的全栈支撑。

欧洲在AI科学上的雄心，只有在把研究社区、产业和其他伙伴的优势结合起来的前提下，才能成为现实。

欧盟Startup、Research and Innovation委员Ekaterina Zaharieva如此表示。

为什么对FDE重要

对FDE而言，这个计划的实际意义在于三个层面：

第一，开源模型和工具的可用性大幅提高。NVIDIA已发布超过250个开源模型、250个开源数据集和1400多个开源软件项目，覆盖大语言模型、医疗、机器人、气候科学、物理AI和自动驾驶等方向。这意味着FDE在做科学计算类项目时，可以基于Nemotron架构构建智能体推理能力，并借助BioNeMo Agent Toolkit、PhysicsNeMo、Earth-2、ALCHEMI NIM等服务加速生物学、化学、分子设计、气象和材料科学等领域的研究。

第二，算力获取路径更加多元。NVIDIA与法国（AI2F）、西班牙（BSC AI Factory）、瑞典（Sweden AI Factory）等国的国家AI工厂合作，通过Inception计划为初创企业和中小企业提供主权算力接入；同时EuroHPC超级计算中心（如CINECA、JSC）向学术和初创团队免费开放GPU基础设施。这对FDE在现场做算力选型和成本控制是直接的利好。

第三，培训体系降低了交付门槛。NVIDIA Deep Learning Institute发布了开源课程中心，覆盖加速计算和深度学习，可自由下载、开放许可，且无注册费、无报名费、无截止日期。模块化设计使其可直接对接大学课程、超算中心训练营和开发者社区活动，并作为通往NVIDIA认证体系的桥梁。

FDE可以借鉴这一模式：在交付客户时，把开源课程资源作为培训交付物的一部分，降低知识转移成本。

现场落地建议

基于上述背景，FDE在推进AI科学类项目时，建议按以下步骤落地：

  1. 优先评估开源生态。在启动项目前，先用NVIDIA开源模型和Nemotron架构做POC验证，避免一上来就采购昂贵商业服务。参考FDE职业路线中关于技术选型的判断标准，把开源可用性作为第一道筛选条件。
  2. 算力通道选型。根据客户所在地区，选择对应的AI工厂或EuroHPC通道。法国AI2F已运行四个月并展示良好结果，西班牙BSC正在推出首个完整加速器计划，瑞典AI Factory已开放给Inception初创企业。FDE应提前了解目标客户的属地政策，锁定可用的算力来源。
  3. 把培训纳入交付物。利用DLI开源课程中心的内容，为客户设计内部培训模块，覆盖模型微调、Agent Toolkit使用和本地化部署。这既是对AI Agent企业部署流程的补充，也能提升客户长期自主运维能力。
  4. 关注Agent化趋势。BioNeMo Agent Toolkit和PhysicsNeMo等工具表明，科学研究的下一步是Agent化——让模型能调用工具、执行多步推理。FDE应在方案设计中预留Agent编排层，而非只做单点模型调用。

风险与检查清单

FDE在落地此类项目时需注意以下风险：

  • 开源依赖风险。大量开源模型和工具虽然免费，但维护和支持依赖NVIDIA自身更新节奏，版本迭代快，需评估长期兼容性。
  • 算力成本与数据合规。即便有政府补贴通道，初创企业仍需自行核算单位算力成本、数据出境合规性和知识产权归属。
  • 人才能力缺口。科学领域对领域专家要求高，FDE需确保团队具备跨学科沟通能力，避免只交付技术而不懂科学问题。

检查清单：

  1. 是否已用开源模型完成POC，确认满足业务需求？
  2. 是否锁定了目标地区的算力通道（AI工厂/EuroHPC）？
  3. 是否已规划Agent编排层，而非仅做单点模型调用？
  4. 是否已将DLI课程纳入客户培训交付计划？
  5. 是否评估了开源版本的长期维护支持和替代方案？

本文基于 NVIDIA 官方博客原文整理分析，来源：https://blogs.nvidia.com/blog/ec-scientific-computing-pledge/

常见问题

Q1：这个计划主要面向哪些类型的用户？

主要面向欧洲的小型实验室、早期科学家、科学初创企业以及需要算力资源的中小企业（SMEs）。NVIDIA通过开源模型、算力通道和培训体系，为这些群体提供从工具到算力的全链路支持。

Q2：FDE可以直接使用NVIDIA的开源模型吗？

可以。NVIDIA已发布超过250个开源模型、250个开源数据集和1400多个开源软件项目，托管在Hugging Face和GitHub上。FDE可基于这些资源构建Agent推理能力，并结合BioNeMo Agent Toolkit、PhysicsNeMo、Earth-2、ALCHEMI NIM等科学软件加速研究。

Q3：算力通道有哪些具体例子？

法国AI2F（AI2F in France）已与Inception计划合作四个月；西班牙BSC AI Factory正在推出首个完整加速器计划；瑞典AI Factory已开放基础设施给Inception初创企业；EuroHPC超级计算中心（如CINECA、JSC）向学术和初创团队免费开放GPU基础设施。

延伸阅读：Context Engineering

评论

还没有评论，来抢沙发吧。