📖 AI 总结

NVIDIA 发布 Metropolis 视频搜索与摘要蓝图 VSS 3.3，旨在降低视觉 AI 智能体的构建与运行成本。该版本整合了 Cosmos 等视觉语言模型、Nemotron 等大语言模型、检索增强生成及模型上下文协议工具，可将实时与录制视频转化为自然语言搜索、视觉问答、告警核验和自动报告。其 Build Vision Agent 技能能依据单一提示词组合多工作流部署，从四种经验证的开发者配置出发，仅启用所需服务并合并 Kafka、Redis、Elasticsearch 等共享基础设施。在灌装线演示中，该技能于双 GPU 主机上不到 30 分钟即生成可预览的实时部署。自适应高效视频采样（EVS）通过动态裁剪未变化画面并围绕活动时刻批量处理，使告警上下文延迟降低 17%，并发实时 VLM 流提升 46%，并以约一半时间、减少 80% 输入 token 完成 60 分钟视频摘要。