6 月 22 日，NVIDIA 发布 DAQIRI（Data Acquisition for Integrated Real-time Instruments），将高带宽探测器数据零拷贝直接流式送入 GPU 内存，实现科学实验中的实时 AI 处理，彻底绕过传统硬件瓶颈。[[1]](https://developer.nvidia.com/blog/enable-real-time-ai-for-high-speed-data-acquisition-with-daqiri/)
这一动作正值物理 AI 从实验室 demo 转向真实世界规模化部署的关键节点。过去两年，AI 主要在聊天与代码生成领域快速迭代，而 NVIDIA 此举直接针对高能物理、医学成像等场景的数据洪流——每秒数 GB 的原始数据需在毫秒级完成分析。DAQIRI 的软件中心架构，让传统“先存后算”的流程变成“边采边智”，为机器人、自动驾驶传感器融合提供了可复制路径。
对比之下，消费级 Agent（如 Instacart 新购物助手）仍依赖海量历史交易数据（Instacart 拥有 16 亿笔真实订单）来抑制幻觉，而科学仪器场景对延迟和准确性的要求远高于电商推荐。NVIDIA 通过 DAQIRI 将 GPU 从“训练加速器”升级为“实时决策引擎”，与 Palantir 等平台在企业运营中的 Ontology 落地形成互补，共同推动 AI 从“辅助工具”转向“核心控制塔”。
未来 6-12 个月，这一趋势可能加速传统科学设备厂商与 AI 芯片巨头的深度绑定，但也留下悬念：当实时 AI 接管关键实验或生产流程后，数据主权、模型可解释性与监管合规将如何平衡？谁能在物理世界率先跑通“AI 接管 X 万个真实触点”的闭环，谁就将定义下一阶段的平台壁垒。
信源：
https://developer.nvidia.com/blog/enable-real-time-ai-for-high-speed-data-acquisition-with-daqiri/（2026-06-22）
https://www.govconwire.com/articles/shield-ai-aechelon-acquisition-gary-steele（2026-06-22，背景参考）