NVIDIA 的 DAQIRI 通过 AI 驱动的实时处理简化高速数据采集，改变科学和工业工作流程。
NVIDIA 推出了 DAQIRI，这是一种变革性的数据采集管道，旨在为高速传感器和探测器实现实时 AI 处理。由于传统的“收集、存储、分析”模型难以跟上数据密集型应用程序的步伐，DAQIRI 提供了一种软件定义的方法，可以直接在源头处理数据。这项创新可以重新定义从粒子物理到工业自动化等领域的工作流程。
DAQIRI 是 NVIDIA Holoscan 平台的一部分，可将高带宽探测器和传感器直接连接到 NVIDIA 的软件生态系统。它集成了用于实时推理的 TensorRT、用于多模态处理的 Holoscan 和用于数据压缩的 nvCOMP 等工具。利用这些功能，DAQIRI 可以动态过滤、分析和压缩数据流，确保仅进一步处理可操作的见解。这消除了传统以硬件为中心的架构造成的瓶颈。
为什么这很重要
高速数据采集系统在各个行业中变得越来越重要。例如，直线加速器相干光源 II (LCLS-II) 以惊人的 1 MHz 重复率产生光子脉冲，而 CERN 的高亮度大型强子对撞机 (HL-LHC) 很快将处理比其原始能力强 10 倍的数据。在这两种情况下，挑战不在于收集数据，而在于实时处理数据。 DAQIRI 通过利用 GPU 加速的边缘计算来实现实时决策来解决这个问题。
在 CERN 的 A-GHOST 项目中，DAQIRI 利用卷积神经网络和变压器模型进行实时分析，促进废弃数据流中先进的人工智能驱动搜索。这使得研究人员能够从以前被认为无法保存的数据中提取见解，这是科学发现的重大飞跃。
主要功能和技术见解
DAQIRI 的架构专为速度和效率而构建。通过绕过 Linux 内核并使用数据平面开发套件 (DPDK)，它实现了零复制数据传输，将数据包直接从网络接口卡 (NIC) 路由到 GPU 内存。这可以最大限度地减少延迟和 CPU 开销，从而实现每秒数百吉比特的吞吐量。
值得注意的功能包括：
- 通过优化的硬件配置实现高吞吐量、低延迟性能
- 实时数据预处理，包括过滤和类型转换
- YAML 驱动的配置，可实现灵活部署
- 与 C++ 和 Python API 无缝集成
实际上，DAQIRI 允许开发人员以最小的开销配置高速数据流。例如，YAML 配置可以定义数据包路由、内存分配和 GPU 就绪张量整形，从而简化复杂的手动设置。
更广泛的市场背景
对高速数据采集系统的需求正在激增。 2026 年 5 月的行业报告强调了航空航天、汽车和先进制造等行业推动的增长，而以太网和 PCIe 等高速通信协议正在实现更快的数据传输和处理能力。 NVIDIA 的 DAQIRI 将自己定位在这一趋势的交叉点，将最先进的硬件和 AI 软件相结合，以满足现代应用的需求。
边缘实时人工智能对于工业和科学工作流程尤其具有变革性。通过减少延迟并实现即时决策，DAQIRI 等平台将模式从被动操作转变为主动操作。这对预测性维护、质量控制，甚至防御系统都有影响，在这些系统中，毫秒的时间就可以产生至关重要的影响。
展望未来
随着边缘人工智能采用的加速，DAQIRI 的影响可能远远超出其最初的应用范围。 NVIDIA 集成了实时推理、压缩和自适应控制功能，使 DAQIRI 成为下一代自主系统的基石。开发人员和研究人员可以通过 NVIDIA 的 GitHub 存储库和入门文档进一步探索 DAQIRI。
对于应对数据洪流的行业来说，DAQIRI 不仅仅是一个工具，它还是在获取可行见解的竞争中潜在的游戏规则改变者。