公司新闻与产品发布 - Beamr Imaging Ltd 将于GTC 2026大会上展示其经过验证的、机器学习安全的视频数据压缩技术，该技术专为物理AI应用设计 [1] - 公司将在GTC上展示用于自动驾驶汽车的GPU加速工作流程，该流程可将文件大小减少高达50%，同时保持机器学习模型的准确性 [1] - 公司CEO表示，与领先公司的合作及自身严格的基准测试验证了其GPU加速方法在整个数据流程（从数据摄取到训练和验证）中的有效性 [5] - 公司邀请管理PB级视频数据的企业在GTC 2026期间与其视频数据专家会面，讨论机器学习安全的压缩工作流程 [5] 核心技术 - Beamr的专利内容自适应比特率技术直接解决了传统压缩方法在存储/网络效率与机器学习模型完整性之间的权衡难题 [2][3] - 过去一年进行的一系列基准测试验证了CABR技术能够实现机器学习安全的视频数据压缩，文件大小减少高达50% [3] - 使用行业标准数据集的测试证实，该技术能在多种精度和质量指标下保持模型准确性 [3] - 公司的感知优化技术拥有53项专利，并曾获得艾美奖技术与工程奖，该技术可将视频文件大小减少高达50% [6] 市场应用与行业趋势 - 物理AI应用（包括自动驾驶汽车、机器人和智能空间）使用PB级规模的视频数据进行训练和验证，且数据量持续快速增长 [2] - 管理数十或数百PB真实世界和合成视频数据的团队需要可靠的压缩工作流程，以在各种环境（包括世界基础模型）中保持机器学习准确性 [2] - 传统压缩方法未能解决存储/网络效率与机器学习模型完整性之间的权衡问题，直接影响AI系统的性能 [2] - 公司技术服务于高增长市场，如媒体娱乐、用户生成内容、机器学习和自动驾驶汽车 [7] 战略合作与解决方案 - 在GTC上，Beamr将与AI操作系统公司VAST Data首次联合演示，展示支持视频RAG/VSS的解决方案 [4] - 该联合解决方案利用GPU加速压缩来减小文件大小，并在数据摄取过程中提供机器学习安全的结果 [4] - 该解决方案在VAST AI操作系统上运行，将可扩展数据基础设施上的高吞吐量数据访问、数据库服务以及实时处理和编排统一起来，以加速基于海量视频数据集构建的AI流程 [4] - 此次合作面向自动驾驶、媒体娱乐等行业中管理海量视频数据集的组织，视频语言模型可支持可扩展的语义管理，从而高效地搜索、过滤和优先处理PB级数据集中的训练数据 [4] 公司背景与部署 - Beamr是内容自适应视频压缩领域的全球领导者，Netflix和派拉蒙等顶级媒体公司均为其客户 [6] - 公司创新的感知优化技术可将视频文件大小减少高达50%，同时保持质量并支持AI驱动的增强功能 [6] - 公司提供灵活的部署选项，包括本地部署、私有云或公共云，并方便地服务于亚马逊云科技和甲骨文云基础设施客户 [7]