NVIDIA Spark 黑客松西雅图站：周末用本地 AI 构建了什么？

周末能用 Spark 做出什么？

我们把 NVIDIA Spark Hack 系列带到了西雅图，用 @Acer Veriton GN100 进行了一整个周末的本地 AI 开发。挑战很简单：把大胆的想法变成能在 DGX Spark 上本地运行、使用开放模型和 NVIDIA AI 生态系统的可用应用。在 See、Do 和 Spark 三个赛道中，团队们应对了从灾害响应、医疗导航到离线生存指导和可穿戴辅助等各种挑战。他们的项目在 GB10 上结合了视觉、语音、检索、仿真和智能体工作流，展示了小团队利用本地 AI 算力和几天时间能做出什么。以下是各赛道获奖者和特别奖项：🏆 “SEE” 赛道获奖者：Kerberos

Kerberos 是一个用于搜索与救援行动的共享空间感知层。它将救援人员、机器人和无人机置于同一个世界坐标系中，显示在同一张实时地图上，即使在 GPS 无法分辨楼层位置的建筑物内也能工作。随身摄像头视频流传输到一台 DGX Spark 上，由混合 SLAM 技术栈恢复完整的六自由度位姿，并返回小地图和 AR 标注。Kerberos 跟踪已搜索与未搜索区域，使用 NVIDIA VSS 标记异常和兴趣点，并使用 Nemotron 将位置、信标和覆盖统计信息转化为简明的事件报告。🎥 演示团队：@AgneyaTharun、Khalid Mohamud、@mbarksdale2022、@Fuad_Abdella1

🏆 “DO” 赛道获奖者：Vela

VELA 是一个以语音优先、经同意控制的医疗行动系统，旨在完成实际的护理任务，而不仅仅是回答问题。它将口头请求和保险文件转化为经过验证的事实，比较不同护理路径的成本、覆盖范围、药物、提供者和时间安排，并在每个行动前征求明确批准。Nemotron 负责候选事实提取、歧义检测、澄清和解释，而确定性代码在成本、资格、排序、同意、工作流状态和执行方面保持权威。该原型在 GB10 上本地运行，使用 Parakeet、Magpie、经过认证的 NemoClaw Hermes 网关和 OpenShell。它使用合成数据和沙盒操作，而非实时注册。🎥 演示 💻 GitHub 仓库 团队：Fatima Aguilar、@abishek_bm、Abhinav Ravindran

🏆 “SPARK” 赛道获奖者：LifeKit

LifeKit 是一本面向互联网消失时刻的离线生存指南。它将知识组织到 12 个基本生存类别和数十个手工整理的开源数据集中，支持关于天气、水源、导航、植物、动物和应急程序的问题。其 Process、Identify 和 Find 模式可以指导用户完成诸如制作止血带或生火等任务，帮助验证植物、动物、真菌和天空状况，并导航到资源或保存的位置。Nemotron、Cosmos Reason、Parakeet、VSS、NIM 和 vLLM 在 GB10 上本地协同运行。🎥 演示 💻 GitHub 仓库 团队：@shereen_lee_

🏅 最佳 Nemotron 3.5 Lightning 应用：Memo

Memo 是一款本地优先的可穿戴助手，能记住选定的个人物品，回答日常问题，并在需要人工帮助时联系可信赖的人。RayNeo X3 Pro 眼镜将摄像头和麦克风数据流式传输到 GN100，感知、语音、推理和记忆均在本地运行。佩戴者选择要跟踪的物品，Memo 可以返回最后验证的位置、时间和视觉证据。Nemotron 3.5 Lightning 与 Cosmos 3 Nano、C-RADIOv4-H、Parakeet 和本地语音合成协同工作。Memo 不会持续记住所有内容，第一人称视频仅在佩戴者请求帮助时共享。🎥 演示 💻 GitHub 仓库 团队：Nadezhda (Nadine) Chernova、@coolgadgetru、Yi Shan (Erin) Shih、Shao Yu (Jacky) Huang

🏅 最佳 NemoClaw 和 OpenShell 应用：First Light

First Light 是一个离线灾害响应系统，能在几秒钟内将灾后无人机影像转化为优先救援计划。Nemotron Nano 12B VL 评估损害，xView2 定位建筑物并比较灾前和灾后影像，YOLOv8x 提供隐私过滤。Nemotron 3.5 Lightning 处理不确定性和批量推理，Nemotron Nano 9B 生成操作计划，BGE-small-en-v1.5 支持本地检索。这些模型在 DGX Spark 上并发运行，使系统在网络故障时仍能保持可用；其本地技术栈包括 NemoClaw、OpenShell、CUDA、NVIDIA Container Toolkit 和 vLLM。🎥 演示 💻 GitHub 仓库 团队：Aditya Indoori、Sanjana Paniyadi

感谢每一位周末与我们一同开发的参与者，也感谢我们的评委、导师、技术负责人和合作伙伴，他们帮助团队将大胆的想法变成了可用的本地 AI 系统。告诉我们下一站 Spark Hack 应该去哪里。