Ray峰会2026聚焦强化学习中的AI进展

Ray峰会2026于8月24日至26日在旧金山万豪侯爵酒店举行，吸引了超过2000名与会者，将AI基础设施推向了舞台中央。由Anyscale主办，本次活动突出了强化学习（RL）、物理AI和分布式计算系统的进展，并有来自NVIDIA、Lila Sciences等领域领袖的主题演讲。

Ray的共同创作者兼Anyscale联合创始人Robert Nishihara开启了此次活动，并围绕一个核心主题展开：RL已经从一个研究挑战转变为生产工程问题。当今尖端的AI工作负载——连续的RL训练循环、代理部署和大规模物理模拟——需要高度可靠的计算环境，以处理异构硬件和实时故障恢复。Ray的分布式框架已成为管理这些复杂性的关键工具。

主要亮点

物理AI势头强劲

Lila Sciences首席技术官Andrew Beam介绍了RL与物理实验的交叉点。Lila位于剑桥的“AI科学工厂”整合了自动化机器人、AI模型和真实世界实验，以加速科学突破。他们的RL驱动IRIS模型已经取得了显著成果，包括将CAR-T开发成本减少30倍，以及在五周内筛选出719种保护涂层合金——这些任务通常需要数月时间。

NVIDIA的RL扩展突破

NVIDIA应用深度学习研究副总裁Bryan Catanzaro发布了Nemotron 3 Ultra，这是一款使用Ray Core协调数千个GPU训练的5500亿参数模型。一个关键创新是拓扑感知的GPU部署，提升了RL训练吞吐量13%，且无需额外硬件支持。下游应用包括更快的安全调查和改进的AI驱动制造流程。

Torc Robotics应对自动驾驶卡车挑战

Torc Robotics的AI负责人Felix Heide介绍了他们的自动驾驶卡车系统“AV 3.0”。Torc的TruckDrive数据集解决了超长距离检测和高速轨迹规划等挑战。通过将他们的RL管道整合到单个Ray集群中，他们的数据吞吐量提升了20倍，同时GPU使用成本减少了60%。

vLLM社区扩展

Inferact的CEO Simon Mo讨论了vLLM生态系统的快速增长，该系统支持超过5000种AI模型和1000种硬件配置。团队介绍了增强模型服务的技术路线图，包括支持NVIDIA Blackwell和Google Ironwood GPU。vLLM拥有超过3000名贡献者，已成为开放推理基础设施的基石。

跨行业扩展AI

其他会议揭示了Ray如何重塑行业：

• Bedrock Robotics：利用Ray的分布式计算图模拟真实世界的施工环境，从而为工地设备提供更强的自主能力。
• Capital One：将Ray用于大规模变压器训练，将超参数优化时间从数天缩短至数小时，同时处理3.5TB的金融数据。
• Spotify：分享了扩展其Hendrix平台的经验，该平台现在每月在Ray上运行超过一百万GPU小时。

重要性

Ray峰会2026突出了基础设施在解锁AI下一个前沿的重要性。随着RL过渡到生产环境，像Ray这样的框架在高效且经济地扩展工作负载方面证明了其重要价值。活动对物理AI和多模态系统的关注表明AI正日益弥合数字模拟与现实应用之间的差距。

随着Ray和Anyscale推动各行业创新，可扩展AI基础设施的未来似乎处于快速发展的前沿。即将举行的活动如PyTorch大会（10月20日至21日）和药物发现与开发中的AI峰会（10月27日至29日）可能会继续推进这一势头，为探索这些突破提供进一步机会。