隨著企業在真實世界中蒐集的影片資料日益增加，視覺 AI 正從被動感知與儀表板，進化為可即時理解、推理及採取行動的代理型系統。這些系統由具備推理能力的視覺語言模型（VLM）驅動，如 NVIDIA Cosmos 開放模型，能從影片中擷取豐富洞察，涵蓋營運狀況、環境脈絡或問題根本原因。
要打造可投入生產且具高準確度的視覺 AI 代理，從資料蒐集、模型訓練、驗證到部署，可能需要數千小時的開發時間。NVIDIA Metropolis 現已整合超過 80 項全新技能，包括 NVIDIA VSS Blueprint 3.2、NVIDIA DeepStream 9.1、NVIDIA TAO 7 與 Physical AI Data Factory，協助開發者運用程式設計代理，將整體流程加速至少 6 倍。
日本工業與智慧空間領域的領導企業，包括 Asilla、AWL、富士通、Hitachi、歐姆龍、清水建設與 Yazaki North America，皆正運用 Metropolis 將視覺 AI 代理導入工廠、建築工地、街道、建築物及公共空間。
Metropolis 開放式函式庫與技能 涵蓋視覺 AI 完整生命週期
Metropolis 提供一套完整的開放式函式庫與技能，涵蓋視覺 AI 的完整開發生命週期，從建立資料管道、生成合成資料、微調模型，到大規模部署代理。
全新函式庫包括：
- NVIDIA VSS Blueprint 3.2 協助開發者打造及運作視覺 AI 代理，這些代理可運用自然語言，對即時或錄製影片進行觀看、推理與採取行動。全新的程式設計代理技能，可加速打造及運作客製化且持續運作的影片代理，使其能在大型攝影機網路中發出警示、生成摘要及進行搜尋。
- NVIDIA DeepStream 9.1 協助開發者建立及部署從邊緣到雲端的即時多感測器影片分析管道，用於大規模資料擷取、多攝影機追蹤與營運分析。
- NVIDIA TAO 7 助力開發者透過標註、效能診斷、微調、資料生成及自動化機器學習等代理技能，客製化及最佳化 NVIDIA Cosmos 與其他視覺 AI 模型。
- NVIDIA Physical AI Data Factory 技能協助開發者運用 NVIDIA Cosmos自動生成並擴增合成影像與影片資料，以補足罕見或新型產品瑕疵、環境變化及其他邊緣案例的訓練資料缺口，將視覺模型的準確度提升至全新層次。
企業運用 NVIDIA Metropolis 推進代理型視覺 AI
日本企業正運用全新 NVIDIA Metropolis 技術，為實體營運導入即時智慧。
在工業檢測與營運方面，歐姆龍正運用由 VSS 驅動的影片分析代理來強化自動化檢測。
DeepHow 正協助 Yazaki North America 將時間與動作研究自動化，把原本需耗時數週的流程縮短至數天，並可望每年節省數百萬美元。
在智慧空間與公共安全方面，Hitachi 的多項 HMAX 解決方案運用由 VSS 驅動的代理，產出可採取行動的洞察，並找出建築與鐵路基礎設施的問題。僅在鐵路應用中，便有助於將維護成本與能源消耗降低 15%。富士通 Kozuchi AI 平台則結合 VSS 與其 Agentic Memory 技術，將長時間影片轉化為營運知識，加快製造、物流、零售與智慧空間等領域的決策速度。同時，清水建設正嘗試運用 VSS 提升建築工人的安全。
Asilla 運用 DeepStream 與視覺語言模型監控公共空間和商業設施，以偵測事件並縮短應變時間；AWL 則運用 DeepStream 建構零售與製造解決方案。
開發者可在 GitHub 取得 NVIDIA VSS Blueprint 3.2 技能、NVIDIA DeepStream 9.1 技能與 NVIDIA TAO 7 技能。NVIDIA Physical AI Data Factory 與合成資料生成技能亦可透過 GitHub 取得，並可運用 NVIDIA Brev 上的 Physical AI Launchables 進行探索。