Beamr将在GTC 2026上展示用于物理AI的ML安全视频数据压缩技术

以色列赫兹利亚，2026年3月12日（GLOBE NEWSWIRE） ——视频优化技术和解决方案的领导者Beamr Imaging Ltd.（纳斯达克股票代码：BMR）今日宣布，将在2026年GTC大会上展示一项经过验证的、对机器学习安全的、适用于物理人工智能应用的视频数据压缩技术。该公司将展示用于自动驾驶汽车（AV）的GPU加速工作流程，该流程可在保持机器学习（ML）模型精度的同时，将文件大小减少高达50%。

包括自动驾驶汽车、机器人和智能空间在内的物理人工智能应用，需要使用PB级视频数据进行训练和验证，而且数据量还在快速增长。管理数十甚至数百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，以在各种环境下（包括世界基础模型）保持机器学习的准确性。然而，传统的压缩方法无法兼顾存储和网络效率与机器学习模型完整性之间的权衡，这直接影响了人工智能系统的性能。

Beamr 的专利技术——内容自适应比特率 (CABR) 技术，直接应对了这些挑战。过去一年进行的一系列基准测试验证了 CABR 能够实现机器学习安全的视频数据压缩，文件大小最多可减少 50%。使用行业标准数据集进行的测试证实，在多个精度和质量指标下，模型准确率均得以保持。

在GTC大会上，Beamr将与AI操作系统公司VAST Data联合推出一项演示，该演示将支持视频RAG/VSS解决方案，利用GPU加速压缩技术在数据摄取过程中减小文件大小，同时确保机器学习安全。该流程运行于VAST AI操作系统之上，整合了可扩展数据基础设施、数据库服务以及实时处理和编排，从而实现高吞吐量数据访问，加速构建于海量视频数据集之上的AI流程。此次合作的目标客户是音视频、媒体娱乐及其他行业中管理海量视频数据集的组织，在这些行业中，视频语言模型（VLM）能够实现可扩展的语义管理，从而高效地搜索、过滤和确定PB级数据集的训练数据优先级。

Beamr首席执行官Sharon Carmel表示：“我们正在展示，企业可以大规模、自信地充分利用经过验证的、机器学习安全的视频数据压缩技术的全部优势。Beamr与领先企业的合作以及我们自身严格的基准测试，验证了GPU加速方法在数据管道中的有效性，涵盖从数据摄取到训练和验证的整个流程，适用于真实数据和合成数据。”

管理PB级视频数据的公司受邀参加GTC 2026，与Beamr的视频数据专家会面，探讨机器学习安全的压缩工作流程。如需在Beamr展位（3109）安排会面，请点击“预约会面”按钮。

关于 Beamr

Beamr（纳斯达克股票代码：BMR）是内容自适应视频压缩领域的全球领导者，深受包括 Netflix 和派拉蒙在内的顶级媒体公司的信赖。Beamr 的感知优化技术 (CABR) 拥有 53 项专利，并荣获艾美奖®技术与工程奖。这项创新技术可在保持视频质量的同时，将视频文件大小减少高达 50%，并支持人工智能增强功能。

Beamr 为媒体娱乐、用户生成内容、机器学习和自动驾驶汽车等高增长市场提供高效的视频工作流程支持。其灵活的部署选项包括本地部署、私有云或公有云，并为 Amazon Web Services (AWS) 和 Oracle Cloud Infrastructure (OCI) 客户提供便捷的可用性。

更多详情，请访问www.beamr.com或投资者网站www.investors.beamr.com

前瞻性声明

本新闻稿包含“前瞻性陈述”，这些陈述受重大风险和不确定性因素的影响。本新闻稿中的前瞻性陈述可能包括但不限于有关Beamr的战略和业务计划、技术、关系、目标和业务预期、趋势及其对业务、知识产权或产品的影响和关注度，以及其未来业绩、运营和财务表现及状况的陈述。除历史事实陈述外，本新闻稿中包含的所有陈述均为前瞻性陈述。本新闻稿中的前瞻性陈述可通过使用“预期”、“相信”、“考虑”、“可能”、“估计”、“期望”、“打算”、“寻求”、“或许”、“计划”、“潜在”、“预测”、“预计”、“目标”、“旨在”、“应该”、“将”、“会”等词语或其否定形式或其他类似表达来识别，但并非所有前瞻性陈述都包含这些词语。前瞻性陈述基于公司目前的预期，并受制于难以预测的固有不确定性、风险和假设。此外，某些前瞻性陈述基于对未来事件的假设，而这些假设可能并不准确。有关影响公司的风险和不确定性的更详细描述，请参阅公司不时向美国证券交易委员会（“SEC”）提交的报告，包括但不限于公司于2026年2月26日向SEC提交的年度报告以及后续向SEC提交的文件中详述的风险。本公告中包含的前瞻性陈述仅代表截至本公告发布之日的信息，除适用法律要求外，公司不承担更新此类信息的义务。

投资者联系方式：
investorrelations@beamr.com