近日，GPU 图形计算领域的领军企业 NVIDIA 正式发布了其视觉 AI 平台 DeepStream 的最新版本 DeepStream 9.1。此次更新不仅带来了多项性能优化，更引入了备受瞩目的“代理式 AI（Agentic AI）”功能，标志着视频分析领域正在经历一场从“代码编写”向“意图交互”的重大范式转变。DeepStream 9.1 的核心亮点在于集成了 13 种全新的代理式 AI 技能，极大地降低了开发者构建复杂视频分析管道的门槛。
长期以来，构建基于摄像头的智能分析系统往往需要开发者具备深厚的编程功底，涉及繁琐的代码编写、模型集成和参数调试。DeepStream 9.1 引入的 13 种代理式 AI 技能，正是为了解决这一痛点。通过这些技能，开发者现在可以利用 Claude Code、Codex 等先进的编码代理，直接通过自然语言指令来构建多摄像头视频分析管道。这意味着，用户不再需要逐行编写 Python 或 C++ 代码，只需描述业务需求，AI 代理即可自动完成从数据采集、预处理到模型推理的全流程搭建。这一突破性进展，有望加速智慧安防、工业质检以及智能交通等领域的落地应用。
除了智能化的开发体验，DeepStream 9.1 在感知算法层面也实现了显著升级，其中最引人注目的莫过于多视角 3D 追踪（Multi-View 3D Tracking, MV3DT）技术的引入。在传统的 2D 视觉系统中，物体在画面中的位置是平面的，且在多个摄像头之间往往缺乏统一的身份标识。当物体被遮挡或移动到视野盲区时，系统极易将其识别为不同的物体。DeepStream 9.1 的 MV3DT 功能能够将来自不同摄像头的 2D 检测结果进行深度融合，构建出一个共享的、全局一致的 3D 世界模型。通过这一技术，系统可以精确地计算出物体在三维空间中的位置、速度和轨迹，并在物体跨越多个摄像头视角时保持 ID 的连续性。这对于自动驾驶汽车的环境感知、物流仓库的自动化分拣以及大型人群监控等场景至关重要，因为它显著提升了系统在复杂动态环境下的鲁棒性和准确性。
为了进一步提升系统的易用性，NVIDIA 在 DeepStream 9.1 中还推出了 AutoMagicCalib（AMC）工具。在以往的多摄像头部署中，手动校准相机参数是一项极其耗时且容易出错的工作，AMC 的出现则彻底解决了这一难题。该工具利用 AI 算法自动完成相机的内参和外参标定，无需人工干预即可实现多视角的精准对齐。这极大地简化了边缘计算设备的部署流程，使得企业能够以更低的成本、更快的速度部署大规模的视觉感知系统。
此外，DeepStream 9.1 还对 JetPack 7.2 提供了全面支持，并整合了统一的开放源代码 GitHub 单体仓库。这一举措进一步丰富了 NVIDIA 的开发者生态系统，使得开发者能够更方便地获取最新的 SDK、示例代码和文档。JetPack 7.2 的支持意味着该版本将更好地兼容 NVIDIA 的嵌入式计算平台，如 Jetson 系列，为边缘端的实时 AI 推理提供了更强大的硬件基础。
DeepStream 9.1 的发布，不仅展示了 NVIDIA 在视觉 AI 领域的技术领先地位，更预示着“AI Agent”正在成为连接人类意图与机器执行的重要桥梁。随着代理式 AI 技能的普及，视频分析将不再仅仅是高科技企业的专属，中小企业和初创团队也能利用自然语言轻松构建强大的视觉应用。展望未来，随着 3D 追踪技术的成熟和自动校准的普及，视频 AI 将在更多元化的场景中发挥核心作用，推动整个智能视觉产业迈向新的高度。
信息来源：MarkTechPost
信息来源：MarkTechPost，原文链接：https://www.marktechpost.com/2026/07/18/nvidia-released-deepstream-9-1-bringing-agentic-ai-to-vision-ai-with-13-skills-and-multi-view-3d-tracking/
封面图片来源：Unsplash / 摄影师 BoliviaInteligente
