Nvidia šokovala svet ďalšou fázou AI. Po chatbotoch príde niečo, na čo svet ešte nie je pripravený

Nvidia ukázala, kam sa môže posunúť ďalšia fáza umelej inteligencie. Po čipoch pre dátové centrá a veľké jazykové modely sa čoraz agresívnejšie tlačí do sveta, kde AI nebude iba písať texty, generovať obrázky alebo odpovedať na otázky. Má začať vidieť, plánovať a konať vo fyzickom priestore.

Na konferencii GTC Taipei firma predstavila balík technológií pre takzvanú fyzickú AI. Ide o kombináciu modelov, simulačných nástrojov, softvéru, robotických platforiem a výpočtového hardvéru, ktorá má vývojárom uľahčiť stavbu humanoidných robotov, autonómnych vozidiel aj inteligentných fabrík.

Najväčšiu pozornosť púta model Cosmos 3. Nvidia ho opisuje ako otvorený základný model pre fyzickú AI, ktorý má pracovať s textom, obrazom, videom, okolitým zvukom aj akciami v jednom systéme. Inými slovami, nejde iba o model, ktorý niečo rozpozná na obrázku. Cieľom je systém, ktorý dokáže prostredie pochopiť, predvídať a následne pomôcť robotovi alebo autonómnemu autu rozhodnúť sa, čo má urobiť.

AI sa sťahuje z obrazovky do reálneho sveta

Jensen Huang, šéf Nvidie, hovorí o blížiacom sa nástupe fyzickej AI. Marketingovo to znie veľkolepo, no jadro tejto myšlienky je pomerne jasné. Doterajšia vlna umelej inteligencie bola postavená najmä na práci s digitálnym obsahom. Ďalšia má riešiť stroje, ktoré sa pohybujú medzi ľuďmi, predmetmi, cestami, linkami a výrobnými procesmi.

Cosmos 3 má podľa Nvidie fungovať ako model pre porozumenie obrazu, ako svetový model na simuláciu fyzického prostredia aj ako základ pre modely, ktoré budú riadiť akcie robotov. Firma ho ponúka vo viacerých verziách, vrátane presnejšieho variantu Cosmos 3 Super pre robotiku a autonómne vozidlá a menšieho Cosmos 3 Nano pre rýchlejšie spracovanie.

Nvidia

Dôležité je slovo simulácia. Roboty sa nemôžu učiť iba v reálnom svete, kde každá chyba stojí čas, peniaze alebo bezpečnostné riziko. Preto Nvidia tlačí na digitálne dvojčatá, syntetické dáta a tréning v simulovaných prostrediach. Čím lepšie sa fyzikálny svet napodobní v počítači, tým rýchlejšie sa dá testovať správanie robotov pred nasadením.

Humanoid ako referenčný návod, nie hotový produkt

Nvidia zároveň predstavila otvorený referenčný návrh humanoidného robota postaveného na platforme Isaac GR00T. Nie je to pokus konkurovať Tesle vlastným robotom v klasickom zmysle. Skôr ide o návod a technologický balík pre výskumníkov a firmy, ktoré si chcú humanoida postaviť rýchlejšie.

Referenčný systém kombinuje humanoidného robota Unitree H2 Plus, päťprstové ruky Sharpa, výpočtovú jednotku Jetson Thor a softvérový balík Isaac GR00T. Výsledkom má byť platforma, na ktorej sa dá testovať manipulácia s predmetmi, plánovanie pohybu, učenie z dát a nasadenie robotických modelov v praxi.

Zmysel je jednoduchý. Ak má každé laboratórium skladať humanoida od nuly, vývoj bude pomalý a drahý. Ak dostane spoločný základ, môže viac energie venovať softvéru, tréningu a konkrétnym úlohám. Aj preto sa o platformu zaujímajú výskumné tímy z univerzít ako ETH Zurich, Stanford Robotics Center či UC San Diego.

Robotaxíky dostávajú ďalší mozog

Samostatnou časťou oznámenia je Alpamayo 2 Super, 32-miliardový model určený pre autonómnu jazdu. Nvidia ho stavia ako nástroj pre robotaxíky, ktoré musia chápať zložité dopravné situácie, plánovať ďalší krok a reagovať na nečakané správanie okolia.

Toto je kľúčový rozdiel medzi peknou ukážkou a reálnou prevádzkou. Autonómne vozidlo nestačí naučiť držať sa v pruhu. Musí rozumieť zvláštnym situáciám, zlému počasiu, chodcom, cyklistom, obchádzkam aj chybám iných vodičov. Práve preto sa robotaxíky stále posúvajú pomalšie, než firmy roky sľubovali.

Nvidia

Nvidia však nechce byť len dodávateľom čipov. Chce vlastniť čo najväčšiu časť technologickej vrstvy od tréningu modelov cez simuláciu až po nasadenie vo vozidle.

AI prichádza aj do výroby čipov

Najmenej efektná, ale možno najdôležitejšia časť oznámenia sa týka spolupráce s TSMC. Taiwanský výrobca čipov využíva nástroje Nvidie pri výpočtovej litografii, simuláciách tranzistorov, kontrole výrobných procesov, inšpekcii waferov a plánovaní tovární.

To je zásadné, pretože výroba najpokročilejších čipov je dnes jednou z najzložitejších priemyselných disciplín. Každé zlepšenie efektivity, kontroly defektov alebo plánovania výroby môže mať obrovský dopad na dodávky AI čipov, ktoré dnes poháňajú celé odvetvie umelej inteligencie.

Nvidia tým uzatvára zaujímavý kruh. Jej čipy poháňajú AI modely, AI modely pomáhajú vyrábať pokročilejšie čipy a tie následne umožňujú výkonnejšie roboty, autá aj továrne. Znie to ako dokonalý ekosystém, no zároveň to ukazuje, akú veľkú závislosť si technologický svet buduje od jednej firmy.

Fyzická AI preto nie je iba ďalší produktový slogan. Ak Nvidia uspeje, jej technológie sa môžu presunúť z dátových centier do fabrík, áut, skladov a robotických tiel. A tam už nepôjde len o to, či model odpovie správne. Pôjde o to, či stroj urobí správny pohyb v správnej chvíli.

Čítajte viac z kategórie: Novinky