На GTC 2025, среди броских демонстраций дорожных карт чипов, гуманоидных роботов и привлекательных партнерств, появился более тихий, но более глубокий рассказ о стратегическом видении NVIDIA. Компания не просто создает инструменты для AI — она проектирует целую экосистему для следующей вычислительной парадигмы: физически воплощенного искусственного интеллекта.
В разговоре с Ахилом Доккой, старшим менеджером по маркетингу продуктов NVIDIA для Omniverse и Robotics, он описал подход компании как естественную эволюцию. «Если вы видели, как Дженсен рассказывал об эволюции вычислений в целом, мы перешли от компьютерного зрения к генеративному AI, а затем к агентному AI. Физический AI — это следующая парадигма, на которой мы сосредоточимся», — объяснил Докка.
Но в то время как NVIDIA может представлять физический AI как всего лишь один из компонентов своей более широкой стратегии, масштаб их инвестиций говорит об обратном. Компания методично собрала строительные блоки всеобъемлющей экосистемы физического AI, создав то, что может стать наиболее полной основой для воплощенного интеллекта в отрасли.
В основе этой стратегии лежит то, что Докка описал как структуру «трех компьютеров» NVIDIA. Первый компьютер тренирует мозг робота, используя комбинацию реальных и синтетических данных. Второй, имитационный компьютер — на базе Omniverse — обучает роботов работе в виртуализированных средах. Третий развертывает эти алгоритмы в физическом мире.
«Мы не пытаемся построить конечное решение», — сказал мне Докка. «Мы пытаемся предоставить разработчикам полный набор инструментов — чипы, библиотеки, модели, конвейеры данных — чтобы они могли сделать это самостоятельно».
Это стратегия, которая отражает рост NVIDIA в области искусственного интеллекта: сделать дорогие компоненты доступными, справиться со сложностью «под капотом» и победить, став незаменимым. Этот трехсторонний подход — не просто теория. NVIDIA разработала конкретные продукты для каждого этапа: от базовой модели GR00T N1 для роботов до чертежа Omniverse Mega для моделирования автопарка и бортового компьютера DRIVE AGX для автономных транспортных средств.
Важно отметить, что для таких моделей, как GR00T N1, NVIDIA не просто выпускает модель, она также выпускает синтетические данные, фреймворки моделирования и учебные чертежи, используемые для ее создания — все, что разработчикам понадобится для тонкой настройки ее для собственных роботов. Подход отражает то, что предварительно обученные модели, такие как Llama и DeepSeek, делают для языковых моделей сегодня: снижают стоимость входа и ускоряют итерацию.
Но спросите любого в робототехнике, и он вам скажет: данные реального мира — это узкое место. Это дорого, запутанно и часто слишком разреженно для обучения обобщаемых моделей. Ответ NVIDIA — моделирование и генерация синтетических данных, и это идет ва-банк.
С Omniverse NVIDIA предлагает фотореалистичную, физически точную виртуальную среду, где роботы могут обучаться, тестироваться и проверяться. Добавьте Cosmos , свой движок модели фундамента мира, и разработчики смогут генерировать разнообразные синтетические наборы данных в масштабе. Докка описал эту комбинацию как необходимую для «преодоления разрывов между разнообразием и граничными случаями» в физическом AI. Однако тестирование физического AI в реальном мире рискованно и дорого. Вот почему NVIDIA делает симуляцию испытательным полигоном для безопасности.
Источник
Источник: habr.com
Похожие новости:
Как NVIDIA создает «операционную систему» для физического ИИ
Гиперперсонализация: как сделать предложение пользователю релевантным
Уровень «цифровой зрелости» компаний в России выше, чем в среднем по миру
«Слушая подкасты, ничего не узнаешь, ты должен устать, упасть без задних ног — такой должна быть встреча с образованием»