Понимание Physical AI от 黄仁勋: Почему возможности в Crypto также скрыты в «углах и закоулках»?

На форуме в Давосе, что же на самом деле сказал Хуанг Ренсюнь?

На первый взгляд, он продвигал роботов, на самом деле же он проводил смелую «само революцию». Он одним выступлением положил конец эпохе «накапливания видеокарт», но неожиданно для этого открыл уникальный шанс для входа в Crypto-сектор?

Вчера, на форуме в Давосе, Хуанг отметил, что слой AI-приложений сейчас взрывается, и потребность в вычислительных мощностях полностью смещается с «обучения» на «вывод» и «Physical AI (физический AI)».

Это очень интересно.

NVIDIA, как крупнейший победитель в эпохе AI 1.0 «гонки за вычислительные ресурсы», сейчас активно заявляет о переходе к «выводу» и «Physical AI», что на самом деле посылает очень ясный сигнал: эпоха «большого количества видеокарт для обучения больших моделей» прошла, и в будущем конкуренция в AI будет строиться вокруг внедрения приложений и «приложений как короля».

Другими словами, Physical AI — это вторая половина Generative AI.

Потому что LLM уже прочитал все данные, накопленные человечеством за десятилетия в интернете, но он всё равно не умеет, например, открыть крышку бутылки так же, как человек. Physical AI — это решение проблемы «знание и действие в единстве», выходящей за рамки AI-интеллекта.

Потому что, Physical AI не может полагаться на «длинную цепочку отражений» облачных серверов, логика очень проста: если ChatGPT генерирует текст с задержкой в одну секунду, вы можете подумать, что он тормозит, но если двухногий робот из-за задержки сети упадет со stairs, последствия могут быть гораздо серьезнее.

Однако, Physical AI кажется продолжением генеративного AI, на самом деле он сталкивается с тремя совершенно новыми задачами:

1) Пространственный интеллект: дать AI понимание трёхмерного мира.

Профессор Ли Фэйфэй предложила, что пространственный интеллект — это следующая северная звезда эволюции AI. Роботу нужно сначала «понять» окружающую среду. Это не просто распознать «это стул», а понять «где этот стул в трёхмерном пространстве, его структура и с какой силой его нужно перемещать».

Для этого нужны огромные объёмы данных о 3D-среде, собираемых в реальном времени, охватывающих все уголки внутри и снаружи помещений;

2) Виртуальная тренировочная площадка: позволить AI учиться на ошибках в симулятивном мире.

Omniverse, о котором говорил Хуанг Ренсюнь, — это как раз «виртуальная тренировочная площадка». Перед тем как попасть в реальный физический мир, робот должен пройти обучение «упасть десять тысяч раз» в виртуальной среде, чтобы научиться ходить. Этот процесс называется Sim-to-Real, то есть от симуляции к реальности. Если позволить роботу учиться на ошибках прямо в реальности, издержки на оборудование будут астрономическими.

Этот процесс требует колоссальной пропускной способности для моделирования и рендеринга физических движков — это экспоненциально растущие требования;

3) Электронная кожа: «тактильные данные» — это золотая жила для будущих данных.

Чтобы Physical AI мог ощущать «на ощупь», ему нужна электронная кожа для восприятия температуры, давления, текстуры. Эти «тактильные данные» — это совершенно новые активы, которые ранее не собирались масштабно. Для этого нужны большие сенсорные сети, и на CES компания Ensuring показала «массовую кожу», в которой на руке встроено 1956 сенсоров, что позволяет роботу, например, аккуратно разбивать яйца.

Эти «тактильные данные» — это новые активы, ранее не собиравшиеся в масштабах.

После всего этого у вас наверняка сложится ощущение, что появление концепции Physical AI даёт огромные возможности для носимых устройств и гуманоидных роботов — ведь ещё несколько лет назад их считали «большими игрушками».

На самом деле я хочу сказать, что в новой карте Physical AI есть отличные возможности для дополнения экосистемы Crypto. Вот несколько примеров:

1. Гиганты AI могут отправлять уличные машины для сканирования каждого главного проспекта мира, но не смогут собрать данные о закоулках улиц, дворах и подвалах. Используя токеновые стимулы сети DePIN, можно активировать глобальных пользователей с мобильными устройствами для дополнения этих данных, и тогда можно будет закрыть пробелы;

2. Как уже говорилось, роботы не могут полагаться на облачные вычисления, но в краткосрочной перспективе можно масштабировать использование edge computing и распределённой рендеринг-системы, особенно для сбора данных от симуляций и их переноса в реальность. Объединив неиспользуемое потребительское оборудование в распределённую сеть, можно добиться нужных результатов;

3. «Тактильные данные», помимо масштабных сенсорных систем, вызывают вопросы конфиденциальности. Как организовать так, чтобы люди делились этими данными с AI-гигантами? Решение — дать участникам возможность подтверждать права на свои данные и получать дивиденды за их использование.

Подытожим:

Physical AI — это вторая половина эпохи web2 AI, которую объявил Хуанг Ренсюнь. А что насчёт web3 AI + Crypto-сектора, таких как DePIN, DeAI, DeData? Разве не они тоже в этом контексте? Что думаете?