Зрозуміти Physical AI від 黃仁勋: чому можливості Crypto також приховані у «кутках і закутках»?

Написано: Haotian

На форумі у Давосі, що саме сказав Хуанг Женьсюнь?

Зовні він просував роботів, але насправді він проводить сміливу «самореволюцію». Він одним виступом поклав край епосі «накопичення відеокарт», але несподівано для крипто-сектору створив унікальний шанс для входу?

Вчора, на форумі у Давосі, старий Хуанг зазначив, що рівень застосувань AI вибухає, і потреба у обчислювальній потужності повністю переключається з «тренувальної сторони» на «сторону виведення» та «фізичний AI (Physical AI)».

Це дуже цікаво.

NVIDIA, як найбільший переможець у «гонці озброєнь» обчислювальної потужності епохи AI 1.0, тепер активно оголошує про перехід до «сторони виведення» та «Physical AI», що передає дуже ясний сигнал: ера «великого тренування великих моделей» за допомогою накопичення карт минула, і тепер конкуренція у AI буде зосереджена навколо застосувань, що реалізуються у практиці.

Інакше кажучи, Physical AI — це друга половина Generative AI.

Адже LLM вже опрацювали всі дані, накопичені людством у мережі Інтернет за десятиліття, але вони все ще не вміють, наприклад, відкрутити кришку пляшки, як людина. Physical AI має вирішити проблему «знання та дії в єдності», що виходить за межі інтелекту AI.

Бо фізичний AI не може покладатися на «довгу рефлексію» у хмарних серверах — логіка дуже проста: якщо ChatGPT генерує текст із затримкою у секунду, ви просто відчуєте затримку; але якщо двоногий робот через мережеву затримку затримається на секунду, він може впасти з сходів.

Проте, Physical AI, здається, є продовженням генеративного AI, але насправді він стикається з трьома абсолютно новими викликами:

1. Просторова інтелектуальність: надати AI здатність розуміти тривимірний світ.

Професор Лі Фейфей колись сказав, що просторова інтелектуальність — це наступна зірка для еволюції AI. Роботам потрібно «розуміти» навколишнє середовище. Це не просто розпізнати «це стілець», а й зрозуміти «де він у тривимірному просторі, його структура і скільки зусиль потрібно, щоб його перемістити».

Для цього потрібні масивні, реальні часі, покриваючи кожен куток внутрішніх і зовнішніх приміщень 3D-дані.

2. Віртуальні тренувальні майданчики: дозволити AI віртуально вчитися на помилках.

Omniverse, про який згадував Хуанг, — це саме «віртуальний тренувальний майданчик». Перед тим, як робот потрапить у реальний фізичний світ, він має пройти тренування «падінь» у віртуальній середовищі, щоб навчитися ходити. Цей процес називається Sim-to-Real — від симуляції до реальності. Якщо дозволити роботам вчитися на помилках у реальному світі, витрати на апаратуру будуть неймовірно високими.

Цей процес вимагає високої пропускної здатності фізичних движків для симуляції та рендерингу — рівень зростає експоненційно.

3. Електронна шкіра: «тактичні дані» — новий золотий рудник.

Щоб Physical AI міг відчувати «руку», потрібна електронна шкіра для сприйняття температури, тиску, текстури. Ці «тактичні дані» — нові активи, які раніше ніколи не збиралися масштабовано. Це може вимагати масового використання сенсорів; наприклад, компанія Ensuring на CES показала «масове виробництво шкіри», де на руці інтегровано 1 956 сенсорів, що дозволяє роботам, наприклад, розбивати яйця.

Ці «тактичні дані» — нові активи, які раніше ніколи не збиралися масштабовано.

Після ознайомлення з цим, ви напевно відчуєте, що ідея Physical AI відкриває великі можливості для носимих пристроїв і гуманоїдних роботів, адже раніше ці пристрої вважалися «великими іграшками».

Насправді, я хочу сказати, що у новій карті Physical AI крипто-сектор також має чудову можливість доповнити екосистему. Ось кілька прикладів:

1. Гіганти AI можуть використовувати вуличні машини для сканування кожної головної вулиці світу, але не можуть зібрати дані про вулички, внутрішні двори або підвали. Використовуючи токени за стимулювання мережі DePIN, можна залучити глобальних користувачів для збору цих даних.

2. Як вже згадувалося, роботам не можна покладатися на хмарні обчислення, але у короткостроковій перспективі можна масштабно використовувати краєві обчислення та розподілену рендеринг-можливість, особливо для великих обсягів симуляцій. Об’єднуючи неактивне споживче обладнання у розподілену мережу, можна ефективно його використовувати.

3. «Тактичні дані» — крім масштабованих сенсорних застосувань, вони викликають питання конфіденційності. Як залучити масову аудиторію до обміну цими даними з великими AI-компаніями? Реальний шлях — забезпечити учасникам право на підтвердження прав на дані та їхню частку.

Підсумовуючи:

Physical AI — це друга половина епохи web 2 AI, яку оголосив Хуанг. А що щодо секторів web 3 AI + Crypto, таких як DePIN, DeAI, DeData? Чи не є вони теж частиною цієї нової карти? Як ви вважаєте?