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

На форумі Давосу, що саме сказав Хуанг Ренсюнь?

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

Вчора, на форумі Давосу, старший Хуанг зазначив, що рівень застосувань ШІ зараз вибухає, і потреба у обчислювальній потужності повністю зсунулась з «тренувальної сторони» на «сторону виведення в реальність» та «Physical AI (фізичний ШІ)».

Це дуже цікаво.

NVIDIA, як найбільший переможець у «гонці за обчислювальні ресурси» епохи AI 1.0, тепер активно оголошує про перехід до «виведення в реальність» та «Physical AI», що передає дуже ясний сигнал: епоха «масового тренування великих моделей за допомогою накопичення відеокарт» минула, і тепер конкуренція у AI буде зосереджена навколо застосувань і сценаріїв їх впровадження — «застосунок — король».

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

Адже LLM вже опрацювали всі дані, що людство накопичило в Інтернеті за десятиліття, але вони досі не вміють, наприклад, відкрутити кришку пляшки так, як це робить людина. Physical AI — це вирішення проблеми «знання і дії в єдності», що виходить за межі інтелекту AI.

Бо Physical AI не може залежати від «довгих рефлексивних ланцюгів» віддалених хмарних серверів. Логіка дуже проста: якщо ChatGPT генерує текст із затримкою в одну секунду, ти можеш подумати, що він «завис». Але якщо двоногий робот через мережеву затримку затримається на секунду, він може впасти з сходів.

Хоча Physical AI здається продовженням генеративного AI, насправді він стикається з трьома новими викликами:

1) Просторова інтелігенція: зробити AI здатним розуміти тривимірний світ.

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

Для цього потрібні масивні, реальні часом оновлювані дані про 3D-середовище, що охоплюють кожен куток внутрішніх і зовнішніх просторів;

2) Віртуальні тренувальні майданчики: дозволити AI віртуально тренуватися на помилках.

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

Цей процес вимагає колосальної пропускної здатності фізичних движків для симуляції і рендерингу;

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

Щоб Physical AI міг відчувати «на дотик», потрібна електронна шкіра для сприйняття температури, тиску, текстури. Ці «тактильні дані» — це новий актив, який раніше не збирали масштабовано. Це може вимагати масових сенсорів, і на CES компанія Ensuring показала «масове виробництво шкіри», де на руці інтегровано 1 956 сенсорів, щоб досягти чудового ефекту, наприклад, при піднятті яєць.

Ці «тактильні дані» — це новий актив, який раніше не збирали масштабовано.

Після ознайомлення з цим, ви напевно відчуєте, що ідея Physical AI відкриває великі можливості для носимих пристроїв і гуманоїдних роботів, адже ще кілька років тому їх вважали «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 запускати вуличні машини для сканування кожної головної вулиці світу, але не можуть зібрати дані про закутки вулиць, внутрішніх дворів і підвалів. Використовуючи токенізацію через DePIN-мережі та заохочення, залучити глобальних користувачів до збору цих даних — і цим заповнити прогалини;

2. Як вже згадувалося, роботам не можна покладатися на хмарні обчислення, але для короткострокового масштабного використання краще застосовувати крайові обчислення і розподілену рендеринг-можливість, особливо для багаторазового симулювання реальних даних. Об’єднати вільне обчислювальне обладнання у мережу, розподіляти і керувати ним — і воно стане у пригоді;

3. «Тактильні дані» — крім масштабованого застосування сенсорів, вони мають дуже високий рівень приватності. Як залучити масову аудиторію до обміну цими даними з великими AI-компаніями? Можливий шлях — забезпечити учасникам, що надають дані, право на їхнє підтвердження і частку у доходах.

Підсумовуючи:

Physical AI — це нижня половина епохи web2 AI, яку оголосив Хуанг Ренсюнь, і чи не є вона також ідеальним доповненням для секторів web3 AI + Crypto, таких як DePIN, DeAI, DeData? Як ви вважаєте?