未來之路是否有機器人技術? ✅ 女王移動 ⭐⭐⭐⭐⭐


Nvidia 押注機器人:Jetson Thor 與人工智慧技術的未來

在競爭激烈的人工智慧晶片製造市場中,全球領先的半導體公司英偉達正在將賭注轉向機器人,將其視為下一個成長的主要動力。據了解,Nvidia將於2025年上半年推出用於人形機器人的新一代緊湊型電腦Jetson Thor。

透過 Jetson Thor,Nvidia 將自己定位為即將到來的機器人革命的領先平台。該公司提供「全端」解決方案,從人工智慧驅動的機器人訓練軟體到配套晶片。

Nvidia 機器人副總裁 Deepu Talla 表示,“物理人工智慧和機器人的 ChatGPT 時刻即將到來”,市場已經達到了“臨界點”。

英偉達進軍機器人領域是在與AMD等其他人工智慧晶片製造商的競爭日益激烈,以及亞馬遜、微軟和谷歌等公司對美國半導體的依賴減少的背景下進行的。

英偉達將自己定位為「實體人工智慧」領域的投資者,旨在加速下一代機器人技術的發展。這是全球機器人市場正在發生重大變化的背景下邁出的重要一步,預計到2029年底將達到巨大價值。

Nvidia不僅向機器人開發公司提供技術,還旨在提供機器人開發三個階段的支援工具:基礎模型訓練軟體、現實環境模擬以及整合到機器人中的硬體。

透過這項發展,英偉達正在為機器人產業開闢新的機遇,並有望在未來的技術革命中發揮重要作用。

Nvidia 將未來押注於機器人 - 照片 1。

在人工智慧晶片製造領域面臨日益激烈的競爭的背景下,全球最有價值的半導體公司英偉達正在將賭注轉向機器人,將其作為下一個主要成長動力。

具體來說,這家以支援人工智慧熱潮的基礎設施而聞名的科技公司正準備在 2025 年上半年推出最新一代的人形機器人緊湊型電腦——Jetson Thor。

憑藉這款產品,Nvidia 將自己定位為領先平台,以應對即將到來的機器人革命。該公司銷售「全端」解決方案,從訓練人工智慧機器人的軟體層到與之配套的晶片。

「實體人工智慧和機器人技術的 ChatGPT 時刻即將到來,」Nvidia 機器人技術副總裁 Deepu Talla 告訴英國《金融時報》。他還補充說,他相信市場已經達到了「臨界點」。

英偉達進軍機器人領域之際,其強大的人工智慧晶片正面臨來自 AMD 等競爭對手晶片製造商的更多競爭。更不用說,亞馬遜、微軟和谷歌等雲端運算公司正在尋求減少對美國半導體公司的依賴。

英偉達將自己定位為「實體人工智慧」領域的投資者,旨在幫助開發下一代機器人公司。

2月份,它是包括微軟和OpenAI在內的幾家公司之一,以26億美元的估值投資了人形機器人公司Figure AI。

到目前為止,機器人技術仍然是一個新興的利基市場,尚未產生大量利潤。該領域的許多新創公司都在努力擴大規模、降低成本並提高機器人產品的精確度。

英偉達並未公佈其機器人產品的銷售情況,但目前該公司僅佔總收入的一小部分。包括AI GPU晶片在內的資料中心營收約佔該集團第三季​​總銷售額351億美元的88%。

但塔拉表示,機器人市場的變化是由兩項技術突破推動的:生成式人工智慧模型的爆炸性增長以及使用模擬場在這些平台模型上訓練機器人的能力。

機器人訓練是一項特別重要的發展,因為它有助於解決機器人研究人員所說的“模擬與現實之間的差距”,確保在虛擬環境中接受訓練的機器人能夠在現實世界中有效運作。

「在過去的 12 個月裡,這種差距已經足夠成熟,我們可以結合生成人工智慧進行模擬實驗——這是我們兩年前無法做到的,」塔拉說。 “我們提供平台,使所有這些公司能夠完成任何這些任務。”

Talla 於 2013 年加入 Nvidia,致力於「Tegra」晶片的研發,該晶片最初針對的是智慧型手機市場。然而,該公司很快就進行了轉型,Talla 負責監督將約 3,000 名工程師重新部署到「車輛自動化和人工智慧培訓」。這就是 Jetson 的起源,Jetson 是 Nvidia 於 2014 年推出的機器人「大腦」模組系列。

Nvidia 在機器人開發的三個階段提供了工具: 訓練基本模型的軟體,源自 Nvidia 的「DGX」系統;在其“Omniverse”平台中模擬現實環境;以及放置在機器人內部的硬件,例如“大腦”。

Apptronik 在其人形機器人的開發過程中使用了 Nvidia 技術,該公司去年 12 月也宣布與 Google DeepMind 建立策略合作夥伴關係,以改善其產品。

據美國市場研究機構BCC稱,目前全球機器人市場價值約780億美元,預計2029年底將達到1,650億美元。

亞馬遜已將英偉達的機器人模擬技術部署到位於美國的三個倉庫。豐田和波士頓動力公司是使用 Nvidia 培訓軟體的其他客戶。

東北大學穩健自主實驗室負責人戴維羅森表示,機器人市場仍面臨重大挑戰,包括訓練模型和驗證它們是否可以安全部署。

「到目前為止,我們還沒有有效的工具來驗證機器學習系統的安全性和可靠性,尤其是在機器人領域。這是該領域一個重大的開放科學問題。

據:金融時報


Source link


探索更多來自 Gizmo Review 的內容

訂閱後即可透過電子郵件收到最新文章。

發表回覆

探索更多來自 Gizmo Review 的內容

立即訂閱即可持續閱讀,還能取得所有封存文章。

Continue reading