生成式 AI 正在重塑價值數(shù)萬億美元的產(chǎn)業(yè)。NVIDIA 作為智能機器人領(lǐng)域的領(lǐng)跑者，正在抓住這一機遇。

今日，NVIDIA 機器人和邊緣計算副總裁 Deepu Talla 在 CES 上的特別演講中，詳細(xì)介紹了 NVIDIA 及合作伙伴是如何將生成式 AI 與機器人技術(shù)相結(jié)合的。

這一切都是水到渠成，有越來越多的合作伙伴正在使用由 GPU 加速的大語言模型，為各類機器帶來前所未有的智能和適應(yīng)能力，這些合作伙伴包括波士頓動力公司、Collaborative Robotics、Covariant、Sanctuary AI、宇樹科技等。

現(xiàn)在正是一個千載難逢的好時機。

Talla 表示：“由 AI 驅(qū)動的自主機器人越來越多地應(yīng)用于提高效率、降低成本和解決勞動力短缺問題。”

共創(chuàng)變革

從一開始，NVIDIA 就一直是這場生成式 AI 變革的核心。

十年前，NVIDIA 創(chuàng)始人兼首席執(zhí)行官黃仁勛親手將第一臺 NVIDIA DGX AI 超級計算機交付給 OpenAI。如今，得益于 OpenAI 的 ChatGPT，生成式 AI 已成為當(dāng)代發(fā)展最快的技術(shù)之一。

而這一切才剛剛開始。

Talla 預(yù)測，生成式 AI 的影響將超越文本和圖像生成，進入到家庭和辦公室、農(nóng)場和工廠、醫(yī)院和實驗室中。

其關(guān)鍵在于，類似于人類大腦語言中心的大語言模型（LLM），使機器人能夠更自然地理解和響應(yīng)人類指令。

這些機器能夠不斷地向人類、彼此和周圍的世界學(xué)習(xí)。

Talla 表示：“鑒于這些特性，生成式 AI 非常適合用于機器人技術(shù)。”

機器人如何使用生成式 AI

Agility Robotics 和其他公司正在將生成式 AI 整合到他們的機器人中，以幫助理解文本或語音命令。追覓科技的機器人吸塵器，正在由生成式 AI 模型創(chuàng)建的模擬生活空間中接受訓(xùn)練。同時，Electric Sheep 也正在開發(fā)一種自動割草的全球范式。

NVIDIA Isaac 和 Jetson 平臺等 NVIDIA 技術(shù)能夠為 AI 機器人的開發(fā)和部署提供助力，被超過 120 萬名開發(fā)人員和 10,000 名客戶以及合作伙伴所使用。

其中的許多企業(yè)都參加了本周的 CES，包括亞德諾半導(dǎo)體、Aurora Labs、Canonical、追覓創(chuàng)新科技、DriveU、e-con Systems 、Ecotron、Enchanted Tools、GlüxKind、禾賽科技、Leopard Imaging、九號公司（未嵐大陸（北京）科技有限公司）、Nodar、奧比中光、QT Group、速騰聚創(chuàng)、Spartan Radar、TDK、Telit、宇樹科技、Voyant Photonics 和一徑科技等。

雙機勝于單機

為了展示該模式的運作方式，Talla 在演講中展示了將 AI 部署到機器人技術(shù)中所必需的雙計算機模型（如下），展現(xiàn)出 NVIDIA 在 AI 開發(fā)和應(yīng)用方面的全面性。

第一臺計算機被稱為“AI 工廠”，是創(chuàng)建和不斷改進 AI 模型的核心。

AI 工廠使用了 NVIDIA 數(shù)據(jù)中心計算基礎(chǔ)設(shè)施以及 NVIDIA AI 和 NVIDIA Omniverse 平臺，可以仿真和訓(xùn)練 AI 模型。

第二臺計算機代表機器人的運行環(huán)境。

運行環(huán)境根據(jù)應(yīng)用的不同而有所變化，比如可以是云或數(shù)據(jù)中心；對于半導(dǎo)體制造中的缺陷檢測等任務(wù)則是本地服務(wù)器；配備多個傳感器和攝像頭的自主機器也可能成為運行環(huán)境。

生成高質(zhì)量資產(chǎn)和場景

Talla 還重點介紹了 LLM 在打破技術(shù)壁壘方面的作用。LLM 可以將普通用戶變成技術(shù)藝術(shù)家，能夠創(chuàng)建復(fù)雜機器人工作單元或整個倉庫仿真。

借助 NVIDIA Picasso 等生成式 AI 工具，用戶可以根據(jù)簡單的文字提示來生成逼真的 3D 資產(chǎn)，并將其添加到數(shù)字場景中，以實現(xiàn)動態(tài)、全面的機器人訓(xùn)練環(huán)境。

這一功能還可擴展到在 Omniverse 中創(chuàng)建多樣化且符合物理學(xué)的場景，從而加強機器人的測試和訓(xùn)練，保證機器人在現(xiàn)實世界中的適用性。

這與生成式 AI 在重新構(gòu)建機器人部署方式上的變革潛力不謀而合。

以前的機器人是為特定任務(wù)而專門制造的，而根據(jù)不同任務(wù)來修改機器人十分耗時。

Talla 還解釋道，LLM 和視覺語言模型領(lǐng)域的進步正在消除這一瓶頸，使我們能夠通過自然語言與機器人進行更直觀的交互。

這種適應(yīng)性強、能感知周圍環(huán)境的機器將很快遍布世界各地。