Что на самом деле сказал Хуан Жэньсунь на Давосском форуме?
На поверхности он продвигает роботов, но на самом деле он проводит смелую «самостоятельную революцию». Своей речью он положил конец старой эпохе «накопления видеокарт», но неожиданно предоставил Crypto-сектору уникальный шанс?
Вчера на Давосском форуме Хуан указал, что уровень приложений ИИ переживает бум, и спрос на вычислительные мощности полностью сместится с «обучающей стороны» на «сторону логического вывода» и «сторону Physical AI (физического ИИ)».
Это очень интересно.
NVIDIA, как крупнейший победитель в эпоху ИИ 1.0 в «гонке вооружений вычислительными мощностями», теперь активно заявляет о переходе к «логическому выводу» и «Physical AI», что посылает очень прямой сигнал: эпоха «большой силы, творящей чудеса» за счет накопления карт для обучения больших моделей прошла, и в будущем конкуренция в ИИ будет вестись вокруг внедрения прикладных сценариев по принципу «приложение — король».
Другими словами, Physical AI — это вторая половина Generative AI.
Потому что LLM уже прочитали все данные, накопленные человечеством в интернете за десятилетия, но они все еще не умеют откручивать крышку бутылки как человек. Physical AI призван решить проблему «единения знания и действия» за пределами интеллекта ИИ.
Потому что физический ИИ не может зависеть от «длинной рефлекторной дуги» удаленных облачных серверов. Логика проста: если ChatGPT замедлится на секунду при генерации текста, вы просто почувствуете задержку, но если двуногий робот замедлится на секунду из-за сетевой задержки, он может упасть с лестницы.
Однако, хотя Physical AI кажется продолжением генеративного ИИ, на самом деле он сталкивается с тремя совершенно новыми задачами:
1) Пространственный интеллект: придание ИИ способности понимать трехмерный мир.
Профессор Ли Фэйфэй ранее предложила, что пространственный интеллект является следующей путеводной звездой эволюции ИИ. Чтобы робот двигался, он сначала должен «увидеть» окружающую среду. Это не просто распознать «это стул», но и понять «положение этого стула в трехмерном пространстве, его структуру и с какой силой мне его передвинуть».
Для этого необходимы огромные,实时ные, покрывающие каждый уголок в помещении и на улице данные о 3D-среде;
2) Виртуальный тренировочный полигон: обучение ИИ методом проб и ошибок в симулированном мире.
Упомянутый Хуаном Жэньсунем Omniverse — это своего рода «виртуальный тренировочный полигон». Прежде чем войти в реальный физический мир, робот должен тренироваться «падать 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 методом проб и ошибок непосредственно в реальности, стоимость износа оборудования будет астрономической.
Этот процесс предъявляет экспоненциально растущие требования к пропускной способности вычислений для симуляции физических движений и рендеринга;
3) Электронная кожа: «тактильные данные» — золотая жила данных, которую предстоит разработать.
Чтобы Physical AI обладал «ощущением прикосновения», необходима электронная кожа для восприятия температуры, давления, текстуры. Эти «тактильные данные» являются совершенно новым активом, который ранее никогда не собирался в больших масштабах. Для этого может потребоваться масштабный сбор данных с датчиков. На выставке CES компания продемонстрировала «серийную кожу»: на одной руке, покрытой密密麻麻 датчиками, было集成ровано 1956 сенсоров, что и позволило достичь волшебного эффекта, когда робот чистит яйцо.
Эти «тактильные данные» являются совершенно новым активом, который ранее никогда не собирался в больших масштабах.
Прочитав это, вы наверняка почувствуете, что появление концепции Physical AI дает большие возможности для выделения многих носимых устройств, человекоподобных роботов и другого hardware, которые несколько лет назад基本上 высмеивались как «большие игрушки».
На самом деле, я хочу сказать, что в новой карте Physical AI у Crypto-сектора также есть отличная возможность занять свою нишу в экосистеме. Приведу несколько примеров:
1. Крупные компании ИИ могут отправлять автомобили для съемки панорам улиц, чтобы сканировать каждую главную улицу мира, но они не могут собрать данные из труднодоступных уголков, переулков, внутренних дворов, подвалов. Используя стимулы в виде вознаграждения токенами через сети DePIN-устройств и привлекая пользователей по всему миру дополнять эти данные с помощью своих портативных устройств, можно potentially восполнить эти пробелы;
2. Как упоминалось ранее, роботы не могут зависеть от облачных вычислений, но для краткосрочного大规模 использования возможностей периферийных вычислений и распределенного рендеринга, особенно для обработки данных при переходе от симуляции к реальности, можно использовать распределенные вычислительные сети, объединяя простаивающие потребительские hardware-ресурсы для их распределения и调度, и они могут пригодиться;
3. «Тактильные данные», помимо применения датчиков в large scale, судя по названию, будут крайне конфиденциальными. Как побудить массы делиться этими涉及 конфиденциальностью данными с ИИ-гигантами? feasible путь — позволить людям, вносящим данные, получать подтверждение прав на данные и долю прибыли.
Подведем итог:
Physical AI — это вторая половина пути для web2 AI-сектора, о которой заявил Хуан. А разве это не так для web3 AI + Crypto-секторов, таких как DePIN, DeAI, DeData и других? Как вы думаете?
