黄仁勋 відкриває нову еру AI: Як Physical AI переформатовує карту обчислювальних потужностей та екосистему Crypto

На нещодавньому форумі у Давосі слова Дженсена Хуана викликали широкі роздуми у галузі. Цей керівник NVIDIA не лише переосмислює напрямки розвитку штучного інтелекту, а й у неявний спосіб відкриває нові можливості для сфери криптоактивів. Він використав концепцію “Physical AI”, проголошуючи прихід нової епохи.

Від тренування до роз inference: революція обчислювальної потужності, оголошена Хуаном

Дженсен Хуанг зазначив, що наразі застосування штучного інтелекту активно розвивається, але фокус потреб у обчислювальній потужності зазнає фундаментальних змін. Епоха ресурсомісткого змагання, коли для тренування моделей використовувалися великі обсяги апаратного забезпечення, вже минула. У майбутньому змагання зосередиться на inference та Physical AI, тобто AI має не лише “думати”, а й “робити”.

Ця точка зору ознаменовує революційний зсув. NVIDIA, як абсолютний лідер у епосі GPU, раніше підтримувала компанії, забезпечуючи масштабною обчислювальною потужністю для тренування великих моделей. Однак нові висловлювання Хуана свідчать, що прагнення до збільшення кількості параметрів вже не є визначальним фактором перемоги. Майбутня конкуренція зосередиться на застосуванні, реалізації сценаріїв і створенні реальної цінності.

Суть Physical AI: перехід від віртуального до реального

Великі мовні моделі вже освоїли обробку текстових даних з Інтернету, але цього недостатньо. Велика модель, що пройшла тренування, все ще не може так точно, як людина, відкрутити кришку, зрозуміти вагу або текстуру предмета. Це і є головна проблема, яку має вирішити Physical AI — подолати розрив між інтелектуальним рівнем AI і реальним виконанням.

Ключовий обмежувач Physical AI — це його надзвичайна вимога до швидкої реакції. Якщо ChatGPT затримується на секунду, користувач може просто відчути затримку інтерфейсу. Але якщо двоногий робот через мережеву затримку зупиниться на секунду, він може впасти з сходів. Це означає, що Physical AI має базуватися на локальних обчисленнях і краєвій обчислювальній потужності, а не покладатися на віддалену обробку у хмарі.

Три головні технічні виклики Physical AI

Розкриваючи цю нову галузь, Хуанг натякає на три ключові технічні проблеми, які потрібно подолати. Вони не лише визначають напрямок розвитку індустрії, а й відкривають нові можливості для інвестицій.

Просторова інтелектуальність: здатність роботів сприймати тривимірний світ

Професор Лі Фейфей із Стенфордського університету висловив важливу ідею: просторова інтелектуальність — це наступна зірка у еволюції штучного інтелекту. Щоб робот міг діяти у фізичному світі, він має справді розуміти навколишнє середовище.

Це не лише розпізнавання об’єктів — “це стілець” — а глибше розуміння: “де саме у тривимірному просторі знаходиться цей стілець, з яких конструктивних елементів він складається, і яку силу потрібно застосувати, щоб безпечно його перемістити”. Таке розуміння базується на величезних, реальних і всебічних даних про 3D-середовище, що охоплюють внутрішні та зовнішні сцени. На сьогодні таких даних бракує.

Віртуальний тренувальний майданчик: симуляційна школа для роботів

Хуанг особливо підкреслив Omniverse — це новий підхід до тренування. Перед виходом у реальний фізичний світ робот має пройти тисячі циклів помилок у цілком віртуальному середовищі. Як навчитися ходити, не падаючи — потрібно “попастися” тисячі разів, і саме у симуляції робот набуває навичок. Цей процес називається “Sim-to-Real” — перехід від симуляції до реальності.

Якщо дозволити роботам тренуватися у реальному світі, кожна аварія або падіння призведе до пошкоджень обладнання та високих витрат на ремонт і заміну. Віртуальні тренувальні майданчики дозволяють масштабно навчатися із мінімальними витратами на апаратне забезпечення. Водночас, для цього потрібні потужні фізичні симулятори та високопродуктивні графічні обчислення, що зростають у геометричній прогресії.

Тактильні дані: незамінний ресурс для створення людського відчуття

Щоб Physical AI міг імітувати людське “відчуття”, потрібно використовувати електронну шкіру для сенсорного сприйняття температури, тиску та текстури матеріалів. Ці “тактильні дані” — це перша масштабна колекція такого роду у людському суспільстві.

На виставці CES компанія Ensuring продемонструвала прорив: їхній “масовий електронний шкірний покрив” на одному механічному руці має 1956 щільно розташованих сенсорів. Саме ці дрібні сенсори дозволяють роботам точно торкатися яєць, не розбивши їх. Збір тактильних даних відкриває новий клас даних-активів.

Приховані можливості у криптосфері для заповнення прогалин

Після ознайомлення з цими технічними вимогами багато хто може подумати, що у цій сфері зможуть брати участь лише великі технологічні компанії та виробники обладнання. Насправді ж, децентралізовані екосистеми DePIN, DeAI, DeData можуть заповнити ключові прогалини у Physical AI.

Мережі збору 3D-даних по всьому світу

Машини Google Street View можуть сканувати головні вулиці світу, але не можуть проникнути у кожен провулок, кожен підвал або внутрішній дворик. Ці “сліпі зони” у 3D-даних дуже важливі для реального розгортання роботів.

Мережі DePIN через механізм токенів можуть залучити мільйони користувачів по всьому світу, які за допомогою смартфонів та інших пристроїв постійно збирають ці дані. За кожен корисний внесок користувач отримує відповідний токен. Це дешевше, ніж залучати великі компанії з автопарками, і дозволяє закрити останній кілометр у покритті даних.

Децентралізована мережа краєвих обчислень

Вимоги Physical AI до швидкої обробки означають, що не можна цілком покладатися на хмару. Це відкриває можливості для децентралізованих мереж обчислень. Мільярди споживчих пристроїв — ПК, ігрові консолі, високопродуктивні мобільні — часто перебувають у режимі простою або низької навантаженості.

Об’єднуючи ці ресурси у децентралізовану мережу, можна ефективно розподіляти обчислювальні задачі, зменшуючи затримки та знижуючи витрати. Це дозволяє виконувати рендеринг та inference у краєвих вузлах, що вирішує проблему швидкості та знижує операційні витрати.

Токенізація приватності та прав на дані

Тактильні дані — це дуже чутливі приватні дані. Якщо користувачі просто передають їх корпораціям, виникає ризик порушення приватності. Але за допомогою блокчейн-інструментів для підтвердження прав на дані та розподілу доходів можна створити безпечну систему.

Користувачі зможуть зберігати право власності на свої дані, контролювати їх використання і отримувати економічну винагороду за кожен етап їхнього використання. Модель “дані як актив” у поєднанні з токенами та смартконтрактами дозволяє масштабно залучати користувачів до внеску приватних даних, забезпечуючи при цьому безпеку та приватність.

Стратегічне значення Crypto у епоху Physical AI

Загалом, слова Хуана окреслюють напрямок для всієї галузі. Physical AI — це не лише друга половина Web 2.0 AI, а й стратегічна можливість для Web 3.0 і криптоіндустрії.

Децентралізовані інфраструктури та застосунки у сфері DePIN, DeAI, DeData вже не є лише теоретичними концепціями, а стають невід’ємною частиною нового етапу. Від глобального збору даних і краєвих обчислень до безпечної передачі приватних даних і справедливого розподілу цінностей — децентралізовані рішення демонструють свою цінність у цій новій епосі.

Ця зміна у погляді Хуана фактично освітлює шлях для криптоактивів. У контексті Physical AI проекти, що зосереджені на інфраструктурі, протоколах даних і мотиваційних механізмах, можуть опинитися саме на перехресті історичних можливостей.