Nvidias Billionen-Dollar-Aufstieg wird durch ein bescheidenes Forschungslabor vorangetrieben

Als Bill Dally 2009 in die Forschungsabteilung von Nvidia eintrat, bestand diese aus einem kleinen Team von etwa einem Dutzend Mitarbeitern, die sich hauptsächlich mit Raytracing für Computergrafiken beschäftigten.

Diese bescheidene Forschungsgruppe ist inzwischen auf über 400 Mitarbeiter angewachsen und spielt eine entscheidende Rolle bei der Entwicklung von Nvidia von einem Gaming-GPU-Startup der 1990er Jahre zu einem 4-Billionen-Dollar-Unternehmen im Herzen der Revolution der künstlichen Intelligenz.

Der Schwerpunkt des Labors hat sich nun auf die Entwicklung der grundlegenden Technologie für Robotik und KI verlagert, wobei einige seiner Arbeiten bereits den Markt erreicht haben. Am Montag stellte das Unternehmen eine neue Reihe von KI-Modellen, Bibliotheken und eine Entwicklerinfrastruktur für die Robotik vor.

Dally, der heute Chefwissenschaftler von Nvidia ist, war bereits 2003 während seines Studiums in Stanford als Berater für das Unternehmen tätig. Jahre später, als er sich darauf vorbereitete, den Lehrstuhl für Informatik in Stanford aufzugeben, um ein Sabbatjahr einzulegen, hatte Nvidia andere Pläne mit ihm.

David Kirk, der damalige Forschungschef, und CEO Jensen Huang waren der Meinung, dass eine feste Stelle im Labor besser zu ihm passen würde. Dally erzählte TechCrunch, dass die beiden ihn mit aller Macht davon überzeugen wollten, sich dem Unternehmen anzuschließen, was ihnen schließlich auch gelang.

"Es stellte sich heraus, dass es perfekt zu meinen Interessen und Fähigkeiten passte", sagte Dally. "Jeder sucht nach dem Ort, an dem er seinen größten Beitrag leisten kann. Für mich ist das zweifelsohne Nvidia."

Als Dally im Jahr 2009 die Leitung des Labors übernahm, hatte die Expansion sofort Priorität. Das Team verzweigte sich schnell von der Strahlenverfolgung in neue Bereiche wie Schaltungsdesign und VLSI (Very Large Scale Integration), dem Prozess der Integration von Millionen von Transistoren auf einem einzigen Chip.

Seitdem ist das Forschungslabor ständig gewachsen.

Tech- und VC-Schwergewichte auf der Agenda der Disrupt 2025

Netflix, ElevenLabs, Wayve, Sequoia Capital, Elad Gil - das sind nur einige der großen Namen, die an der Disrupt 2025 teilnehmen. Sie sind hier, um die Erkenntnisse zu liefern, die das Wachstum von Start-ups fördern und Ihren Vorsprung schärfen. Verpassen Sie nicht das 20-jährige Jubiläum der TechCrunch Disrupt und die Chance, von den führenden Köpfen der Tech-Branche zu lernen - sichern Sie sich jetzt Ihr Ticket und sparen Sie bis zu 600 Dollar, bevor die Preise steigen.

Tech- und VC-Schwergewichte auf der Agenda der Disrupt 2025

Netflix, ElevenLabs, Wayve, Sequoia Capital - das sind nur einige der großen Namen, die auf der Disrupt 2025 vertreten sind. Sie sind hier, um die Erkenntnisse zu liefern, die das Wachstum von Start-ups fördern und Ihren Vorsprung schärfen. Verpassen Sie nicht das 20-jährige Jubiläum der TechCrunch Disrupt und die Chance, von den führenden Köpfen der Tech-Branche zu lernen - sichern Sie sich jetzt Ihr Ticket und sparen Sie bis zu 675 US-Dollar, bevor die Preise steigen.

"Wir versuchen herauszufinden, was den größten positiven Einfluss auf das Unternehmen haben wird", so Dally. "Wir erforschen ständig neue, spannende Bereiche, aber bei einigen ist es schwer vorherzusagen, ob wir auch bei exzellenter Arbeit großen Erfolg haben werden."

Eine Zeit lang lag der Fokus auf der Entwicklung von überlegenen GPUs für künstliche Intelligenz. Nvidia hat den KI-Boom frühzeitig vorausgesehen und bereits 2010 mit der Entwicklung von KI-GPU-Konzepten begonnen - mehr als ein Jahrzehnt vor der aktuellen Aufregung.

"Wir erkannten, dass dies revolutionär war und die Welt verändern würde", erinnert sich Dally. "Wir mussten das Ganze verdoppeln. Jensen glaubte mir, als ich es ihm sagte. Wir begannen damit, unsere Grafikprozessoren auf KI zu spezialisieren, umfangreiche Software zu entwickeln und mit Forschern aus aller Welt zusammenzuarbeiten, lange bevor die Relevanz des Themas offensichtlich war."

Physikalische KI im Fokus

Nun, da Nvidia eine beherrschende Stellung auf dem Markt für KI-GPUs einnimmt, erkundet das Unternehmen neue Nachfragebereiche jenseits von KI-Rechenzentren und konzentriert sich auf physische KI und Robotik.

"Roboter werden sich zu einer massiven globalen Industrie entwickeln, und wir wollen die Gehirne für sie alle liefern", sagte Dally. "Um das zu erreichen, müssen wir jetzt die Kerntechnologien entwickeln."

An dieser Stelle kommt Sanja Fidler, Nvidias Vizepräsidentin für KI-Forschung, ins Spiel. Fidler kam 2018 zum Forschungslabor und brachte ihre Erfahrung aus ihrer Arbeit an Robotersimulationsmodellen mit einem Studententeam am MIT mit. Als sie bei einem Empfang mit Huang über ihre Forschung sprach, war er sofort fasziniert.

"Ich konnte nicht widerstehen, mitzumachen", sagte Fidler gegenüber TechCrunch. "Es war ein perfektes Thema und passte perfekt zur Kultur. Jensens Einladung war persönlich - 'komm und arbeite mit mir', nicht nur für das Unternehmen."

Sie kam zu Nvidia und gründete ein Forschungslabor in Toronto, das sich auf Omniverse konzentrierte, eine Plattform zur Erstellung von Simulationen für physische KI.

Laut Fidler bestand die erste große Herausforderung darin, die erforderlichen 3D-Daten zu beschaffen. Dazu mussten wir ausreichende Bildmengen finden und die Technologie entwickeln, um diese Bilder in brauchbare 3D-Modelle für Simulatoren umzuwandeln.

"Wir haben in eine Technologie namens differenzierbares Rendering investiert, die Rendering mit KI kompatibel macht", erklärte Fidler. "Traditionelles Rendering geht von 3D zu Bild. Wir mussten diesen Prozess umkehren."

Weltmodelle

Omniverse brachte sein erstes Bild-zu-3D-Modell, GANverse3D, im Jahr 2021 auf den Markt. Das Team hat dann den gleichen Prozess für Videos in Angriff genommen. Unter Verwendung von Aufnahmen von Robotern und selbstfahrenden Autos erstellten sie 3D-Modelle und Simulationen mit der NeRF (Neural Reconstruction Engine), die 2022 angekündigt wurde.

Laut Fidler bilden diese Technologien die Grundlage für die Cosmos-Familie von KI-Modellen, die im Januar auf der CES vorgestellt wurde.

Die aktuelle Priorität des Labors ist die Erhöhung der Geschwindigkeit dieser Modelle. Bei Robotern und Simulationen müssen die Reaktionszeiten in Echtzeit sein, betonte Fidler, und bei der Robotik strebt man noch schnellere Reaktionsmöglichkeiten an.

"Ein Roboter muss die Welt nicht mit der gleichen Geschwindigkeit wahrnehmen wie wir", sagte Fidler. "Er kann Informationen 100 Mal schneller verarbeiten. Eine deutliche Beschleunigung dieser Modelle wird sie für robotische und physikalische KI-Anwendungen ungemein nützlich machen."

Das Unternehmen ist auf dem Weg zu diesem Ziel. Auf der Computergrafik-Konferenz SIGGRAPH am Montag kündigte Nvidia eine neue Flotte von KI-Modellen an, mit denen synthetische Daten für das Training von Robotern erzeugt werden können, sowie neue Bibliotheken und Infrastruktur-Software für Robotik-Entwickler.

Trotz der Fortschritte - und des aktuellen Hypes um Roboter, insbesondere Humanoide - bleibt das Nvidia-Forschungsteam pragmatisch.

Sowohl Dally als auch Fidler schätzen, dass die Industrie noch einige Jahre von praktischen humanoiden Robotern für den Heimgebrauch entfernt ist, wobei Fidler den Zeitplan mit dem von autonomen Fahrzeugen vergleicht.

"Wir machen enorme Fortschritte, und die künstliche Intelligenz ist der Schlüssel zum Erfolg", so Dally. "Es begann mit der visuellen KI für die Roboterwahrnehmung, und jetzt erweist sich die generative KI als äußerst wertvoll für die Aufgabenplanung, Bewegungsplanung und Manipulation. Während wir jedes Teilproblem lösen und unsere Trainingsdaten erweitern, werden sich diese Roboter weiter entwickeln."

Wir arbeiten ständig daran, uns zu verbessern. Ihre Meinung und Ihr Feedback zu den Berichten und Veranstaltungen von TechCrunch können uns helfen, uns weiterzuentwickeln. Füllen Sie diese Umfrageaus , um uns mitzuteilen, wie wir vorankommen - und Sie haben die Chance, einen Preis zu gewinnen!