Триллионный рост компании Nvidia был обеспечен скромной исследовательской лабораторией

В 2009 году, когда Билл Дэлли пришел в исследовательское подразделение Nvidia, это была небольшая команда из дюжины человек, сосредоточенная в основном на трассировке лучей для компьютерной графики.

С тех пор эта скромная исследовательская группа выросла до более чем 400 сотрудников, сыграв ключевую роль в превращении Nvidia из стартапа по производству игровых GPU в компанию стоимостью 4 триллиона долларов, находящуюся в центре революции в области искусственного интеллекта.

Сейчас лаборатория сместила акцент на разработку фундаментальных технологий для робототехники и искусственного интеллекта, и некоторые из ее работ уже вышли на рынок. В понедельник компания представила новый набор мировых моделей ИИ, библиотек и инфраструктуры разработчиков для робототехники.

Дэлли, который сейчас является главным ученым Nvidia, впервые проконсультировал компанию в 2003 году, когда учился в Стэнфорде. Спустя годы, когда он готовился уйти с поста заведующего кафедрой информатики Стэнфорда в академический отпуск, у Nvidia были другие планы на него.

Дэвид Кирк, тогдашний глава исследовательского отдела, и генеральный директор Дженсен Хуанг считали, что постоянная роль в лаборатории подходит лучше. Дэлли рассказал TechCrunch, что пара устроила "полный прессинг", чтобы убедить его присоединиться, и в конце концов им это удалось.

"Оказалось, что это идеальное соответствие моим интересам и навыкам", - сказал Дэлли. "Каждый человек ищет место, где он может внести свой наибольший вклад. Для меня таким местом, несомненно, является Nvidia".

Когда Далли возглавил лабораторию в 2009 году, его первоочередной задачей стало расширение. Команда быстро перешла от трассировки лучей к новым областям, таким как проектирование схем и VLSI (очень крупномасштабная интеграция), процесс встраивания миллионов транзисторов в один чип.

С тех пор исследовательская лаборатория постоянно растет.

Тяжеловесы технологического и венчурного бизнеса присоединяются к программе Disrupt 2025

Netflix, ElevenLabs, Wayve, Sequoia Capital, Элад Гил - вот лишь некоторые из тех, кто присоединился к программе Disrupt 2025. Они приедут, чтобы поделиться своими знаниями, которые будут способствовать росту стартапов и отточат ваше преимущество. Не пропустите 20-ю годовщину TechCrunch Disrupt и возможность поучиться у ведущих специалистов в области технологий - купите билет сейчас и сэкономьте до $600+, пока цены не выросли.

К программе Disrupt 2025 присоединяются ведущие технологические и венчурные компании

Netflix, ElevenLabs, Wayve, Sequoia Capital - это лишь некоторые из тех, кто присоединился к программе Disrupt 2025. Они приедут, чтобы поделиться своими знаниями, которые будут способствовать росту стартапов и отточат ваше преимущество. Не пропустите 20-ю годовщину TechCrunch Disrupt и возможность поучиться у ведущих специалистов в области технологий - купите билет прямо сейчас и сэкономьте до $675 до повышения цен.

"Мы стремимся определить, что окажет наибольшее положительное влияние на компанию", - говорит Дэлли. "Мы постоянно исследуем новые интересные области, но в некоторых из них трудно предсказать, добьемся ли мы успеха, даже при отличной работе".

В течение значительного периода времени эта работа была сосредоточена на создании превосходных графических процессоров для искусственного интеллекта. Nvidia предвидела бум искусственного интеллекта, начав разрабатывать концепции графических процессоров для ИИ в 2010 году - более чем за десять лет до нынешнего ажиотажа.

"Мы понимали, что это революционно и изменит мир", - вспоминает Дэлли. "Мы должны были удвоить усилия. Дженсен поверил мне, когда я сказал ему об этом. Мы начали специализировать наши GPU для ИИ, разрабатывать обширное программное обеспечение и сотрудничать с мировыми исследователями задолго до того, как их актуальность стала очевидной".

Фокус на физическом ИИ

Теперь, занимая лидирующие позиции на рынке графических процессоров для ИИ, компания Nvidia изучает новые области спроса, выходящие за рамки центров обработки данных для ИИ, и направляет их на физический ИИ и робототехнику.

"Роботы со временем станут огромной глобальной индустрией, и мы стремимся обеспечить их мозгами", - говорит Дэлли. "Чтобы достичь этого, нам нужно развивать основные технологии уже сейчас".

Именно здесь в дело вступает Саня Фидлер, вице-президент Nvidia по исследованиям в области ИИ. Фидлер присоединилась к исследовательской лаборатории в 2018 году, привнеся в нее опыт работы над моделями моделирования роботов со студенческой командой в Массачусетском технологическом институте. Когда она обсудила свои исследования с Хуангом на одном из приемов, он был сразу же заинтригован.

"Я не смогла удержаться и не присоединиться", - рассказала Фидлер в интервью TechCrunch. "Это была идеальная тема и культурное соответствие". Приглашение Дженсена было личным - "приходите работать со мной", а не просто в компанию".

Она присоединилась к Nvidia и основала в Торонто исследовательскую лабораторию Omniverse, платформу для создания симуляторов физического ИИ.

По словам Фидлера, первой серьезной проблемой был поиск необходимых 3D-данных. Для этого нужно было найти достаточные объемы изображений и создать технологию их преобразования в пригодные для использования в симуляторах 3D-модели.

"Мы инвестировали в технологию, называемую дифференцируемым рендерингом, которая делает рендеринг совместимым с искусственным интеллектом", - пояснил Фидлер. "Традиционный рендеринг идет от 3D к изображению. Нам нужно было инвертировать этот процесс".

Модели мира

Omniverse запустила свою первую модель перехода от изображения к 3D, GANverse3D, в 2021 году. Затем команда занялась тем же процессом для видео. Используя видеозаписи с роботов и самоуправляемых автомобилей, они создали 3D-модели и симуляции с помощью NeRF (Neural Reconstruction Engine), анонсированного в 2022 году.

Фидлер отметил, что эти технологии лежат в основе семейства мировых ИИ-моделей Cosmos, представленного на выставке CES в январе.

В настоящее время приоритетной задачей лаборатории является повышение скорости работы этих моделей. Фидлер подчеркнул, что для роботов и симуляторов время отклика должно быть в режиме реального времени, а для робототехники они стремятся к еще более быстрой реакции.

"Роботу не нужно воспринимать мир с той же скоростью, что и нам", - говорит Фидлер. Он может обрабатывать информацию в 100 раз быстрее". Значительное ускорение этих моделей сделает их чрезвычайно полезными для роботов и приложений физического ИИ".

Компания движется к этой цели. На конференции по компьютерной графике SIGGRAPH в понедельник Nvidia объявила о новом парке мировых моделей ИИ для создания синтетических данных для обучения роботов, а также о новых библиотеках и инфраструктурном программном обеспечении для разработчиков робототехники.

Несмотря на прогресс и нынешнюю шумиху вокруг роботов, особенно гуманоидов, исследовательская группа Nvidia остается прагматичной.

По мнению Дэлли и Фидлера, до появления практичных домашних гуманоидных роботов еще несколько лет, причем Фидлер сравнивает сроки с автономными автомобилями.

"Мы добиваемся огромного прогресса, и ИИ стал ключевым фактором, способствующим этому", - говорит Дэлли. "Все началось с визуального ИИ для восприятия роботов, а теперь генеративный ИИ оказывается чрезвычайно ценным для планирования задач, планирования движений и манипуляций. По мере решения каждой подпроблемы и расширения наборов обучающих данных эти роботы будут продолжать развиваться".

Мы всегда работаем над совершенствованием. Если вы поделитесь своим мнением и отзывами о материалах и событиях TechCrunch, это поможет нам развиваться. Заполните этот опрос, чтобы узнать, как мы работаем - у вас также будет шанс выиграть приз!