Nvidia 的萬億美元崛起由微不足道的研究實驗室推動

2009 年，Bill Dally 加入 Nvidia 研究部門時，該部門還是一個只有十幾人的小團隊，主要專注於電腦繪圖的光線追蹤。

自此之後，這個規模不大的研究團隊已成長到超過 400 名員工，在 Nvidia 從 1990 年代的遊戲 GPU 創業公司，演變成價值 4 兆美元的人工智慧革命核心企業的過程中，扮演了舉足輕重的角色。

該實驗室的重點現在已轉移到開發機器人與人工智慧的基礎技術，部分成果已進入市場。本週一，該公司針對機器人技術推出了一套全新的世界 AI 模型、程式庫和開發人員基礎架構。

Dally 現為 Nvidia 的首席科學家，2003 年在史丹福大學就讀時首次為該公司提供顧問服務。多年之後，當他準備卸下史丹佛大學電腦科學系系主任的職務休假時，Nvidia 卻對他另有安排。

當時的研究部主管 David Kirk 和執行長 Jensen Huang 認為在實驗室擔任長期職位更適合他。Dally 告訴 TechCrunch，他們兩人為了說服他加入，進行了「全場壓力」，最終他們成功了。

"Dally 說：「這對我的興趣和技能來說是天作之合。"每個人都在尋找自己能做出最大貢獻的地方。對我來說，這個地方無疑就是 Nvidia。

當 Dally 在 2009 年接掌實驗室時，擴充是當務之急。團隊迅速從光線追蹤擴展到電路設計和 VLSI (超大規模整合) 等新領域，也就是將數百萬個電晶體嵌入單一晶片的製程。

研究實驗室自此不斷成長。

科技與創投重量級人物加入 Disrupt 2025 議程

Netflix、ElevenLabs、Wayve、紅杉資本、Elad Gil - 只是加入 Disrupt 2025 議程的幾位重量級人物。他們將為您提供啟發初創公司成長的真知灼見，讓您的優勢更加突出。不要錯過 TechCrunch Disrupt 20 週年紀念，以及向科技界頂尖人士學習的機會 - 立即購買門票，並在價格上漲之前節省高達 600 美元以上的費用。

科技與創投重量級人物加入 Disrupt 2025 議程

Netflix、ElevenLabs、Wayve、紅杉資本 - 只是加入 Disrupt 2025 議程的幾位重量級人物。他們將在此提供啟發初創公司成長的洞察力，並讓您的優勢更銳利。不要錯過 TechCrunch Disrupt 20 週年紀念，以及向科技界頂尖人士學習的機會 - 立即購買門票，在價格上漲之前最多可節省 675 美元。

"Dally 表示：「我們的目標是找出能為公司帶來最大正面影響的事物。「我們不斷探索令人振奮的新領域，但對於某些領域，即使工作出色，也很難預測我們是否能取得瘋狂的成功」。

在相當長的一段時間內，這個重點就是為人工智慧打造卓越的 GPU。Nvidia 很早就預見了人工智慧的熱潮，早在 2010 年就開始開發人工智慧 GPU 概念，比現在的狂熱早了十多年。

"我們意識到這是革命性的，將會改變世界，」Dally 回憶道。"我們必須加倍努力。當我告訴 Jensen 時，他相信了我。我們開始專注於 AI 的 GPU、開發廣泛的軟體，並與全球研究人員合作，而這一切早在其相關性顯而易見之前就開始了。

專注於實體人工智慧

現在，Nvidia 在 AI GPU 市場佔有絕對的領先優勢，正探索 AI 資料中心以外的新需求領域，並將其引導至實體 AI 和機器人領域。

「機器人最終將成為一個龐大的全球產業，而我們的目標是為所有的機器人提供大腦，」Dally 表示。「要實現這一目標，我們現在就需要開發核心技術。」

這就是 Nvidia 人工智能研究副總裁 Sanja Fidler 的切入點。Fidler 於 2018 年加入研究實驗室，帶來了她與麻省理工學院學生團隊一起研究機器人模擬模型的專業知識。當她在一次招待會上與黃討論她的研究時，黃立刻就被吸引住了。

「我忍不住加入了，」Fidler 告訴 TechCrunch。"這是一個完美的主題和文化契合點。Jensen 的邀請是個人的邀請--「來和我一起工作吧」，而不只是為了公司"。

她加入了 Nvidia，並成立了多倫多研究實驗室，專注於 Omniverse，這是一個專門為實體 AI 建立模擬的平台。

Fidler 表示，第一項重大挑戰是尋找必要的 3D 資料。這涉及到尋找足夠的影像量，並創造技術將這些影像轉換成可用的 3D 模擬器模型。

"Fidler 解釋說：「我們投資了一種稱為可分別渲染的技術，讓渲染與 AI 相容。"傳統的渲染是從 3D 轉換成影像。我們需要反轉這個過程"。

世界模型

Omniverse 於 2021 年推出其第一個影像轉 3D 模型 GANverse3D。該團隊隨後對視頻進行了相同的處理。他們使用機器人和自駕車的影片，透過 2022 年發表的 NeRF (Neural Reconstruction Engine) 建立 3D 模型和模擬。

Fidler 指出，這些技術構成了該公司 Cosmos 系列世界 AI 模型的基礎，該模型於 1 月在 CES 上發表。

實驗室目前的首要任務是提升這些模型的速度。Fidler 強調，對於機器人與模擬，反應時間必須是即時的，而對於機器人，他們的目標是更快的反應能力。

"Fidler 說：「機器人不需要以我們的速度來感知世界。「它處理資訊的速度可以快上 100 倍。大幅加快這些模型的速度，將使它們在機器人和物理 AI 應用上大有用武之地"。

公司正朝著這個目標邁進。在週一舉行的 SIGGRAPH 電腦圖形會議上，Nvidia 宣佈推出新的世界 AI 模型機群，用於產生合成資料以訓練機器人，同時還為機器人開發人員提供了新的程式庫和基礎架構軟體。

儘管有這些進展，以及目前對機器人，特別是人類機器人的炒作，Nvidia 的研究團隊仍保持務實的態度。

Dally 和 Fidler 估計，業界距離實用的家用人形機器人仍有數年的時間，Fidler 更將此時間線與自動車相提並論。

"Dally 表示：「我們正在取得巨大的進展，而人工智慧是關鍵的推動力。"一開始是用視覺人工智能來感知機器人，現在生成式人工智能被證明對於任務規劃、動作規劃和操縱有極大的價值。隨著我們解決每個子問題以及訓練資料集的擴大，這些機器人將繼續發展。

我們一直在努力改進。分享您對 TechCrunch 報導與活動的觀點與意見，可以幫助我們不斷進步。請填寫 這份問卷 ，讓我們了解您的意見，您也有機會贏得獎品！