Тайната на успеха: Малката лаборатория, която роди първата компания за $4 трлн.

Когато Бил Дали се присъединява към изследователската лаборатория на Nvidia през 2009 г., тя наброява едва дузина души и се фокусира върху рей трейсинг – техника за рендиране, използвана в компютърната графика.

Днес тази някога малка лаборатория има над 400 служители. Те са помогнали за превръщането на Nvidia от стартъп за видеоигри през 90-те години в компания за 4 трлн. долара, която движи бума на изкуствения интелект. Сега екипът насочва вниманието си към технологиите за роботика и физически AI. Част от тази работа вече се вижда в продуктите: наскоро компанията представи нови AI модели, библиотеки и инфраструктура за разработчици в областта на роботиката.

Дали и Фидлър

Дали, който вече е главен учен в Nvidia, започва да сътрудничи с компанията през 2003 г. По-късно, когато е готов да се оттегли от поста си на ръководител на катедрата по компютърни науки в Станфорд, той планира да си вземе почивка. Но главният изпълнителен директор на Nvidia Дженсън Хуанг и тогавашният ръководител на лабораторията Дейвид Кърк имат друга идея.

Дали разказва пред TechCrunch, че двамата са го подложили на „пълен натиск“, за да го убедят да се присъедини към екипа. В крайна сметка успяват. „Оказа се, че това е идеално за моите интереси и таланти“, казва Дали.

Мисля, че всеки търси мястото в живота, където може да има най-голям принос, и за мен това определено е Nvidia.“

Под ръководството на Дали през 2009 г. лабораторията се разраства бързо и започва да работи в нови области като проектиране на схеми и VLSI (много голяма интеграция) – процес, който събира милиони транзистори на един чип.

Визията за AI и роботиката 

Nvidia е сред първите, които предвиждат бъдещия бум на изкуствения интелект. Още през 2010 г. компанията започва да експериментира с идеята за AI графични процесори, повече от десетилетие преди настоящата мания. „Казахме, че това е невероятно и ще промени света“, разказва Дали. „Трябва да удвоим усилията си в тази посока, и Дженсън ми повярва. Започнахме да специализираме нашите графични процесори за AI, да разработваме софтуер и да си партнираме с изследователи по целия свят, много преди да стане очевидно, че това ще бъде толкова важно.“

Сега, след като Nvidia има водеща позиция на пазара на AI графични процесори, компанията търси нови области на приложение извън центровете за данни. Този фокус се насочва към физическия AI и роботиката.

Мисля, че в крайна сметка роботите ще играят огромна роля в света и ние искаме да създадем техните мозъци“, казва Дали. „За да го направим, трябва да започнем да развиваме ключовите технологии.“

Тук се включва и Саня Фидлър, вицепрезидент по изкуствен интелект в Nvidia. Тя се присъединява към лабораторията през 2018 г. По това време вече работи върху симулационни модели за роботи с екип от студенти от MIT. Хуанг проявява интерес към работата ѝ и я кани да се присъедини.

Не можех да устоя“ споделя Фидлър. „Темата беше много подходяща, а културата също. Дженсън ми каза: 'Ела да работиш с мен, не с нас, не за нас'.“

Тя се присъединява към Nvidia и започва да създава изследователска лаборатория в Торонто, фокусирана върху Omniverse – платформата на компанията за симулации за физически AI.

Първото предизвикателство е намирането на необходимите 3D данни. Това включва откриване на подходящи изображения и разработване на технологията, която да ги превърне в 3D модели за симулаторите. „Инвестирахме в технология, наречена диференцируемо рендиране, която прави рендирането подходящо за AI“, обяснява Фидлър. „Тя работи обратно - от изображение или видео към 3D модел.“

Ускоряване на AI за роботите

Omniverse пуска първата версия на модела си, който превръща изображения в 3D, GANverse3D, през 2021 г. След това екипът адаптира процеса и за видео. Фидлър казва, че са използвали видеоклипове от роботи и самоуправляващи се автомобили, за да създадат 3D модели и симулации чрез Neural Reconstruction Engine, обявен през 2022 г. Тези технологии са в основата на семейството Cosmos от световни AI модели, представени на CES през януари.

Сега лабораторията се фокусира върху ускоряването на тези модели. Фидлър обяснява, че в игрите и симулациите технологията трябва да реагира в реално време, а за роботите времето за реакция трябва да бъде още по-бързо. „Роботът не трябва да възприема света по същия начин, по който работи светът“, казва тя.

Той може да го възприема 100 пъти по-бързо. Ако успеем да направим този модел значително по-бърз, той ще бъде изключително полезен за роботизирани и физически AI приложения.“

Компанията продължава да постига напредък. На конференцията SIGGRAPH Nvidia обяви нови световни AI модели за създаване на синтетични данни, с които да се обучават роботи, както и софтуерни библиотеки и инфраструктура за разработчици.

Въпреки напредъка и ентусиазма около роботите, особено хуманоидите, екипът на Nvidia остава реалистичен. И Дали, и Фидлър смятат, че индустрията е на поне няколко години от това да имаме хуманоидни роботи в домовете си. Фидлър прави сравнение с времевата рамка за навлизането на автономните превозни средства.

Постигаме огромен напредък и мисля, че AI е факторът, който прави това възможно“, казва Дали.

„Започваме с визуален AI за възприемането на робота, след това с генеративен AI, който е изключително ценен за планирането на задачи и движенията. Докато решаваме всеки от тези малки проблеми и количеството данни, с които обучаваме мрежите, расте, тези роботи ще се развиват.“