來源：硬AI
作者：卜淑情
黃仁勳認爲未來AI將會往兩個方向發展：能力的可擴展性和多模態，以及應用的「寒武紀大爆發」，未來AI代理和機器人技術將是未來最受歡迎的兩種人工智能。英偉達未來佈局聚焦於AI技術和生態系統合作，通過加速計算和GPU強化CPU，同時提供豐富的軟件和庫支持AI發展，並通過企業合作推動新工業革命，使每家公司都能生產自己的AI。
對於未來AI的發展方向， $英偉達 (NVDA.US)$ CEO黃仁勳又有了新的判斷。他在稍早前舉辦的英偉達日本峯會上提到了兩個AI趨勢：
AI的可擴展性和多模態能力。這意味着AI能夠處理和理解多種類型的數據，如文本、語音、圖像和視頻，並將這些數據類型相互關聯，從而在多種應用場景中發揮作用。
AI應用的「寒武紀大爆發」。AI應用的爆炸性增長，將創造許多新的行業和公司。黃仁勳將這一時期比作「寒武紀大爆發」，一個生物多樣性急劇增加的地質時期。
他強調，儘管芯片是AI系統的核心組件之一，但AI的真正價值和潛力在於整個系統的綜合能力和廣泛的應用前景。
黃仁勳認爲，未來有兩種類型的AI會非常受歡迎：數字AI工作者（AI代理）和物理AI（機器人技術）。數字AI工作者能執行多種任務，如營銷、客戶支持等，像數字員工一樣運作。物理AI則體現在機械系統中，如自動駕駛汽車和工業機器人，它們能在現實世界中執行復雜任務。
黃仁勳將英偉達視爲一家模擬技術公司，專注於模擬物理學、虛擬世界和智能，通過模擬幫助預測未來，更像是在造時間機器。他說，英偉達未來佈局聚焦於AI技術和生態系統合作，通過加速計算和GPU強化CPU，同時提供豐富的軟件和庫支持AI發展。
他還說，一個新的行業——人工智能製造——正在誕生，屆時每家公司都將成爲 AI 製造商。
黃仁勳演講亮點：
本質上，英偉達是一家模擬技術公司。我們模擬物理、虛擬世界和智能。通過我們的模擬技術，我們幫助您預測未來。因此，在許多方面，英偉達就像製造了時間機器。
英偉達發明了加速計算，但並沒有取代CPU。事實上，我們幾乎是計算機領域唯一一家不想取代CPU的公司。我們的目標是通過將計算密集型的工作負載轉移到GPU上，從而釋放CPU的能力。
在過去的十年裏，我們讓人工智能和機器學習的規模提高了 100 萬倍。通過把機器學習的規模提升100萬倍，我們實現了一個巨大的突破，也正是這個突破，催生了如今的 ChatGPT——人工智能的到來。
軟件1.0 就是編寫在 CPU 上運行的代碼。現在我們進入了軟件2.0時代，因爲計算機速度已經非常快，你可以給它提供大量的樣本數據，讓它自己學習並預測函數。我們稱之爲軟件 2.0。
現在的軟件不再是手寫的代碼，而是在GPU上運行的神經網絡。這些在GPU上運行的神經網絡正在形成一種新的操作系統，一種新的使用計算機的方式，也就是現代計算機的操作系統，特別是大型語言模型。
這種機器學習方法已被證明具有令人難以置信的可擴展性。你可以用它做各種各樣的事情，包括數字化文本、聲音、語音、圖像和視頻。它可以是多模態的。你可以教它氨基酸序列，教它理解任何有大量觀察數據的內容。現在AI應用正在以寒武紀時代的速度爆炸式增長，而我們才剛剛開始。
AI不單單是芯片的問題。（GPU）系統不能單獨工作。即使是世界上最先進的計算機也無法單獨爲人工智能工作。有時它必須與成千上萬的其他計算機一起工作，像這樣的節點一起作爲一臺計算機。有時他們必須分開工作，因爲他們正在響應不同的客戶、不同的查詢，有時是單獨的，有時是作爲一個整體。
我認爲有兩種類型的人工智能會非常受歡迎。一個是數字化的，我們稱之爲AI代理，你可以在辦公室裏使用它們與你的員工合作。第二個是物理AI系統機器人。這些物理AI將是公司構建的產品。因此，公司將使用AI來提高員工的生產力，我們將使用AI來推動和授權我們銷售的產品。車企未來會有兩個工廠，一個工廠造汽車，一個工廠生產汽車裏運行的AI。
現在我們有了一個以前從未存在過的新行業（人工智能製造）——人工智能位於計算機行業的頂端，但它被每個行業利用和創造。每個行業、每個公司、每個國家都必須生產自己的AI，這是一場新的工業革命。
爲了實現機器人技術，我們需要建造三臺計算機。第一臺計算機訓練AI，就像我們之前給你們舉的所有例子一樣。第一臺是模擬AI。你需要給AI一個練習的地方，一個學習的地方，一個撤退的地方，接收它可以學習的合成數據。Omniverse平台，它使您能夠創建AI。最終你想要的是AI。最終，你所期望的 AI，將會看到一個世界，它能識別視頻、周圍的環境以及你的需求，並生成相應的動作。
黃仁勳演講全文（AI翻譯）如下：
歡迎來到英偉達AI峯會。你剛才看到的一切都是模擬的。沒有動畫。
本質上，英偉達是一家模擬技術公司。我們模擬物理、虛擬世界和智能。通過我們的模擬技術，我們幫助您預測未來。因此，在許多方面，英偉達就像製造了時間機器。
今天，我們將與您分享我們的一些最新突破。但最重要的是，這是一個關於日本生態系統的活動。我們在這裏有很多合作伙伴，包括350家初創公司、250,000名開發者和數百家公司。我們來這裏已經很久了。
自公司成立以來，日本市場對我們非常重要。在日本，我們有許多「第一次」嘗試。第一個與我們合作的遊戲開發者是世嘉的鈴木裕，他是一位著名的3D遊戲開發者，首先與我們合作將世嘉令人驚歎的3D遊戲移植到英偉達的圖形處理器上。東京工業大學首次使用英偉達CUDA構建超級計算機Subamer 1.2，使我們能夠利用我們的圖形處理器推動科學計算。日本在許多方面都是第一。這也是我們首次能夠創建移動處理器，這催生了我們非常重要的項目之一——任天堂Switch。如此多的「第一次」。
現在我們正處於一個新時代的開始，AI革命，一個新的行業，非凡的技術變革。這是一個非常令人興奮的時刻，但也非常關鍵。因此，我們在這裏與日本生態系統的優秀公司合作，將AI引入日本，以便我們能夠充分利用眼前這個非凡的機會。
今天我們在這裏有許多合作伙伴，我要感謝GMO互聯網集團、惠普、微軟Azure、三井集團等白金贊助商。我想感謝你們所有人。
還有其他56個贊助商。感謝大家的到來，感謝大家的支持。英偉達發明了加速計算，但並沒有取代CPU。事實上，我們幾乎是計算機領域唯一一家不想取代CPU的公司。我們的目標是通過將計算密集型的工作負載轉移到GPU上，從而釋放CPU的能力。
這是GPU，這是CPU。通過結合這兩者，我們可以利用這兩種處理器的最佳功能：CPU非常擅長順序處理，而圖形處理器則非常擅長並行處理。我稍後會詳細討論這個，但這就是加速計算，不僅僅是並行計算，而是CPU和GPU的協同工作。
這種計算模型對世界來說是全新的。事實上，CPU自1964年開始就已經存在了，也就是我出生的第二年，至今已有60年。我們今天在計算機上看到的絕大多數運行在CPU上的軟件。但現在有一個新的變化，計算模型正在發生根本性變化。然而，爲了實現這一點，你不能僅僅將順序運行的CPU軟件放到GPU上並行運行。我們必須創建一大堆新的算法，就像OpenGL使計算機圖形應用程序能夠通過圖形處理器連接到加速一樣，我們必須爲許多不同的應用程序創建許多特定領域的庫。這些是我們公司擁有的350個不同庫中的一些，非常重要的庫。
Kulethos是一個用來加速計算光刻的工具，這是芯片製造過程中的一個步驟。計算光刻是一個複雜的過程，通常需要數週時間來計算許多層的圖案。但使用Kulethos後，這個時間可以縮短到幾個小時。
當然，我們能夠縮短芯片製造的週期，但同樣重要的是，我們能夠讓光刻技術的算法變得更加複雜，這意味着我們可以推動半導體技術達到更高的精度，比如2納米、1納米甚至更小的尺度。因此，計算光刻的過程將通過Kulethos和Spark Solver的DSSAI Ariel技術得到加速。我今天將會詳細討論這個話題。
這個新開發的庫非常了不起，它使計算機能夠運行5G無線電的技術棧。簡單來說，就是可以在Nvidia的CUDA加速器上實時操作一個無線電。此外，CUDA也被用於量子模擬，比如模擬量子電路。還有用於基因測序的配對技術，以及KUV技術，這是一種用於存儲向量數據的技術，也用於索引和查詢向量數據庫，這些數據庫在人工智能領域特別有用。
NumPy是一個用於數值計算的庫。它是世界上最流行的數值處理庫之一，大約有五百萬不同的開發者在使用。這個庫非常受歡迎，僅在上個月就達到了3000萬次的下載量，這是一個驚人的數字。現在，NumPy已經完全支持在多個GPU和多個計算節點上進行加速計算，這使得它在處理大規模數據時更加強大。建議你去了解一下這個庫，它的強大功能確實令人難以置信。
QDF是一個用於處理數據幀和結構化數據的庫，它支持像SQL、Pandas、Polars等數據處理技術，以及解決複雜的旅行商問題（TSP，一種組合優化問題）。這個庫極大地加速了這些問題的解決，速度提升了數百倍。
接下來提到的是KUDNN，這是我們創建的最重要的庫之一，全稱是深度神經網絡的qdnn。這個庫負責處理深度學習模型中不同層次的數據。通過創建qdnn並推動深度學習的普及和加速，在過去的十年裏，我們讓人工智能和機器學習的規模提高了 100 萬倍。通過把機器學習的規模提升100萬倍，我們實現了一個巨大的突破，也正是這個突破，催生了如今的 ChatGPT——人工智能的到來。簡而言之，KUDNN庫對於推動人工智能的發展起到了關鍵作用。
Qdnn做了一些特別的事情，它改變了我們編寫和使用軟件的方式。軟件 1.0 就是編寫在 CPU 上運行的代碼。現在我們進入了軟件2.0時代，因爲計算機速度已經非常快，你可以給它提供大量的樣本數據，讓它自己學習並預測函數。我們稱之爲軟件 2.0。這樣它就能自我學習並預測函數是什麼，這就是機器學習。
所以，現在的軟件不再是手寫的代碼，而是在GPU上運行的神經網絡。這些在GPU上運行的神經網絡正在形成一種新的操作系統，一種新的使用計算機的方式，也就是現代計算機的操作系統，特別是大型語言模型。
這種機器學習方法已被證明具有令人難以置信的可擴展性。你可以用它做各種各樣的事情，包括數字化文本、聲音、語音、圖像和視頻。它可以是多模態的。你可以教它氨基酸序列，教它理解任何有大量觀察數據的內容。
理解數據含義的第一步是，通過研究互聯網上的大量文本，我們能夠理解單詞、詞彙、語法，甚至通過找到模式和關係來理解單詞的含義。使用相同的方法，我們現在不僅能夠理解連接到不同模態的不同數據類型的含義，例如，單詞和圖像之間的關係（例如，單詞「cat」的圖像和貓的圖像現在連接在一起）。通過學習多模態，我們現在甚至可以翻譯和生成各種智能信息。
如果你觀察所有那些令人驚歎的新興公司和他們創造的應用程序，你會發現它們可以被歸爲兩種類型，這些類型在一張幻燈片上從一側到另一側展示。第一種是文本到文本的應用，包括文本的總結、問答系統、文本生成和講故事。第二種是視頻到文本的應用，比如爲視頻生成字幕。還有圖像到文本的應用，比如圖像識別，以及文本到圖像的應用，比如圖像生成，例如Mid Journey這樣的服務。還有文本到視頻的創作，比如Runway ML這樣的平台。
所有這些不同的組合都是真正的突破。你甚至可以用蛋白質發短信，解釋蛋白質的作用，給化學物質發短信，描述一種可能成爲成功藥物的化學物質的特性。對於藥物發現，您甚至可以擁有視頻和文本到機器人的應用。這些組合中的每一個都是一個新的行業、新的公司、新的應用程序用例。現在AI應用正在以寒武紀時代的速度爆炸式增長，而我們才剛剛開始。
當然，機器學習的一個特性是，大腦越大，我們能教給它的數據越多，它就變得越聰明。我們稱之爲比例定律。有充分的證據表明，隨着我們擴大模型的規模，訓練數據的數量、有效性、質量和智力的表現每年都在提高。該行業正在將模型的大小擴大2倍左右，相應地需要2倍的數據。因此我們需要四倍的計算量。將人工智能推向下一個水平所需的計算資源量是非凡的。我們稱之爲縮放律，訓練縮放律。預培訓是其中的一部分，後培訓包括強化學習、人類反饋、強化學習、AI反饋。現在有很多不同的方法在後期訓練階段使用合成數據生成。因此，培訓、預培訓和後培訓正在享受非常顯著的擴展，我們繼續看到出色的結果。
好吧，當草莓或開放AIS01,1被宣佈時，向世界展示了一種新型的推理是當你與AI互動時，就像ChatGPT一樣。但ChatGPT是一次性的。你問一個問題，你讓它爲你做點什麼。無論你有什麼問題，無論你通過一次拍攝提供了什麼提示，它都能給出答案。然而，我們知道思考往往不僅僅是一次性的。思考需要我們做多重計劃，多個潛在的答案，從中選擇最好的一個。就像我們思考時一樣，我們可能會在給出答案之前反思答案。反思，我們可能會把一個問題分解成一步步的思維鏈。我們發明了許多不同的技術，隨着我們應用越來越多的計算，推理的表現越來越好。
現在我們有了第二個縮放定律，推理縮放定律，不僅僅是生成下一個單詞，思考，反思，規劃。這兩個同時存在的比例定律將要求我們驅動計算超快的速度。每次我們交付新一代、新架構時，我們都會將性能提高X倍，但我們也會將功率降低相同的X倍。我們將成本降低相同的X因子。因此，提高性能與降低成本完全相同。提高性能與降低能量完全相同。因此，隨着世界繼續吸收和擁抱人工智能，我們的使命是，我們有責任儘可能快地不斷提高性能。在此過程中，擴大人工智能的覆蓋範圍，提高其有效性，降低成本，降低功耗。這就是我們選擇一年週期的原因。
不過，AI不單單是芯片的問題。這些AI系統是巨大的。這是Blackwell系統，Blackwell一款GPU的名稱，但它也是整個系統的名稱。GPU本身就是非凡的。有兩種Blackwell芯片。每個Blackwell芯片都是世界上最大的芯片，擁有1040億個晶體管，由台積電在最先進的4納米節點製造。這兩個Blackwell芯片通過每秒10TB的低能鏈路連接在一起。就在中間，那條線，那條縫，兩種芯片之間的數千個相互連接，每秒10TB。它由八個HBM3E存儲器連接，這些存儲器加在一起每秒運行8TB。這兩個GPU連接到另一個低能耗、非常節能的城市的CPU，每秒1TB。每個GPU都通過MVLink以每秒1.8TB的速度連接。那是每秒很多TB。原因是這個系統不能單獨工作。即使是世界上最先進的計算機也無法單獨爲人工智能工作。有時它必須與成千上萬的其他計算機一起工作，像這樣的節點一起作爲一臺計算機。有時他們必須分開工作，因爲他們正在響應不同的客戶、不同的查詢，有時是單獨的，有時是作爲一個整體。
爲了使MV和GPU能夠一體工作，我們當然有網絡2 CX Sevens將這個GPU與數千個其他GPU連接起來。但是我們仍然需要這個MV鏈接，讓我們能夠將幾個GPU連接到我身後的一個機架上。一個機架連接到這個MV每秒5.8 TB。帶寬是世界上最高的帶寬網絡的35倍，這使我們能夠將所有這些GPU連接到這個MV鏈路交換機上。
一個機架中有九個MV鏈接交換機。每個機架有72台這樣的電腦。通過這個脊柱連接它。這是MV鏈接脊柱。這是電纜，銅，50磅的銅直接由這個令人難以置信的穀神星驅動，我們稱之爲MV鏈接。它們以這種方式連接到計算機MV鏈接，這個開關將所有這些計算機連接在一起。因此，結果是72台這些計算機連接爲一個大型GPU，一個非常大的GPU。從軟件的角度來看，它只是一艘巨輪。這些架子，這些MB連接72個系統，這個架子重3000磅。不可能登上這個舞臺。否則，我給你看，是3000磅120千瓦。
那就是，我有我的朋友在這裏，那是許多Nintendo Switch的力量。它不便攜，但非常強大。這就是黑牆系統。我們設計它，使它可以像這樣配置爲一個Superpod，或者一個巨大的數據中心，有成千上萬個，希望有成千上萬個，它們通過交換機連接到它們。其中一些是量子無限帶交換機。如果您想擁有專用的AI工廠或Spectrum X，英偉達 Spectrum X革命性的以太網系統，您可以將其集成到現有的以太網環境中。我們可以用這些建造AI超級計算機。我們可以將它們集成到企業數據中心、超大規模服務器或爲邊緣配置它們。
Blackwall系統不僅功能強大，而且適應性極強，可以適應世界計算基礎設施的每個角落。
當然，計算機，但最重要的是，如果沒有運行在其上的所有軟件，這台計算機就根本無法操作。當你看到這些電腦，所有的液體冷卻，所有的電線，你的大腦會爆炸。你如何編寫這樣一臺令人難以置信的計算機？這就是英偉達軟件堆棧的地方，這就是我們在Cuda Nickel的所有努力，我們所有的Megatron核心，我們創建的所有軟件，Tensor，RTLM，Triton，我們多年來創建的所有軟件集成到系統中，使每個人都有可能在世界各地部署AI超級計算機。當然，最重要的是，我們有AI軟件，可以讓人們輕鬆構建AI。那麼什麼是AI？
我們用很多不同的方式談論AI，但我認爲有兩種類型的人工智能會非常受歡迎。我認爲有兩個模型非常有幫助。
這對我很有幫助。第一，數字AI工作者。這些AI工人可以理解，他們可以計劃，他們可以採取行動。有時，數字AI工作者被要求執行營銷活動，支持客戶，制定製造供應鏈計劃，優化芯片，幫助我們編寫軟件，也許是研究助理，藥物發現行業的實驗室助理。也許這個代理人，你知道，是CEO的導師。也許我們所有的員工都有一個導師，AI，這些數字AI工作者，我們稱之爲AI代理人，本質上就像數字員工。就像數字員工一樣，你必須培訓他們，你必須創建數據來歡迎他們加入你的公司，教他們了解你的公司。你訓練他們的特定技能，取決於你希望他們具備的功能。你在完成培訓後評估他們，以確保他們學到了應該學的東西。你保護他們，確保他們完成他們被要求做的工作，而不是他們沒有被要求做的工作。當然，你操作它們。你部署他們，從Blackwell向他們提供能量，從Blackwell向他們提供AI令牌，他們與其他代理互動，作爲一個團隊解決問題。
你會看到各種各樣的代理，我們創造了一些東西，讓生態系統更容易爲公司建立AI代理。英偉達不從事服務業務，我們不創造，不提供最終產品，也不提供解決方案。但我們確實提供了支持技術，使生態系統能夠創造AI，提供AI，不斷改進AI。AIAgent生命週期庫，生命週期平台稱爲Nemo。Nemo有我提到的每個階段的庫，從數據管理到訓練到微調到合成數據生成到評估再到防護欄杆。在那裏，這些庫被集成到世界各地的工作流程和框架中。
我們正在與AI初創企業、埃森哲和德勤等服務提供商以及世界各地的公司合作，將這一點帶給所有大公司。我們還與Service Now等Isv合作，以便他們可以創建使用Service Now的代理。今天，您通過許可平台使用服務，您的員工與服務平台交互以獲得幫助。在未來。服務現在還將提供大量你可以租用的AI代理，本質上是你可以租用的數字員工來幫你解決問題。我們現在正在使用服務。我們正在與SAP、Cadence、ANSYS、世界各地的公司、世界各地的雪花公司合作，這樣我們都可以構建有助於您提高公司生產力的代理。
現在這些代理人能夠理解原因，計劃，採取行動。這些代理人，我們的AI模型的集合或系統，不僅僅是一個AI模型，而是一個AI模型的系統。尼莫幫助我們建造這些。我們還創建了預訓練的AI模型，我們將其打包在所謂的Nim中。所以這些NIM是微服務。它們基本上是AI舊時代打包的，軟件打包在一個盒子裏，它們帶有CDROM。今天，AI被打包在一個微服務中，軟件內部是智能的。您可以與軟件交談，您可以與軟件交談，因爲它理解您的意思，並且您可以將軟件與其他軟件連接起來。您可以將此AI與其他AI連接在一起，您可以創建一個代理，一個AI代理。所以這是第一件事。
讓我給你舉一個這些代理的例子。代理AI正在使用複雜的推理和迭代規劃來解決複雜的多步驟問題，從而改變每個企業。AI代理通過即時洞察幫助營銷活動更快地上線，幫助優化供應鏈運營，節省數億美元的成本，並通過幫助分析師對漏洞進行分類，將軟件安全流程從幾天縮短到幾秒鐘。使AI如此強大的是它將數據轉化爲知識，將知識轉化爲行動的能力。本例中的數字代理可以通過一組信息密集的研究論文向個人提供見解。它是使用英偉達AI藍圖構建的。這些參考工作流包含英偉達加速庫、SDK和Nim微服務，可幫助您快速構建和部署AI應用。多模態PDF數據提取藍圖有助於建立數據攝取管道，而數字人藍圖提供流暢的類人交互。嗨，我是James，一個數字代理攝取PDF研究論文，包括圖像、圖表和表格等複雜數據，並通過交互式數字人機界面生成高級摘要。
天氣預報取得了令人興奮的突破。新生成模型cordiff的開發是準確預測天氣模式的重要一步。通過將單位回歸模型與擴散模型相結合，凝聚法院。
James還可以根據論文回答問題或生成新內容。英偉達AI使企業能夠自動化流程、利用實時洞察力並提高工作流程效率。
AI代理商，3部分，尼茂名稱和藍圖。這些都是參考資料。它們以源代碼形式提供給您，以便您可以隨心所欲地使用它並構建您的AI代理勞動力。這些特工沒有一個能100%完成任何人的任務，任何人的工作。沒有一個代理可以做到100%。但是，所有代理都可以爲您的50%工作做工作。這是偉大的成就。而不是想着AI代替50%人的工作。你應該認爲AI會爲100%的人做50%的工作。通過這樣想，你意識到AI將有助於提高公司的生產力，提高你的生產力。你知道，人們問我，你知道，AI會接受你的工作嗎？我總是說，因爲這是真的，AI不會接受你的工作。別人用的AI會搶走你的工作。所以一定要儘快使用AI激活。第一個是數字AI代理，數字，這些是數字人工智能。第二個應用是物理AI。同樣的基本技術現在被體現在一個機械系統中。
當然，機器人技術將成爲世界上最重要的行業之一。到目前爲止，機器人技術一直受到限制，原因很清楚。事實上，在日本，世界上50%的製造機器人是製造的。川崎、發尼克、安川、三菱，四家制造了世界一半機器人系統的領導者。就像機器人一樣，推動了製造業的生產力，並且很難擴展。機器人行業長期以來基本持平，原因是因爲它過於具體，不夠靈活，無法適用於不同的場景、不同的條件和不同的工作。我們需要更靈活的AI，它可以自己適應和學習。
請注意我們到目前爲止描述的技術，代理AI，無論你是誰，你都應該能夠與代理進行交互。它可以給你回應。當然，有時反應不如你所能產生的反應好，但事實上，許多反應甚至比我們所能產生的還要好。因此，我們現在可以將這種通用AI技術應用到具身AI或物理AI或被稱爲機器人的世界中。
爲了實現機器人技術，我們需要建造三臺計算機。第一臺計算機訓練AI，就像我們之前給你們舉的所有例子一樣。第一臺是模擬AI。你需要給AI一個練習的地方，一個學習的地方，一個撤退的地方，接收它可以學習的合成數據。我們稱之爲omniverse是我們的虛擬世界數字孿生庫套件，可用於創建物理AIS機器人。全能宇宙。然後經過驗證、訓練、評估，然後您可以將模型放入物理機器人中。在其中，我們有專爲機器人技術設計的處理器。我們叫它Jetson。Thor是專爲人類機器人設計的機器人處理器。
爲了實現機器人技術，我們需要建造三臺計算機。第一臺計算機訓練AI，就像我們之前給你們舉的所有例子一樣。第一臺是模擬AI。你需要給AI一個練習的地方，一個學習的地方，一個撤退的地方，接收它可以學習的合成數據。
這個循環一直持續下去。正如有一個NemoAI代理生命週期平台一樣，Omniverse平台，它使您能夠創建AI。最終你想要的是AI。最終，你所期望的 AI，將會看到一個世界，它能識別視頻、周圍的環境以及你的需求，並生成相應的動作。你告訴它你想要什麼，這個AI會產生關節運動。就像我們獲取文本一樣，我們可以生成視頻，我們可以獲取文本並生成化學物質。對於藥物，我們可以獲取文本並生成關節運動。好的，這個概念非常類似於生成AI。這就是爲什麼我們認爲現在我們在Omniverse和我們建造的所有計算機之間擁有必要的技術，這三臺計算機，以及最新的生成AI技術，人類或機器人技術的時代已經到來。
現在爲什麼類人機器人技術如此困難？好吧，顯然，爲人類機器人開發的軟件非常努力。然而，好處是不可思議的。只有兩個機器人系統可以輕鬆部署到世界上。第一個機器人是自動駕駛汽車，原因是我們創造了適應汽車的世界。第二個是人類或機器人。這兩個機器人系統可以部署在世界任何地方的棕色田野中，因爲我們爲我們創造了世界。這是一項非常困難的技術，時機已經成熟，但影響可能是巨大的。
上週在機器人學習會議上，我們宣佈了一個非常重要的新框架。它被稱爲艾薩克實驗室，是一個強化學習的虛擬模擬系統，允許你教人類或機器人如何成爲人類或機器人。最重要的是，我們創建了幾個工作流程。第一個工作流程是Groot Mimic Group。
Mimic是一個框架，用於向機器人演示如何執行任務。您使用人類演示，然後使用域隨機化模擬該環境，生成數百個其他示例，例如您的演示，以便機器人可以學習泛化。否則，它只能使用mimic執行非常特定的任務，我們可以泛化它的學習。
第二個是分組Gen組建。使用Omniverse中的生成AI技術，我們可以創建大量的I隨機域環境和我們希望機器人執行的動作的隨機示例。所以我們正在生成一大堆測試、評估系統、評估場景，機器人可以嘗試執行和改進自己，學習如何成爲一個好的機器人。
第三個是群體控制，是一個模型蒸餾框架，它允許我們將我們學到的所有技能提煉成一個統一的模型，允許機器人執行運動學技能。機器人不僅將是自主的，而且請記住，未來的工廠也將是機器人的。因此，這些工廠將成爲機器人工廠，它們正在編排機器人，構建機器人機械系統。讓我給你看。當然。
物理AI體現了機器人，如安全導航現實世界的自動駕駛汽車、執行復雜工業任務的機械手和與US協同工作的人形機器人。工廠將由物理AI體現，能夠監控和調整其操作或與我們交談。英偉達製造了三臺計算機，使開發人員能夠創建物理AI。模型首先在DGX上進行訓練，然後使用強化學習和Omniverse中的物理反饋對AI進行微調和測試。訓練有素的AI在英偉達傑森AGX機器人計算機上運行。英偉達 Omniverse是一個基於物理的操作系統，用於物理AI模擬。機器人在艾薩克實驗室學習和微調他們的技能。
基於Omniverse構建的機器人健身房，具有Group Gym等小組工作流程，可生成多樣化的學習環境和佈局。Group Mimic基於少量真實世界捕獲和神經全身控制的組控制生成大規模合成運動數據集。這只是一個機器人。
未來的工廠將協調機器人團隊，並通過數千個傳感器監控整個操作。對於工廠數字雙胞胎，他們使用名爲Mega的全能藍圖。有了Mega，工廠的數字孿生體中充滿了虛擬機器人，它們的AI模擬了機器人的大腦。機器人通過感知環境、推理、規劃下一個動作並最終將其轉換爲動作來執行任務。Omniverse中的World Simulator在環境中模擬這些動作，機器人大腦通過Omniverse傳感器模擬感知結果。根據傳感器模擬，機器人大腦決定下一步行動，循環繼續，而Mega精確跟蹤工廠中所有東西的狀態和位置。
數字孿生。這種軟件在環測試將軟件定義的流程帶到物理空間和實施例中，讓工業企業在部署到物理世界之前模擬和驗證全方位數字孿生的變化，從而節省了巨大的風險和成本。物理AI時代已經到來，改變着世界的重工業和機器人技術。
難以置信的時代。所以我們有兩個機器人系統，一個是數字化的，我們稱之爲AI代理，你可以在辦公室裏使用它們與你的員工合作。第二個是物理AI系統機器人。這些物理AI將是公司構建的產品。因此，公司將使用AI來提高員工的生產力，我們將使用AI來推動和授權我們銷售的產品。車企未來會有兩個工廠，一個工廠造汽車，一個工廠生產汽車裏運行的AI。
好吧，這就是機器人革命。世界各地都有如此多的活動。我無法想象還有哪個國家比日本更能引領機器人AI革命。原因是，如你所知，這個國家喜歡機器人。你喜歡機器人。你創造了一些世界上最好的機器人。這些是我們一起長大的機器人。這些是我們一生都喜歡的機器人。我甚至沒有展示我最喜歡的一些。Majin Gazi, 我希望日本能夠利用人工智能的最新突破，並將其與您的專業知識和大型電子學相結合。世界上沒有哪個國家比日本擁有比超級電子一體化更高的技能。這是什麼，這是一個你必須抓住的非凡機會。所以我希望我們能共同努力，讓這個夢想成爲可能。
英偉達在日本的AI做得非常好。我們這裏有很多合作伙伴。我們有正在構建大型語言模型的合作伙伴。東京科學技術研究所，樂天。自助銀行，直覺，NTT，富士通NEC，名古屋大學，Kota Bar Technologies。如果你去右上角，我們還有AI雲，還有軟銀、櫻花互聯網、轉基因互聯網集團。嗨，Rezzo KDDI Rutilia，在這裏建造AI雲，讓生態系統在日本蓬勃發展。
因此，許多機器人公司開始了解AI現在提供的利用這一機會的能力。安川、豐田、川崎、Repute、Reputa、醫學成像系統、佳能、富士膠片、奧林巴斯，都在利用AI。因爲在未來，這些醫療器械將更加自主。這幾乎就像是醫療器械內部的護士AI，幫助護士指導診斷。藥物發現行業有這麼多不同的方式，AI有這麼多不同的方式被使用。
所以我對這裏的進步感到高興，我們希望更快地利用AI革命。嗯，這個行業正在發生變化，正如我之前所說，計算機行業已經從運行在CPU上的編碼根本性地轉變爲現在運行在GPU上的機器學習。我們從一個生產軟件的行業，現在已經成爲一個製造人工智能的行業。人工智能是在工廠生產的。他們正在運行247。當您許可軟件時，您將其安裝到您的計算機中。該軟件的製造、分發已完成。然而，智能永遠不完整。你正在與所有的人工智能互動，不管它們是AI代理還是AI機器人。
Token，智能以Token表示，Token是智能的單位。這是一個數字。這些數字被構成，這些符號以智能和語言的方式構成。智能和方向盤、自動駕駛汽車的智能、用於表達人類機器人的智能電機、蛋白質和化學物質的智能以及藥物發現。
所有這些Token都是在這些工廠生產的。這些基礎設施，這些工廠以前從未存在過。這是一個全新的事物，這就是爲什麼我們在世界各地看到如此多的發展。我們第一次有了一個新的行業，一個新的工廠，生產我們稱之爲人工智能的全新事物。這些工廠將由公司建造。它們將被建造，每個公司都將成爲AI製造商。當然，任何公司都不能不製造、生產人工智能。任何公司怎麼能負擔得起不生產智能產品呢？一個國家怎麼能不生產情報呢？你不必生產芯片。你不必生產軟件，但你必須生產智能。這是至關重要的。這是你的核心。這是我們的核心。
所以我們有了新工業AI工廠，這就是我稱之爲新工業革命的原因。上一次發生這種情況是300年前，當時電力被發現，電力的產生和分配，一種新型工廠被創造出來。那個新工廠不是發電廠。然後一個新的行業被創造出來，叫做能源。幾百年前，還沒有能源工業。它發生在工業革命期間。現在我們有了一個以前從未存在過的新行業——人工智能位於計算機行業的頂端，但它被每個行業利用和創造。你必須創建自己的AI。製藥業創造了你自己的AI。汽車行業創造你自己的AI。機器人行業創造你自己的AI。每個行業、每個公司、每個國家都必須生產自己的AI，這是一場新的工業革命。
我今天有一個非常重要的宣佈。我們宣佈，我們將與軟銀合作，爲日本帶來、建設和AI基礎設施。我們將一起建造日本最大的AI工廠，英偉達，它將由英偉達DGX建造。當它建成時，它將有25AIx的翻牌。請記住，最近世界上最大的超級計算機是1倍的翻牌。這是一個AI工廠生產AI的25倍翻牌。但是爲了分發AI，軟銀將整合英偉達的阿里爾，這是我之前提到的在Cuda運行5G無線電的引擎。通過這樣做，我們可以統一和組合無線電計算機、基帶和5G運行的AI計算機。我們現在可以將電信網絡發展和改造成AIRAM。它將能夠承載語音、數據、視頻，但在未來，我們還將承載AI，一種新型的信息智能。這將分佈在軟銀在日本的20萬個站點，爲5500萬客戶提供服務。AI工廠和區生產AIAI分銷網絡分銷AI跑分銷AI。我們還將在其上建立一種新型商店，一種AI商店。以便軟銀創建的人工智能和第三方創建的AIS可以提供給5500萬客戶。
因此，我們將在英偉達AI企業之上構建這些應用程序，我之前提到過，向您展示過。還會有一家新店，讓每個人都能AI。這只是一個宏偉的發展。結果將是一個橫跨日本的AI電網。
現在這個AI電網將成爲基礎設施的一部分，也是最重要的基礎設施之一。記住，你需要工廠和道路作爲基礎設施的一部分，這樣你才能製造和分銷商品。基礎設施需要能源和通信部分。每次你爲基礎設施創造了一些全新的東西，新的產業和新的公司就會被創造出來，新的經濟機會，新的繁榮。如果沒有道路和工廠，我們怎麼會有工業革命？如果沒有能源和通信，我們怎麼會有IT革命？這些新基礎設施中的每一個都開闢了新的機會。
因此，與軟銀合作在日本實現這一目標對我來說非常令人興奮。米婭·卡瓦桑的團隊，他們應該在觀衆席上。與您合作是不可思議的，我們非常高興能夠這樣做。這完全是革命性的。這是第一次將電信網絡、通信網絡轉變爲AI網絡。
好的，讓我向你展示你能做什麼。你可以做一些驚人的事情。例如，我站在一個基站下面，一個無線電塔，汽車有視頻，汽車的視頻被流式傳輸到無線電塔，無線電塔有AI。這個無線電塔有視頻智能。它具有視覺智能。所以它能看到汽車看到的東西，也能理解汽車看到的東西。那個AI模型可能放在車裏很重，但放在基站裏不會太重。使用該流到基站的視頻，它可以理解汽車和周圍發生的任何事情。好的，這只是在邊緣使用AI來保護人們安全的一個例子，也許這就是空中交通管制，本質上是爲了自動駕駛汽車。應用是無窮無盡的。
我們也可以用這個基本概念把整個工廠變成AI。這邊是一個工廠，有很多攝像頭。攝像機被流式傳輸到基站。令人驚奇的是，由於AI中所有的相機和AI模型，現在這家工廠成了AI。你可以和工廠談談，問問工廠發生了什麼。問工廠，有沒有發生事故？有什麼異常發生嗎？今天有人受傷嗎？給你一份每日報告。你只需要問工廠，因爲工廠現在已經變成了一個AI。AI模型不必在工廠運行。這種AI模式可以在軟銀廣播中運行。
好的，這是另一個例子。但是無數的例子，你基本上可以把每一個物理對象變成AI，體育場、道路、工廠、倉庫、辦公室、建築......它們都可以變成AI，你可以和它說話，就像你可以和GPT聊天一樣。好的，這是通道的狀況，有任何阻塞或溢出嗎？你只是在和工廠說話。工廠觀察一切，理解它所看到的，它可以推理，它可以計劃行動，或者只是和你說話。這裏說，不，倉庫的過道沒有任何障礙物、溢出物或危險。視頻中的過道條件看起來井然有序、乾淨，沒有障礙物或危險。
好的，你正在和工廠交談。太不可思議了。你在和倉庫說話，你在和汽車說話，因爲所有這些現在都變得智能了。
編輯/jayden
