Kā reiz niecīgā pētniecības laboratorija palīdzēja Nvidijai kļūt par 4 triljonu dolāru lielu uzņēmumu

Kad Bils Dallijs 2009. gadā pievienojās Nvidia pētījumu laboratorijai, tā nodarbināja tikai apmēram duci cilvēku un bija koncentrējusies uz Ray izsekošanu – renderēšanas paņēmienu, ko izmanto datorgrafikā.

Šī reiz mazā pētniecības laboratorija tagad nodarbina vairāk nekā 400 cilvēku, kuri ir palīdzējuši pārveidot Nvidia no videospēļu GPU startēšanas deviņdesmitajos gados uz 4 triljonu dolāru lielu uzņēmumu, kas veicina mākslīgā intelekta uzplaukumu.

Tagad uzņēmuma pētījumu laboratorijai ir jāizstrādā tehnikas izstrāde, kas nepieciešama, lai darbinātu robotiku un AI. Un daži no šiem laboratorijas darbiem jau tiek parādīti produktos. Uzņēmums pirmdien atklāja jaunus pasaules AI modeļus, bibliotēkas un citu robotikas izstrādātāju infrastruktūru.

Daly, tagad Nvidia galvenais zinātnieks, sāka konsultēties par Nvidia 2003. gadā, kamēr viņš strādāja Stenfordā. Kad viņš bija gatavs pēc dažiem gadiem atkāpties no Stenfordas datorzinātņu departamenta katedras priekšsēdētāja, viņš plānoja uzņemties sabatu. Nvidijai bija atšķirīga ideja.

Deivids Kirks, kurš tajā laikā vadīja pētniecības laboratoriju, un NVIDIA izpilddirektors Jensens Huangs, domāja, ka pastāvīgāka pozīcija pētniecības laboratorijā ir labāka ideja. Dalijs teica, ka Techcrunch pāris uzklāja “pilna tiesas presi”, kāpēc viņam vajadzētu pievienoties Nvidia pētniecības laboratorijai, un galu galā viņu pārliecināja.

“Tas likvidēja, ka tas ir lieliski piemērots manām interesēm un maniem talantiem,” sacīja Dalijs. “Es domāju, ka visi vienmēr meklē vietu dzīvē, kur viņi var padarīt lielāko, jūs zināt, ieguldījumu pasaulē. Un es domāju, ka man tas noteikti ir Nvidia.”

Kad Dalijs 2009. gadā pārņēma laboratoriju, paplašināšanās bija pirmā un galvenā. Pētnieki sāka strādāt pie teritorijām, kas atrodas ārpus staru izsekošanas, uzreiz, ieskaitot shēmas dizainu un VLSI vai ļoti liela mēroga integrāciju, procesu, kas apvieno miljoniem tranzistoru uz vienas mikroshēmas.

Kopš tā laika pētniecības laboratorija nav pārstājusi paplašināties.

“Mēs cenšamies noskaidrot, kas uzņēmumam radīs vislielākās atšķirības, jo mēs pastāvīgi redzam jaunas aizraujošas jomas, wager daži no tiem, jūs zināt, viņi dara lielisku darbu, wager mums ir grūtības pateikt, vai [we’ll be] Mežonīgi veiksmīgi veiksmīgi šajā jautājumā, ”sacīja Dalijs.

Kādu laiku tas veidoja labākus GPU mākslīgajam intelektam. NVIDIA bija agri līdz nākotnes AI uzplaukumam un sāka darboties ar AI GPU ideju 2010. gadā – vairāk nekā desmit gadus pirms pašreizējā AI neprāta.

“Mēs teicām, ka tas ir pārsteidzoši, tas pilnībā mainīs pasauli,” sacīja Dalijs. “Mums jāsāk divkāršot to, un Jensens ticēja, ka tad, kad es viņam to teicu. Mēs sākām specializēt mūsu GPU par to un izstrādāt daudz programmatūras, lai to atbalstītu, sadarbojoties ar pētniekiem visā pasaulē, kuri to darīja, ilgi pirms tam bija acīmredzami būtiska.”

Fiziskā AI fokuss

Tagad, tā kā Nvidia ir vadošs vadītājs AI GPU tirgū, tehnoloģiju uzņēmums ir sācis meklēt jaunas pieprasījuma jomas, kas pārsniedz AI datu centrus. Šī meklēšana ir novedusi Nvidia uz fizisko AI un robotiku.

“Es domāju, ka galu galā roboti būs milzīgs spēlētājs pasaulē, un mēs vēlamies būtībā veidot visu robotu smadzenes,” sacīja Dalijs. “Lai to izdarītu, jums jāsāk, jūs zināt, izstrādājot galvenās tehnoloģijas.”

Tieši tur nonāk Nvidia AI Analysis viceprezidents Sanja Fidlers. Fidlers pievienojās Nvidia pētījumu laboratorijai 2018. gadā. Tajā laikā viņa jau strādāja pie simulācijas modeļiem robotiem ar MIT studentu komandu. Kad viņa pastāstīja Huangam par to, pie kā viņi strādā pētnieku pieņemšanā, viņš bija ieinteresēts.

“Es nevarēju pretoties pievienošanai,” intervijā Fidlers sacīja TechCrunch. “Tas ir tikai tāds, jūs zināt, tā ir tik lieliska tēma, un tajā pašā laikā bija arī tik lieliska kultūras piemērota. Jūs zināt, Jensens man teica, nāciet strādāt pie manis, nevis ar mums, nevis mums, jūs zināt?”

Viņa pievienojās Nvidia un sāka strādāt, izveidojot pētījumu laboratoriju Toronto ar nosaukumu Omniverse, NVIDIA platforma, kas bija vērsta uz fiziskās AI simulāciju veidošanas simulācijām.

Pirmais izaicinājums šo modelēto pasaules veidošanai bija nepieciešamo 3D datu atrašana, sacīja Fidlers. Tas ietvēra pareiza potenciālo attēlu apjoma atrašanu, lai izmantotu un veidotu tehnoloģiju, kas nepieciešama, lai šos attēlus pārvērstu 3D pārsūtījumos, ko simulatori varētu izmantot.

“Mēs ieguldījām šajā tehnoloģijā, ko sauc par diferencējamu renderēšanu, kas būtībā padara Rendering grozītu AI, vai ne?” Fidlers teica. “Tu ej [from] Renderēšana nozīmē no 3D līdz attēlam vai video, vai ne? Un mēs vēlamies, lai tas iet citu ceļu. ”

Pasaules modeļi

Omniverse izlaida tā modeļa pirmo versiju, kas attēlus pārvērš 3D modeļos, Ganverse3d2021. gadā. Tad tam bija jāstrādā, lai izdomātu tādu pašu video procesu. Fidlers sacīja Neiric neironu rekonstrukcijas dzinējspar kuru uzņēmums pirmo reizi paziņoja 2022. gadā.

Viņa piebilda, ka šīs tehnoloģijas bija uzņēmuma Cosmos World AI modeļu ģimenes mugurkauls, kas tika paziņots CES janvārī.

Tagad laboratorija ir vērsta uz šo modeļu padarīšanu ātrāku. Spēlējot videospēli vai simulāciju, jūs vēlaties, lai tehnoloģija varētu reaģēt reālā laikā, sacīja Fidlers, jo robotiem viņi strādā, lai reakcijas laiku padarītu vēl ātrāku.

“Robotam nav jānovēro pasaule vienlaikus, tāpat kā pasaule darbojas,” sacīja Fidlers. “Tas var to novērot kā 100x ātrāk. Tātad, ja mēs varam padarīt šo modeli ievērojami ātrāku nekā šodien, tie būs ārkārtīgi noderīgi robotu vai fizisku AI lietojumprogrammām.”

Uzņēmums turpina panākt progresu šī mērķa sasniegšanā. NVIDIA paziņoja par Jaunās pasaules AI modeļu parku, kas paredzēts sintētisku datu izveidošanai, kurus pirmdien var izmantot, lai apmācītu robotus Siggraph Pc Graphics konferencē. NVIDIA arī paziņoja par jaunām bibliotēkām un infrastruktūras programmatūru, kas paredzēta arī robotikas izstrādātājiem.

Neskatoties uz progresu – un pašreizējo robotu, īpaši humanoīdu, NVIDIA pētījumu grupa joprojām ir reālistiska.

Gan Dalijs, gan Fidlers sacīja, ka nozare joprojām ir vismaz dažus gadus no tā, ka jūsu mājās ir humanoīds, un Fidlers to salīdzināja ar hype un laika grafiku attiecībā uz autonomiem transportlīdzekļiem.

“Mēs gūstam milzīgu progresu, un es domāju, ka jūs zināt, ka AI šeit patiešām ir bijis veicinātājs,” sacīja Dalijs. “Sākot ar Robotu uztveres vizuālo AI, un tad jūs zināt ģeneratīvo AI, tas ir ļoti vērtīgs uzdevumu un kustības plānošanā un manipulācijās. Kad mēs atrisinām katru no šīm atsevišķām mazajām problēmām, un, pieaugot datu apjomam, mums jāapmāca mūsu tīkli, šie roboti aug.”