輝達「以全球合作生態系解決『實體 AI』難題」

輝達正以全球合作生態系推動解決實體 AI 難題。輝達的目的在於降低實體 AI 與機器人技術領域的運算基礎設施進入門檻。

輝達的策略是全面推動基礎模型的開源。此舉旨在降低對實體 AI 與機器人技術構成沉重負擔的運算基礎設施問題。

其目標是減輕建立基礎模型所需的龐大運算資源負擔。輝達表示，將透過此一作法，協助全球企業與研究人員以僅 10~20% 的運算資源，實現各產業客製化機器人 AI。

輝達於 9 日舉行實體 AI 媒體圓桌會議。輝達在會中說明實體 AI 平台「Cosmos」，也解釋提供開放模型的背景。

出席發表的輝達機器人與邊緣 AI 副總裁 Deepu Talla 表示，將實體 AI 模型開源公開的核心原因，在於運算資源的民主化。

若獨立開發機器人用基礎模型，將需要龐大的運算基礎設施與高昂訓練成本；但若以預先訓練好的開放模型為基礎加以運用，便能實際部署到現場。他說，在這種情況下，微調過程僅需額外 10~20% 的資源。

輝達採用開放模型策略的背景之一，是實體 AI 的技術門檻極高。於物理空間中作業的機器人必須同時具備高度精準度與高可靠性，而如何兼顧機器人的精準度與可靠性，被評估為單一企業或研究機構難以獨力解決的課題。

Deepu Talla 副總裁表示，實體 AI 與機器人技術是任何單一企業都未能完整解決的棘手問題。他並指出，需要由全球研究人員與企業共同參與的合作生態系，而提供開放模型將有助於加速找出最佳解法。

輝達將下載次數以外的合作深度，視為開放模型生態系擴張成敗的關鍵指標。輝達表示，將不僅以使用量判斷開放模型生態系的成果，也會從合作架構與實際現場導入程度來評估。

輝達提出的主要衡量標準，包括共享資料與 pipeline 的「Cosmos Coalition」參與率，以及實際生產現場的部署案例數。

輝達也提出以「數位孿生」與「合成資料」作為因應現場導入過程中物理風險與成本問題的策略。若將實體機器人直接在實際工廠與物流中心進行測試，將有很高的設備損壞與安全事故風險，而且也無法進行大規模平行測試。相較之下，在模擬環境中可基於虛擬資產大量生成合成資料，並快速提升模型精準度。

Deepu Talla 副總裁表示，若建構工廠與倉庫的數位孿生，就能在不造成實體損壞的情況下，以安全且經濟的方式訓練 AI。他並指出，若將開放模型與模擬基礎設施結合，將可提早實體 AI 的商用化時點。

來源: IT DAILY · Kwon Yeong-seok 原文: https://www.itdaily.kr/news/articleView.html?idxno=242786

參考資料

• https://www.itdaily.kr/news/articleView.html?idxno=242786