Vor einem Jahr sagte Nvidias Jensen Huang, der „ChatGPT-Moment“ für die Robotik stehe kurz bevor. Jetzt sagt er, er sei „fast da“. Aber ist er das wirklich?

(SeaPRwire) –   Nvidia-Forscher hatten viel zu feiern bei der CES dieser Woche, mit der Nachricht, dass das Unternehmen sein neuester GPU, Vera Rubin, jetzt . Diese leistungsstarken KI-Chips – die Spaten und Schaufeln des KI-Booms – haben schließlich dazu beigetragen, dass das weltweit wertvollste Unternehmen wurde.

Aber in seiner Keynote-Haltung erklärte CEO Jensen Huang erneut, dass Nvidia sich nicht einfach als ein Chip-Unternehmen sieht. Es ist auch ein Software-Unternehmen, dessen Einfluss sich auf fast jede Schicht des KI-Stacks erstreckt – und mit einem großen Wetten auf physische KI: KI-Systeme, die in der realen Welt arbeiten, darunter Robotik und selbstfahrende Autos.

In einer Pressemitteilung, die die CES-Ankündigungen von Nvidia betont, erklärte ein Zitat, das auf Huang zurückgeht, dass “der ChatGPT-Moment für die Robotik hier ist”. Durchbrüche in der physischen KI – Modelle, die die reale Welt verstehen, schließen und Handlungen planen – “erschließen völlig neue Anwendungen”, sagte er.

In der Keynote selbst war Huang jedoch gemessener und sagte, der ChatGPT-Moment für die physische KI sei “beinahe hier”. Es mag so klingen, als ob es sich um Feinheiten handelt, aber die Unterscheidung ist wichtig – besonders da Huang, als er das Cosmos-Welt-Plattform von Nvidia vorgestellt und den “ChatGPT-Moment” der Robotik als nur “um die Ecke” beschrieb.

Also ist dieser Moment wirklich eingetreten, oder ist er immer noch hartnäckig außer Reichweite?

Huang selbst schien den Abstand zu anerkennen. “Die Herausforderung ist klar”, sagte er in gestern’s Keynote. “Die physische Welt ist vielfältig und unvermutbar.”

Nvidia ist auch kein Blitz in der Pfanne, wenn es um physische KI geht. In den vergangenen zehn Jahren hat das Unternehmen die Grundlage gelegt, indem es ein Ökosystem aus KI-Software, Hardware und Simulationssystemen für Roboter und autonome Fahrzeuge entwickelt hat. Aber es geht nie darum, eigene Roboter oder AVs zu bauen. Wie Rev Lebaredian, Vizepräsident für Simulationstechnologie bei Nvidia, vor einem Jahr dem sagte, die Strategie sei immer noch darum, die Spaten und Schaufeln bereitzustellen.

Es besteht keinen Zweifel, dass Nvidia in diesem Bereich in den vergangenen Jahren gewonnen hat. Auf dem Gebiet der selbstfahrenden Autos hat es heute die Alpamayo-Familie offener KI-Modelle, Simulationswerkzeuge und Datensätze vorgestellt, die dazu beitragen sollen, dass AVs sicher in einer Vielzahl seltener, komplexer Fahrenszenarien operieren, die als einige der schwierigsten Herausforderungen für autonome Systeme gelten, um sicher zu meistern.

Nvidia hat auch neue Cosmos- und GR00T-offene Modelle und Daten für das Lernen und Schließen von Robotern veröffentlicht und Unternehmen wie Boston Dynamics, , Franka Robots, Humanoid, Electronics und NEURA Robotics vorgestellt, die neue Roboter und autonome Maschinen vorstellen, die auf Nvidia-Technologien basieren.

Selbst mit zunehmend leistungsstärkeren Modellen, Simulationswerkzeugen und Rechenplattformen baut Nvidia nicht die selbstfahrenden Autos oder die Roboter selbst. Automobilhersteller müssen immer noch diese Tools in Systeme umwandeln, die sicher auf öffentlichen Straßen operieren können – unter Berücksichtigung regulatorischer Prüfung, realer Fahrbedingungen und öffentlicher Akzeptanz. Robotik-Unternehmen müssen gleichzeitig KI in Maschinen umwandeln, die die physische Welt zuverlässig in Masse manipulieren können und zu einem Preis, der wirtschaftlich sinnvoll ist.

Diese Arbeit – die Integration von Hardware, Software, Sensoren, Sicherheitsystemen und realen Einschränkungen – bleibt enorm schwierig, langsam und kapitalintensiv. Und es ist weitgehend undurchsichtig, ob schnellerer Fortschritt in der KI allein genügt, um diese Hürden zu überwinden. Nach alledem war der ChatGPT-Moment nicht nur über das Modell unter der Haube. Diese hatten bereits mehrere Jahre existiert. Es ging um die Benutzeroberfläche und ein Unternehmen, das das Donnerwetter in einer Flasche fangen konnte.

Nvidia hat das Donnerwetter in einer Flasche schon einmal gefangen – GPUs haben sich als unwahrscheinlicher aber perfekter Motor für moderne KI erwiesen. Ob solcher Glück wiederholt werden kann in der physischen KI, einem weit messiereren und weniger standardisierten Bereich, ist immer noch eine offene Frage.