Comprendre le Physical AI de Jensen Huang : pourquoi les opportunités dans la Crypto se cachent aussi dans les « recoins »

Lors du Forum de Davos, qu’a réellement dit Jensen Huang ?

En apparence, il fait la promotion des robots, mais en réalité, il mène en fait une audacieuse « auto-révolution ». Avec un discours, il met fin à l’ère du « stacking de cartes graphiques », mais ouvre aussi, de manière inattendue, une opportunité unique pour le secteur Crypto ?

Hier, lors du Forum de Davos, Huang a souligné que la couche d’application de l’IA est en pleine explosion, et que la demande en puissance de calcul va passer du « côté entraînement » à « côté inférence » et « IA Physique (Physical AI) ».

C’est très intéressant.

NVIDIA, en tant que grand gagnant de l’ère AI 1.0 dans la course aux « capacités de calcul », en annonçant maintenant un virage vers « l’inférence » et « l’IA Physique », envoie en fait un signal très clair : l’époque où l’on accumulait des cartes pour entraîner de grands modèles, la « grande puissance pour des miracles », est révolue. La compétition en IA se concentrera désormais sur la mise en œuvre pratique des scénarios d’application, où « l’application est la reine ».

En d’autres termes, l’IA Physique est la seconde moitié de l’IA Générative.

Car les LLM ont déjà ingéré toutes les données accumulées par l’humanité sur Internet pendant des décennies, mais ils ne savent toujours pas comment ouvrir un bouchon de bouteille comme un humain. L’IA Physique vise à résoudre le problème de « la cohérence entre connaissance et action » en dehors de l’intelligence artificielle.

Car, l’IA Physique ne peut pas dépendre d’un « long circuit de réflexion » dans un cloud distant. La logique est simple : faire générer du texte par ChatGPT avec une latence d’une seconde, cela ne dérange que l’utilisateur qui trouve cela lent. Mais si un robot bipède subit un retard d’une seconde à cause du réseau, il pourrait tomber des escaliers.

Cependant, l’IA Physique, qui semble être une extension de l’IA générative, doit en réalité faire face à trois nouveaux défis totalement différents :

1) Intelligence spatiale : donner à l’IA la capacité de comprendre un monde en trois dimensions.

Le professeur Fei-Fei Li a proposé que l’intelligence spatiale soit la prochaine étoile polaire de l’évolution de l’IA. Pour qu’un robot bouge, il doit d’abord « comprendre » son environnement. Il ne s’agit pas seulement d’identifier « voici une chaise », mais aussi de comprendre « la position, la structure dans l’espace en 3D de cette chaise, et la force nécessaire pour la déplacer ».

Cela nécessite une quantité massive de données en temps réel, couvrant chaque coin intérieur et extérieur, en 3D.

2) Terrain d’entraînement virtuel : permettre à l’IA d’expérimenter et d’apprendre dans un monde simulé.

L’Omniverse mentionné par Huang est en fait une sorte de « terrain d’entraînement virtuel ». Avant d’entrer dans le monde physique réel, un robot doit s’entraîner à tomber « dix mille fois » dans un environnement virtuel pour apprendre à marcher. Ce processus s’appelle Sim-to-Real, c’est-à-dire de la simulation à la réalité. Si l’on laisse le robot expérimenter dans le monde réel, le coût en matériel sera astronomique.

Ce processus exige une capacité de traitement et de rendu en physique simulée qui est exponentielle.

3) Peau électronique : un trésor de données sensorielles à exploiter.

Pour que l’IA Physique ait « le toucher », elle doit disposer d’une peau électronique capable de percevoir la température, la pression, la texture. Ces « données tactiles » sont de nouvelles ressources qui n’ont jamais été collectées à grande échelle auparavant. Cela pourrait nécessiter une collecte massive par capteurs, comme le montre le « skin de production en série » présenté par Ensuring lors du CES, qui intègre 1 956 capteurs dans une seule main, permettant à un robot de casser un œuf de manière étonnante.

Ces « données tactiles » sont de nouvelles ressources jamais collectées à grande échelle auparavant.

Après avoir lu tout cela, vous ressentirez sûrement que l’émergence de la théorie de l’IA Physique offre de grandes opportunités pour les appareils portables, les robots humanoïdes et autres équipements matériels, alors que, il y a quelques années, ces derniers étaient souvent critiqués comme de « gros jouets ».

En réalité, je pense que dans la nouvelle carte du monde de l’IA Physique, le secteur Crypto dispose aussi d’une excellente opportunité de complément écologique. Voici quelques exemples :

1. Les géants de l’IA peuvent déployer des voitures de rue pour scanner chaque grande rue du monde, mais ils ne peuvent pas collecter dans les coins des rues, des quartiers ou des sous-sols. En utilisant des dispositifs de réseau DePIN avec des incitations en tokens, mobiliser des utilisateurs du monde entier pour compléter ces données pourrait être une solution ;

2. Comme mentionné précédemment, les robots ne peuvent pas dépendre de la puissance de calcul cloud, mais à court terme, pour exploiter à grande échelle le calcul en périphérie et la capacité de rendu distribué, notamment pour de nombreuses données simulant la réalité, il faut rassembler des hardware grand public inutilisés via un réseau de calcul distribué, puis les répartir et les gérer ;

3. « Données tactiles » : en dehors de l’application à grande échelle de capteurs, leur nom évoque une forte vie privée. Comment inciter le grand public à partager ces données sensibles avec les géants de l’IA ? La solution viable est de faire en sorte que ceux qui contribuent aux données puissent obtenir une reconnaissance de propriété et une part des bénéfices.

En résumé :

L’IA Physique, c’est la seconde moitié du secteur IA Web2 que Huang a lancé, mais n’est-ce pas aussi une opportunité pour le secteur Web3 IA + Crypto, avec des domaines comme DePIN, DeAI, DeData ? Qu’en pensez-vous ?