Entender o Physical AI de Jensen Huang: Por que as oportunidades em Crypto também estão escondidas nos cantos mais recônditos?

Artigo por: Haotian

No Fórum de Davos, o que é que Huang Renxun realmente disse?

À primeira vista, ele está a promover robôs, mas na verdade, está a realizar uma audaciosa «auto-revolução». Com uma só frase, ele pôs fim à era antiga de «acumular placas gráficas», mas, inesperadamente, deixou uma oportunidade única de entrada para o setor Crypto?

Ontem, no Fórum de Davos, Huang apontou que a camada de aplicações de IA está a explodir, e que a procura por poder de processamento vai passar de «treinamento» para «inferência» e «IA física (Physical AI)».

Isto é muito interessante.

A Nvidia, como maior vencedora na corrida de «armamento de poder de processamento» da era AI 1.0, ao anunciar a mudança para «inferência» e «IA física», está a transmitir um sinal bastante direto: a era de «grande esforço para treinar grandes modelos com muitas placas» acabou, e a competição de IA passará a centrar-se na implementação prática das aplicações.

Em outras palavras, a IA física é a segunda metade da IA generativa.

Porque os LLMs já leram todos os dados acumulados na internet ao longo de décadas, mas ainda não sabem como abrir uma garrafa como um humano. A IA física visa resolver o problema de «unir conhecimento e ação» além da inteligência artificial.

Porque a IA física não pode depender de um «circuito de reflexão longa» de servidores remotos na nuvem; a lógica é simples: fazer o ChatGPT gerar texto com um atraso de um segundo pode parecer apenas uma pequena lentidão, mas se um robô bípedo atrasar um segundo na rede, pode acabar a cair escadas abaixo.

No entanto, a IA física, embora pareça uma continuação da IA generativa, enfrenta três novos desafios completamente diferentes:

1. Inteligência espacial: dar à IA a capacidade de compreender um mundo tridimensional.

A professora Fei-Fei Li sugeriu que a inteligência espacial é a próxima estrela polar da evolução da IA. Para que um robô se mova, primeiro precisa «entender» o ambiente. Isto não é apenas reconhecer «uma cadeira», mas compreender «a posição, a estrutura e a força necessária para mover essa cadeira no espaço tridimensional».

Isto requer uma quantidade massiva de dados ambientais 3D, em tempo real, cobrindo todos os cantos de interiores e exteriores;

2. Campo de treino virtual: permitir que a IA pratique e aprenda através de tentativa e erro num mundo simulado.

O Omniverse mencionado por Huang é exatamente um «campo de treino virtual». Antes de entrar no mundo físico real, os robôs precisam treinar «quedas» mil vezes numa simulação para aprender a andar, um processo chamado Sim-to-Real, ou seja, de simulação para realidade. Se os robôs fossem testar no mundo real desde já, os custos de desgaste de hardware seriam astronômicos.

Este processo exige uma capacidade de processamento de motores físicos e renderização de nível exponencial;

3. Pele eletrónica: «dados táteis» são um ouro a explorar.

Para que a IA física tenha «sensação ao toque», precisa de uma pele eletrónica que perceba temperatura, pressão e textura. Estes «dados táteis» são ativos totalmente novos, nunca antes coletados em escala. Pode ser necessário um grande número de sensores; na CES, a Ensuring mostrou uma «pele de produção em massa» com 1.956 sensores integrados numa mão, permitindo efeitos incríveis como um robô a mexer ovos.

Estes «dados táteis» representam um ativo totalmente novo, nunca antes coletado em escala.

Depois de ler tudo isto, certamente sentirás que a emergência do discurso sobre IA física oferece grandes oportunidades para dispositivos vestíveis e robôs humanoides, que há alguns anos eram considerados «grandes brinquedos».

Na verdade, quero dizer que, no novo mapa da IA física, o setor Crypto também tem uma excelente oportunidade de preencher lacunas ecológicas. Aqui estão alguns exemplos:

1. Gigantes da IA podem usar carros de reconhecimento de ruas para escanear todas as principais avenidas do mundo, mas não conseguem captar os cantos escondidos de bairros, interiores de edifícios ou porões. Utilizando tokens de incentivo fornecidos por redes DePIN, podem mobilizar utilizadores globais a usar dispositivos portáteis para completar esses dados, preenchendo essas lacunas;

2. Como mencionado antes, os robôs não podem depender de poder de processamento na nuvem, mas, a curto prazo, podem usar computação de borda e renderização distribuída em grande escala, especialmente para muitos dados de simulação para realidade. Usando redes de poder de processamento distribuído, agregando hardware de consumo ocioso, para distribuir e coordenar, isso pode ser útil;

3. «Dados táteis», além de aplicações com sensores em grande escala, por seu nome, já indicam que envolvem privacidade extrema. Como fazer a população compartilhar esses dados sensíveis com os gigantes da IA? Uma solução viável é garantir que quem contribui com os dados receba direitos de propriedade e dividendos.

Resumindo:

A IA física é a segunda metade do setor de IA Web 2.0, anunciada por Huang. E quanto ao setor Web 3 IA + Crypto, como DePIN, DeAI, DeData, não é também uma oportunidade de preencher lacunas? O que achas?