Verstehen Sie Huang Renxuns Physical AI: Warum die Chancen im Crypto auch in den „Ecken und Kanten“ versteckt sind?

Verfasser: Haotian

Auf dem Davos Forum, was hat Jensen Huang eigentlich gesagt?

Oberflächlich betrachtet, wirbt er für Roboter, in Wirklichkeit führt er jedoch eine mutige „Selbstrevolution“ durch. Mit einer Rede beendet er das alte Zeitalter des „GPU-Haufens“, doch unerwartet setzt er der Crypto-Szene eine einmalige Eintrittskarte?

Gestern, auf dem Davos Forum, wies Jensen Huang darauf hin, dass die Anwendungsebene von KI explodiert, die Rechenleistung wird sich vollständig vom „Trainingsbereich“ in den „Inference-Bereich“ und den „Physical AI（Physikalische KI）Bereich“ verschieben.

Das ist sehr interessant.

Nvidia, als größter Gewinner im „Rechenleistung-Wettlauf“ der AI 1.0-Ära, ruft jetzt aktiv nach einer Umorientierung auf „Inference“ und „Physical AI“. Das sendet eine sehr klare Botschaft: Das Zeitalter, in dem man durch das Haufen von GPUs große Modelle trainierte und „Wunder“ erzielte, ist vorbei. Zukünftig wird der KI-Wettbewerb um die praktische Anwendung und Implementierung der Szenarien kreisen – das „Anwendung ist König“.

Anders ausgedrückt, ist Physical AI die zweite Hälfte von Generative AI.

Denn LLMs haben bereits alle Daten verarbeitet, die Menschen in Jahrzehnten im Internet angesammelt haben, doch sie wissen immer noch nicht, wie man beispielsweise eine Flasche öffnet wie ein Mensch. Physical AI soll das Problem der „Vereinheitlichung von Wissen und Handeln“ außerhalb der KI-Intelligenz lösen.

Denn, Physical AI kann nicht auf die „lange Reflexionskette“ der entfernten Cloud-Server angewiesen sein. Die Logik ist einfach: Wenn ChatGPT eine Sekunde langsamer Texte generiert, merkt man das nur als Verzögerung. Aber wenn ein zweibeiniger Roboter wegen Netzverzögerung eine Sekunde langsamer ist, könnte er die Treppe herunterfallen.

Doch, obwohl Physical AI wie eine Fortsetzung der generativen KI erscheint, steht es vor völlig anderen drei großen Herausforderungen:

1. Raumintelligenz: KI soll die Fähigkeit besitzen, die dreidimensionale Welt zu verstehen.

Professor Fei-Fei Li hat vorgeschlagen, dass Raumintelligenz der nächste Polarstern der KI-Entwicklung ist. Roboter müssen zuerst „verstehen“, was sie sehen. Das bedeutet nicht nur, „das ist ein Stuhl“ zu erkennen, sondern auch zu verstehen, „wo dieser Stuhl im dreidimensionalen Raum steht, wie er aufgebaut ist und mit welcher Kraft ich ihn bewegen muss“.

Dafür sind riesige Mengen an Echtzeit-3D-Umgebungsdaten erforderlich, die jeden Winkel im Innen- und Außenbereich abdecken.

2. Virtuelles Trainingsgelände: KI soll in simulierten Welten Trial-and-Error-Training durchführen.

Jensen Huang erwähnte die Omniverse, die im Grunde eine „virtuelle Trainingsarena“ ist. Bevor Roboter in die reale physische Welt eintreten, müssen sie in virtuellen Umgebungen „zehntausend Mal fallen“, um das Gehen zu lernen. Dieser Prozess nennt sich Sim-to-Real, also vom Simulationstraining zur Realität. Wenn man den Roboter direkt in der realen Welt testen lässt, wären die Hardware-Abnutzungskosten enorm.

Dieser Prozess erfordert eine exponentielle Steigerung der Rechenleistung für Physiksimulationen und Rendering.

3. Elektrische Haut: „Tastdaten“ sind ein unerschlossenes Daten-Minenfeld.

Um „Haptik“ zu besitzen, braucht Physical AI elektronische Haut, die Temperatur, Druck und Textur wahrnimmt. Diese „Tastdaten“ sind eine völlig neue Asset-Kategorie, die bisher nie in großem Maßstab gesammelt wurde. Das könnte große Mengen an Sensoren erfordern. Auf der CES zeigte das Unternehmen Ensuring eine „serienreife Haut“, die mit 1.956 Sensoren bestückt ist – nur so kann ein Roboter beispielsweise Eier aufschlagen.

Diese „Tastdaten“ sind eine völlig neue Asset-Kategorie, die bisher nie in großem Maßstab gesammelt wurde.

Nach all dem wirst du sicherlich das Gefühl haben, dass die Diskussion um Physical AI vielen Hardware-Geräten wie Wearables und humanoiden Robotern große Chancen bietet. Man muss wissen, dass diese vor einigen Jahren noch als „große Spielzeuge“ kritisiert wurden.

Eigentlich möchte ich sagen, dass im neuen Physical AI-Ökosystem auch die Crypto-Szene eine hervorragende Ergänzung bieten kann. Hier einige Beispiele:

1. KI-Giganten können mit Street-View-Fahrzeugen jede Hauptstraße der Welt scannen, aber sie können keine Ecken in Straßen, Wohnvierteln oder Keller erfassen. Durch den Einsatz von DePIN-Netzwerkgeräten und Token-Anreizen können globale Nutzer mit ihren mobilen Geräten diese Daten ergänzen und so die Lücken schließen.

2. Wie bereits erwähnt, können Roboter nicht auf Cloud-Rechenleistung angewiesen sein, aber um kurzfristig große Mengen an Edge-Computing und verteilte Rendering-Kapazitäten zu nutzen, insbesondere für viele Simulationen, die in die reale Welt übertragen werden, kann ein verteiltes Rechennetzwerk, das ungenutzte Consumer-Hardware bündelt, sehr nützlich sein.

3. „Tastdaten“ – abgesehen von groß angelegten Sensoranwendungen – sind auf den ersten Blick sehr privat. Wie kann man die breite Masse dazu bewegen, diese sensiblen Daten mit KI-Giganten zu teilen? Ein gangbarer Weg ist, den Beitragenden Eigentumsrechte an den Daten und Dividenden zu gewähren.

Zusammenfassung:

Physical AI ist die zweite Hälfte des Web 2.0-AI-Wettbewerbs, den Jensen Huang ausgerufen hat. Und was ist mit Web 3 AI + Crypto-Szene, wie DePIN, DeAI, DeData? Sind das nicht ebenfalls wichtige Bereiche? Was denkst du?