Entiende el AI físico de Jensen Huang: ¿Por qué se dice que las oportunidades en Crypto también están escondidas en los “rincones y esquinas”?

¿De qué habló realmente Huang Renxun en el Foro de Davos?

A simple vista, parece que está promocionando robots, pero en realidad, está llevando a cabo una audaz ‘revolución personal’. Con unas palabras, puso fin a la era de “apilar tarjetas gráficas”, pero sorprendentemente, ¿ha preestablecido un boleto de entrada único para la pista de Crypto?

Ayer, en el Foro de Davos, Huang señaló que la capa de aplicaciones de IA está en auge, y que la demanda de potencia de cálculo pasará de la “entrenamiento” a la “inferencia” y a la “IA física (Physical AI)”.

Esto es muy interesante.

Nvidia, como el gran ganador en la era de la “carrera armamentística de potencia de cálculo” de la IA 1.0, ahora anuncia activamente un cambio hacia la “inferencia” y la “IA física”, lo que en realidad transmite una señal muy clara: la era de “hacer milagros apilando tarjetas” para entrenar grandes modelos ha quedado atrás, y en adelante, la competencia en IA girará en torno a la “aplicación en escenarios reales”, donde el “aplicación es el rey”.

En otras palabras, la IA física es la segunda mitad de la IA generativa (Generative AI).

Porque los LLM ya han leído todos los datos acumulados en Internet durante décadas, pero aún no saben cómo abrir una tapa de botella como lo hace un humano. La IA física busca resolver el problema de la “unidad de conocimiento y acción” más allá de la inteligencia artificial.

Porque, la IA física no puede depender de la “reflexión prolongada” de los servidores en la nube remotos. La lógica es simple: que ChatGPT genere texto con un retraso de un segundo solo te parecerá lento, pero si un robot bípedo se retrasa un segundo por la latencia de la red, podría caer por las escaleras.

Sin embargo, aunque la IA física parece ser una extensión de la IA generativa, en realidad enfrenta tres grandes nuevos desafíos completamente diferentes:

1) Inteligencia espacial: dotar a la IA de comprensión del mundo tridimensional.

La profesora Fei-Fei Li propuso que la inteligencia espacial es la próxima estrella polar en la evolución de la IA. Para que un robot se mueva, primero debe “entender” su entorno. Esto no solo implica reconocer “esto es una silla”, sino comprender “la posición, estructura y la fuerza necesaria para mover esta silla en un espacio tridimensional”.

Esto requiere una cantidad enorme de datos en tiempo real, que cubran cada rincón del interior y exterior en 3D;

2) Campo de entrenamiento virtual: permitir que la IA pruebe y aprenda en un mundo simulado.

Omniverse, mencionado por Huang Renxun, es en realidad una especie de “campo de entrenamiento virtual”. Antes de entrar en el mundo físico real, los robots necesitan entrenar “diez mil caídas” en un entorno virtual para aprender a caminar, un proceso llamado Sim-to-Real, es decir, de simulación a realidad. Si se permite que los robots prueben y fallen en la realidad directamente, los costos de desgaste del hardware serían astronómicos.

Este proceso requiere un rendimiento exponencial en la simulación y renderizado de motores físicos;

3) Piel electrónica: un tesoro de datos “táctiles” por explorar.

Para que la IA física tenga “sensación táctil”, necesita una piel electrónica que detecte temperatura, presión y textura. Estos “datos táctiles” son activos completamente nuevos, nunca antes recopilados a gran escala. Esto puede requerir una gran cantidad de sensores, como los que mostró Ensuring en CES, donde una “piel de producción en masa” en una mano está integrada con 1,956 sensores, permitiendo efectos mágicos como que un robot pueda manipular huevos con precisión.

Estos “datos táctiles” son activos completamente nuevos, nunca antes recopilados a gran escala.

Tras leer esto, seguramente pensarás que la aparición del discurso sobre la IA física ofrece muchas oportunidades para dispositivos portátiles y robots humanoides, que hace unos años se consideraban “juguetes de gran tamaño” y criticados por su tamaño.

En realidad, quiero decir que en el nuevo mapa de la IA física, el sector Crypto también tiene una oportunidad excelente para complementar su ecosistema. Aquí algunos ejemplos:

1. Las grandes empresas de IA pueden desplegar vehículos de reconocimiento de calles para escanear cada calle principal del mundo, pero no pueden recopilar datos en esquinas, interiores de barrios o sótanos. Utilizando incentivos en tokens a través de dispositivos DePIN, se puede movilizar a usuarios globales para que completen estos datos, logrando así la cobertura completa;

2. Como mencioné antes, los robots no pueden depender de la potencia de cálculo en la nube, pero a corto plazo, pueden aprovechar en masa la computación en el borde y la capacidad de renderizado distribuido, especialmente para realizar muchas simulaciones y datos de transición a la realidad. Utilizando redes de potencia distribuida, agrupando hardware de consumo inactivo para distribuir y gestionar, ¿no sería útil?

3. Los “datos táctiles”, además de su aplicación en sensores a gran escala, por su nombre se perciben como extremadamente privados. ¿Cómo coordinar a la población para compartir estos datos sensibles con los gigantes de la IA? La vía viable sería que quienes contribuyen con datos puedan obtener derechos de propiedad y dividendos por esos datos.

En resumen:

La IA física, que Huang anunció como la segunda mitad del sector de IA en web2, ¿no representa también una oportunidad de complemento ecológico en sectores como DePIN, DeAI, DeData en web3? ¿Qué opinas?