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

Rédigé par : Haotian

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

En apparence, il fait la promotion des robots, mais en réalité, il mène une « révolution personnelle » audacieuse. Avec un discours, il met fin à l’ère du « stacking de cartes graphiques » et, de manière inattendue, offre une opportunité d’entrée unique dans la piste 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 la course à la puissance de calcul de l’ère AI 1.0, en annonçant volontairement un virage vers « inférence » et « IA physique », envoie en fait un signal très clair : l’époque où l’on accumulait des cartes pour entraîner de grands modèles, c’est fini. La compétition en IA se concentrera désormais sur la mise en œuvre pratique des scénarios d’application, où « l’application est reine ».

En d’autres termes, l’IA physique est la seconde moitié de l’IA générative (Generative AI).

Car, les LLM ont déjà ingéré toutes les données accumulées sur Internet par l’humanité 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 « connaissance et action unifiées » en dehors de l’intelligence artificielle.

En effet, l’IA physique ne peut pas dépendre d’un « long circuit de réflexion » dans un serveur cloud distant. La logique est simple : faire générer du texte par ChatGPT avec une seconde de retard, cela peut sembler lent, mais si un robot bipède subit un retard réseau d’une seconde, il pourrait tomber des escaliers.

Cependant, l’IA physique, qui semble être une extension de l’IA générative, doit relever 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 de comprendre « la position, la structure dans l’espace tridimensionnel, 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 de faire des essais et erreurs dans un monde simulé.

Huang a mentionné l’Omniverse, qui est en fait un « terrain d’entraînement virtuel ». Avant d’entrer dans le monde physique réel, un robot doit s’entraîner à tomber mille fois dans un environnement virtuel pour apprendre à marcher, un processus appelé Sim-to-Real, c’est-à-dire de la simulation à la réalité. Si l’on laisse le robot faire des essais dans le monde réel, le coût en matériel sera astronomique.

Ce processus exige une capacité de traitement en physique de simulation et en rendu graphique à un niveau exponentiel.

3. Peau électronique : « données tactiles », une mine de données à exploiter.

Pour que l’IA physique ait une « sensation tactile », elle doit utiliser une peau électronique pour percevoir la température, la pression, la texture. Ces « données tactiles » sont des actifs entièrement nouveaux, jamais collectés à grande échelle auparavant. Cela nécessite une collecte massive par capteurs. Lors du CES, la société Ensuring a présenté une « peau de production en série » intégrant 1 956 capteurs sur une seule main, permettant par exemple à un robot de casser des œufs de manière magique.

Ces « données tactiles » sont des actifs totalement nouveaux, jamais collectés à grande échelle auparavant.

Après avoir lu tout cela, vous ressentirez sûrement que l’émergence du discours sur l’IA physique offre de grandes opportunités pour de nombreux appareils portables et robots humanoïdes, qui étaient il y a quelques années encore considérés comme de simples « grands jouets ».

En réalité, je pense que dans la nouvelle carte du territoire de l’IA physique, la piste Crypto dispose également 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 et recoins des rues, des quartiers ou des sous-sols. En utilisant la récompense en tokens fournie par le réseau DePIN, mobiliser des utilisateurs du monde entier pour compléter ces données pourrait être une solution.

2. Comme mentionné précédemment, un robot ne peut pas dépendre de la puissance de calcul cloud, mais doit rapidement exploiter la edge computing et la capacité de rendu distribuée à grande échelle, notamment pour réaliser de nombreux scénarios de simulation vers réalité. En utilisant un réseau de calcul distribué, rassembler du matériel grand public inutilisé pour le répartir et le gérer, cela pourrait être mis en œuvre.

3. « Données tactiles » : en dehors de l’application à grande échelle de capteurs, le nom évoque une grande confidentialité. Comment inciter le public à partager ces données sensibles avec les géants de l’IA ? La solution viable est de permettre aux contributeurs de ces données de bénéficier de droits de propriété et de dividendes.

En résumé :

L’IA physique est la seconde moitié du web 2.0 AI, annoncée par Huang. Et qu’en est-il du secteur web 3 AI + Crypto, comme DePIN, DeAI, DeData ? N’est-ce pas aussi une opportunité d’écosystème complémentaire ? Qu’en pensez-vous ?