Non è che Nvidia sia alla disperata ricerca di rinforzi positivi dopo i suoi ultimi rapporti sugli utili, ma vale la pena notare quanto la strategia robotica dell'azienda abbia dato i suoi frutti negli ultimi anni. Nvidia ha investito molto in questo spazio in un momento in cui incorporare la robotica oltre la produzione sembrava ancora un sogno irrealizzabile per molti. Aprile segna un decennio dal lancio del TK1. NVIDIA Così descrisse l'offerta in quel momento "Jetson TK1 offre agli sviluppatori le funzionalità di Tegra K1 in una piattaforma compatta e a basso consumo che rende lo sviluppo semplice come farlo su un PC."
Questo febbraio, il società comunicata, “Un milione di sviluppatori in tutto il mondo stanno ora utilizzando la piattaforma Nvidia Jetson per l’intelligenza artificiale e la robotica all’avanguardia per creare tecnologie innovative. Inoltre, più di 6.000 aziende (un terzo delle quali sono startup) hanno integrato la piattaforma con i loro prodotti”.
Sarebbe difficile trovare uno sviluppatore di robotica che non abbia trascorso del tempo con la piattaforma e, francamente, è notevole il modo in cui gli utenti spaziano dagli hobbisti alle multinazionali. Questo è il tipo di attività per cui aziende di diffusione come Arduino ucciderebbero.
Gli enormi uffici dell'azienda a Santa Clara, inaugurati nel 2018, sono impossibili da non notare dalla San Tomas Highway. Infatti c'è un ponte pedonale che attraversa la strada e collega la vecchia e la nuova sede. Il nuovo spazio è composto principalmente da due edifici: Voyager ed Endeavour, che comprendono rispettivamente 500.000 e 750.000 piedi quadrati.
Tra i due c'è una passerella all'aperto fiancheggiata da alberi, sotto grandi tralicci incrociati che sostengono i pannelli solari. La battaglia per il quartier generale della South Bay Big Tech si è accesa molto negli ultimi anni, ma quando si stampa effettivamente denaro, l'acquisto di terreni e la costruzione di uffici è probabilmente il posto migliore in cui inserirlo. Basta chiedere ad Apple, Google e Facebook.
Nel frattempo, l'ingresso di Nvidia nel campo della robotica ha beneficiato di ogni sorta di benedizioni. L'azienda conosce il silicio meglio di chiunque altro in questo momento, dalla progettazione e produzione alla creazione di sistemi a basso consumo in grado di svolgere compiti sempre più complessi. Ciò è essenziale per un mondo che investe sempre più in AI e ML. Nel frattempo, la vasta conoscenza dei giochi di Nvidia si è rivelata una grande risorsa per Isaac Sim, la sua piattaforma di simulazione robotica. È una tempesta perfetta, davvero.
Intervenendo al SIGGRAPH nell’agosto 2023, il CEO Jensen Huang ha spiegato: “Ci siamo resi conto che la rasterizzazione stava raggiungendo i suoi limiti. Il 2018 è stato un momento di “scommessa sull’azienda”. Ci ha richiesto di reinventare l’hardware, il software, gli algoritmi. E mentre reinventavamo la computer grafica con l’intelligenza artificiale, stavamo reinventando la GPU per l’intelligenza artificiale”.
Dopo alcune dimostrazioni, Deepu Talla, vicepresidente e direttore generale di Embedded & Edge Computing presso Nvidia, ha sottolineato un sistema di teleconferenza Cisco sulla parete di fondo che esegue la piattaforma Jetson. È molto diverso dai tipici AMR a cui tendiamo a pensare quando pensiamo a Jetson.
"La maggior parte delle persone pensa alla robotica come a qualcosa di fisico che di solito ha braccia, gambe, ali o ruote, il che è considerato una percezione al rovescio", ha detto, riferendosi al dispositivo da ufficio. “Proprio come gli umani. Gli esseri umani hanno sensori per vedere ciò che ci circonda e prendere coscienza della situazione. Esiste anche qualcosa chiamato robotica outside-in. Quelle cose non si muovono. Immagina di avere telecamere e sensori nel tuo edificio. Sono in grado di vedere cosa sta succedendo. Abbiamo una piattaforma chiamata Nvidia Metropolis. "Dispone di analisi video e si adatta agli incroci del traffico, agli aeroporti e agli ambienti di vendita al dettaglio."
Qual è stata la reazione iniziale quando è stato mostrato il sistema Jetson nel 2015? Proviene da un'azienda che la maggior parte delle persone associa ai giochi.
Sì, anche se le cose stanno cambiando. Ma era la cosa giusta da fare. Questo è ciò a cui è abituata la maggior parte dei consumatori. L'intelligenza artificiale era ancora nuova, dovevi spiegare quale caso d'uso stavi comprendendo. Nel novembre 2015, Jensen [Huang] e io siamo andati a San Francisco per presentare alcune canzoni. L’esempio che abbiamo avuto era un drone autonomo. Se volessi realizzare un drone autonomo, cosa ci vorrebbe? Dovresti avere così tanti sensori, devi elaborare così tanti fotogrammi, devi identificarlo. Abbiamo fatto alcuni calcoli approssimativi per identificare quanti calcoli avremmo avuto bisogno. E se vuoi farlo oggi, qual è la tua opzione? Non c'era niente del genere in quel momento.
In che modo la storia dei videogiochi di Nvidia ha influenzato i tuoi progetti di robotica?
Quando abbiamo fondato l'azienda, i giochi sono stati ciò che ci ha finanziato per costruire GPU. Abbiamo quindi aggiunto CUDA alle nostre GPU in modo che potesse essere utilizzato in applicazioni non grafiche. CUDA è essenzialmente ciò che ci ha portato all'intelligenza artificiale. Ora l’intelligenza artificiale aiuta i giochi, grazie ad esempio al ray tracing. Dopotutto, stiamo costruendo microprocessori con GPU. Tutto il middleware di cui parliamo è lo stesso. CUDA è lo stesso per la robotica, il calcolo ad alte prestazioni e l’intelligenza artificiale nel cloud. Non tutti hanno bisogno di utilizzare tutte le funzionalità di CUDA, ma è la stessa cosa.
Come si confronta Isaac Sim con il simulatore [di Open Robotics]?
Gazebo è un buon simulatore di base per eseguire simulazioni limitate. Non stiamo cercando di sostituire Gazebo. Il gazebo è utile per le attività di base. Forniamo un semplice bridge ROS per connettere Gazebo con Isaac Sim. Ma Isaac può fare cose che nessun altro può fare. È costruito sull'Omniverso. Tutte le cose che hai in Omniverse arrivano a Isaac Sim. È inoltre progettato per connettere qualsiasi modalità AI, qualsiasi framework, tutte le cose che facciamo nel mondo reale. Puoi collegarlo per ottenere un'autonomia più completa. Ha anche fedeltà visiva.
Non stai cercando di competere con ROS (Sistema operativo robot).
No, no. Stiamo cercando di costruire una piattaforma. Vogliamo connetterci con tutti e aiutare gli altri a sfruttare la nostra piattaforma proprio come noi sfruttiamo la loro. Non ha senso competere.
Lavori con università di ricerca?
Assolutamente. Dieter Fox è il capo della ricerca sulla robotica presso Nvidia. È anche professore di robotica all'Università di Washington. E molti dei nostri ricercatori hanno anche una doppia affiliazione. In molti casi sono affiliati alle università. Pubblichiamo a tutta la comunità. Quando fai ricerca, deve essere aperto.
Stai lavorando con gli utenti finali su aspetti quali l'implementazione o la gestione della flotta?
Probabilmente no. Ad esempio, se John Deere vende un trattore, gli agricoltori non ci parlano. In genere, la gestione della flotta lo è. Abbiamo gli strumenti per aiutarli, ma la gestione della flotta la fa chi fornisce il servizio o costruisce il robot.
Quando la robotica è diventata un pezzo del puzzle di Nvidia?
Direi l’inizio degli anni 2010. È allora che è emersa l’intelligenza artificiale. Penso che la prima volta che il deep learning è venuto al mondo sia stato nel 2012. Si credeva un profilo recente su Bryan Catanzaro. Ha subito detto dentro LinkedIn, “In realtà non ho convinto Jensen, ma gli ho semplicemente spiegato il deep learning. Ha immediatamente formato la sua convinzione e ha trasformato Nvidia in una società di intelligenza artificiale. "È stato stimolante vederlo e a volte non riesco ancora a credere di aver potuto essere lì per assistere alla trasformazione di Nvidia."
Il 2015 è stato l’anno in cui abbiamo iniziato con l’intelligenza artificiale non solo per il cloud, ma anche per EDGE sia per Jetson che per la guida autonoma.
Quando parli di IA generativa con le persone, come fai a convincerle che è più di una semplice moda passeggera?
Penso che si parli dei risultati. Puoi già vedere il miglioramento della produttività. Puoi scrivermi un'e-mail. Non è esattamente corretto, ma non devo ricominciare da zero. Mi dà il 70%. Ci sono cose ovvie che puoi già vedere che sono sicuramente una caratteristica di passaggio migliore rispetto a come erano le cose prima. Riassumere qualcosa non è perfetto. Non ti permetterò di leggerlo e di riassumerlo per me. Pertanto si possono già osservare alcuni segnali di miglioramento della produttività.
