Não é que a Nvidia esteja desesperada por reforço positivo após os seus últimos relatórios de lucros, mas vale a pena notar o quão bem a estratégia robótica da empresa valeu a pena nos últimos anos. A Nvidia investiu pesadamente neste espaço em um momento em que incorporar a robótica além da fabricação ainda parecia uma quimera para muitos. Abril marca uma década desde o lançamento do TK1. NVIDIA Foi assim que ele descreveu a oferta naquele momento “O Jetson TK1 traz os recursos do Tegra K1 para desenvolvedores em uma plataforma compacta e de baixo consumo de energia que torna o desenvolvimento tão simples quanto fazê-lo em um PC.”
Neste mês de fevereiro, o empresa comunicada, “Um milhão de desenvolvedores em todo o mundo estão agora usando a plataforma Nvidia Jetson para IA e robótica de ponta para criar tecnologias inovadoras. Além disso, mais de 6.000 empresas (um terço das quais são startups) integraram a plataforma aos seus produtos.”
Seria difícil encontrar um desenvolvedor de robótica que não tenha passado muito tempo com a plataforma e, francamente, é notável como os usuários variam de amadores a corporações multinacionais. Esse é o tipo de difusão pela qual empresas como a Arduino matariam.
Nos enormes escritórios da empresa em Santa Clara, os edifícios, inaugurados em 2018, são impossíveis de perder da Rodovia San Tomas. Na verdade, existe uma ponte pedonal que atravessa a estrada e liga a antiga e a nova sede. O novo espaço é composto principalmente por dois edifícios: Voyager e Endeavour, com 500.000 e 750.000 pés quadrados, respectivamente.
Entre os dois há uma passarela ao ar livre ladeada por árvores, sob grandes treliças cruzadas que sustentam painéis solares. A batalha pela sede da Big Tech em South Bay esquentou muito nos últimos anos, mas quando você está efetivamente imprimindo dinheiro, comprar terrenos e construir escritórios é provavelmente o melhor lugar para colocá-lo. Você só precisa perguntar à Apple, Google e Facebook.
Enquanto isso, a entrada da Nvidia na robótica se beneficiou de todos os tipos de bênçãos. A empresa conhece o silício tão bem quanto qualquer pessoa atualmente, desde o projeto e fabricação até a criação de sistemas de baixo consumo de energia capazes de realizar tarefas cada vez mais complexas. Isto é essencial para um mundo que investe cada vez mais em IA e ML. Enquanto isso, o amplo conhecimento em jogos da Nvidia provou ser um grande trunfo para Isaac Sim, sua plataforma de simulação robótica. É uma tempestade perfeita, de fato.
Falando na SIGGRAPH em agosto de 2023, o CEO Jensen Huang explicou: “Percebemos que a rasterização estava atingindo seus limites. 2018 foi um momento de “apostar na empresa”. Exigiu que reinventássemos o hardware, o software, os algoritmos. E enquanto reinventávamos a CG com IA, reinventávamos a GPU para IA.”
Após algumas demonstrações, Deepu Talla, vice-presidente e gerente geral de Embedded & Edge Computing da Nvidia, apontou um sistema de teleconferência Cisco na parede traseira rodando a plataforma Jetson. Está muito longe dos AMRs típicos em que tendemos a pensar quando pensamos em Jetson.
“A maioria das pessoas pensa na robótica como algo físico que geralmente tem braços, pernas, asas ou rodas, o que é considerado uma percepção de dentro para fora”, disse ele, referindo-se ao dispositivo de escritório. “Assim como os humanos. Os humanos possuem sensores para ver o que nos rodeia e tomar consciência da situação. Também existe algo chamado robótica externa. Essas coisas não se movem. Imagine que você tivesse câmeras e sensores em seu prédio. Eles são capazes de ver o que está acontecendo. Temos uma plataforma chamada Nvidia Metropolis. “Ele possui análise de vídeo e se adapta a cruzamentos de tráfego, aeroportos e ambientes de varejo.”
Qual foi a reação inicial quando o sistema Jetson foi apresentado em 2015? Veio de uma empresa que a maioria das pessoas associa aos jogos.
Sim, embora isso esteja mudando. Mas foi a coisa certa a fazer. É a isso que a maioria dos consumidores está acostumada. A IA ainda era nova, você tinha que explicar qual caso de uso você estava entendendo. Em novembro de 2015, eu e o Jensen [Huang] fomos a São Francisco apresentar algumas músicas. O exemplo que tivemos foi um drone autônomo. Se você quisesse fazer um drone autônomo, o que seria necessário? Você precisaria ter tantos sensores, precisaria processar tantos quadros, precisaria identificar isso. Fizemos alguns cálculos aproximados para identificar quantos cálculos precisaríamos. E se você quiser fazer isso hoje, qual é a sua opção? Não havia nada parecido na época.
Como a história dos jogos da Nvidia influenciou seus projetos de robótica?
Quando fundamos a empresa, foram os jogos que nos financiaram para construir GPUs. Em seguida, adicionamos CUDA às nossas GPUs para que pudesse ser usado em aplicações não gráficas. CUDA é essencialmente o que nos levou à IA. Agora a IA está ajudando os jogos, graças ao ray tracing, por exemplo. Afinal, estamos construindo microprocessadores com GPUs. Todo esse middleware de que falamos é o mesmo. CUDA é o mesmo para robótica, computação de alto desempenho e IA em nuvem. Nem todo mundo precisa usar todos os recursos do CUDA, mas é a mesma coisa.
Como Isaac Sim se compara ao simulador [Open Robotics]?
Gazebo é um bom simulador básico para fazer simulações limitadas. Não estamos tentando substituir o Gazebo. Gazebo é bom para tarefas básicas. Fornecemos uma ponte ROS simples para conectar o Gazebo com Isaac Sim. Mas Isaac pode fazer coisas que ninguém mais pode fazer. É construído no Omniverse. Todas as coisas que você tem no Omniverse vêm para Isaac Sim. Também foi projetado para conectar qualquer modo de IA, qualquer estrutura, todas as coisas que fazemos no mundo real. Você pode conectá-lo para obter uma autonomia mais completa. Também possui fidelidade visual.
Você não quer competir com o ROS (Sistema operacional do robô).
Não não. Estamos tentando construir uma plataforma. Queremos nos conectar com todos e ajudar outros a alavancar nossa plataforma, assim como nós alavancamos a deles. Não adianta competir.
Você está trabalhando com universidades de pesquisa?
Absolutamente. Dieter Fox é chefe de pesquisa em robótica da Nvidia. Ele também é professor de robótica na Universidade de Washington. E muitos dos nossos membros de pesquisa também têm afiliações duplas. Em muitos casos, eles são afiliados a universidades. Publicamos para toda a comunidade. Quando você está fazendo pesquisa, ela tem que ser aberta.
Você está trabalhando com usuários finais em questões como implantação ou gerenciamento de frota?
Provavelmente não. Por exemplo, se a John Deere vende um trator, os agricultores não falam connosco. Normalmente, o gerenciamento de frota é. Temos ferramentas para ajudá-los, mas a gestão da frota é feita por quem presta o serviço ou constrói o robô.
Quando a robótica se tornou uma peça do quebra-cabeça da Nvidia?
Eu diria que no início da década de 2010. Foi quando a IA surgiu. Acho que a primeira vez que o aprendizado profundo veio ao mundo foi em 2012. Acreditava-se um perfil recente sobre Bryan Catanzaro. Ele imediatamente disse em LinkedIn, “Na verdade, não convenci Jensen, simplesmente expliquei o aprendizado profundo para ele. Ele imediatamente formou sua própria convicção e transformou a Nvidia em uma empresa de inteligência artificial. “Foi inspirador ver e às vezes ainda não consigo acreditar que estive lá para testemunhar a transformação da Nvidia.”
2015 foi quando começamos com IA não apenas para a nuvem, mas também para EDGE, tanto para Jetson quanto para direção autônoma.
Quando você fala sobre IA generativa com as pessoas, como convencê-las de que isso é mais do que apenas uma moda passageira?
Acho que isso fala nos resultados. Você já pode ver a melhoria na produtividade. Você pode escrever um e-mail para mim. Não é exatamente correto, mas não preciso começar do zero. Ele está me dando 70%. Há coisas óbvias que você já pode ver que são definitivamente um recurso de etapa melhor do que como eram antes. Resumir algo não é perfeito. Não vou deixar você ler e resumir para mim. Portanto, já podem ser observados alguns sinais de melhorias de produtividade.
