كيف أصبحت NVIDIA لاعبًا رئيسيًا في مجال الروبوتات

[A version of this post appeared in TechCrunch’s robotics newsletter, Actuator. Subscribe here.]
آخر مرة تحدثت فيها مع NVIDIA بأي شكل من الأشكال حول الروبوتات كانت أيضًا المرة الأخيرة التي عرضنا فيها Claire Delaunay على خشبة المسرح في حدث الجلسات الخاص بنا. كان هذا منذ برهة. لقد تركت الشركة في يوليو الماضي للعمل مع الشركات الناشئة والقيام بالاستثمار. في الواقع، عادت إلى منصة TechCrunch في Disrupt قبل أسبوعين لمناقشة عملها كمستشارة لمجلس إدارة شركة التكنولوجيا الزراعية Farm-ng.
لا يعني ذلك أن Nvidia في حاجة ماسة إلى تعزيز إيجابي بعد تقارير أرباحها العديدة الأخيرة، ولكن الأمر يستحق الإشارة إلى مدى نجاح استراتيجية الروبوتات الخاصة بالشركة في السنوات الأخيرة. ضخت Nvidia الكثير في هذه الفئة في وقت كان فيه تعميم الروبوتات خارج نطاق التصنيع لا يزال يبدو وكأنه حلم بعيد المنال بالنسبة للكثيرين. يصادف شهر أبريل مرور عقد من الزمان منذ إطلاق TK1. وصفت Nvidia العرض على هذا النحو في ذلك الوقت، “يجلب Jetson TK1 إمكانات Tegra K1 للمطورين في منصة مدمجة منخفضة الطاقة تجعل التطوير بسيطًا مثل التطوير على جهاز كمبيوتر.”
وفي شهر فبراير من هذا العام، أشارت الشركة إلى أن “مليون مطور في جميع أنحاء العالم يستخدمون الآن منصة Nvidia Jetson للذكاء الاصطناعي والروبوتات لبناء تقنيات مبتكرة. بالإضافة إلى ذلك، قامت أكثر من 6000 شركة – ثلثها شركات ناشئة – بدمج المنصة مع منتجاتها.
سيكون من الصعب عليك العثور على مطور للروبوتات لم يقض وقتًا في التعامل مع المنصة، وبصراحة، من اللافت للنظر كيف يدير المستخدمون سلسلة كاملة من الهواة إلى الشركات متعددة الجنسيات. هذا هو نوع الانتشار الذي ستقتله شركات مثل Arduino.
قمت في الأسبوع الماضي بزيارة إلى مكاتب الشركة الضخمة في سانتا كلارا. من المستحيل تفويت المباني التي تم افتتاحها في عام 2018 من طريق سان توماس السريع. في الواقع، هناك جسر للمشاة يمتد فوق الطريق، ويربط بين المقر الرئيسي القديم والجديد. وتتكون المساحة الجديدة بشكل أساسي من مبنيين: Voyager وEndeavour، بمساحة 500.000 و750.000 قدم مربع على التوالي.
ويوجد بين الاثنين ممر خارجي تصطف على جانبيه الأشجار، أسفل تعريشات كبيرة متقاطعة تدعم الألواح الشمسية. لقد احتدمت المعركة حول المقر الرئيسي لشركة South Bay Big Tech في السنوات الأخيرة، ولكن عندما تقوم بطباعة النقود بشكل فعال، فإن شراء الأراضي وبناء المكاتب ربما يكون أفضل مكان لتوجيهها. فقط اسأل أبل وجوجل وفيسبوك.
اعتمادات الصورة: نفيديا
وفي الوقت نفسه، استفاد دخول إنفيديا إلى عالم الروبوتات من جميع أنواع القسمت. تعرف الشركة بالسيليكون مثل أي شخص آخر على وجه الأرض في هذه المرحلة، بدءًا من التصميم والتصنيع وحتى إنشاء أنظمة منخفضة الطاقة قادرة على أداء مهام متزايدة التعقيد. تعتبر هذه الأشياء أساسية لعالم يستثمر بشكل متزايد في الذكاء الاصطناعي والتعلم الآلي. وفي الوقت نفسه، أثبت اتساع نطاق معرفة Nvidia حول الألعاب أنه يمثل رصيدًا ضخمًا لـ Isaac Sim، منصة محاكاة الروبوتات الخاصة بها. إنها عاصفة مثالية إلى حد ما، حقًا.
وفي معرض حديثه في SIGGRAPH في أغسطس، أوضح الرئيس التنفيذي جنسن هوانغ: “لقد أدركنا أن عملية التنقيط قد وصلت إلى حدودها القصوى. كان عام 2018 لحظة “الرهان على الشركة”. لقد تطلب الأمر أن نعيد اختراع الأجهزة والبرمجيات والخوارزميات. وبينما كنا نعيد اختراع CG باستخدام الذكاء الاصطناعي، كنا نعيد اختراع وحدة معالجة الرسومات للذكاء الاصطناعي.
بعد بعض العروض التوضيحية، جلست مع ديبو تالا، نائب رئيس Nvidia والمدير العام لشركة Embedded & Edge Computing. عندما بدأنا الحديث، أشار إلى نظام عقد المؤتمرات عن بعد من Cisco الموجود على الجدار البعيد والذي يدير منصة Jetson. إنه بعيد كل البعد عن مضادات الميكروبات المقاومة النموذجية التي نميل إلى التفكير فيها عندما نفكر في Jetson.
وأشار إلى أن “معظم الناس يعتقدون أن الروبوتات هي شيء مادي له عادةً أذرع أو أرجل أو أجنحة أو عجلات – وهو ما تعتقد أنه إدراك من الداخل إلى الخارج”. “تماما مثل البشر. لدى البشر أجهزة استشعار لرؤية محيطنا وجمع الوعي الظرفي. هناك أيضًا هذا الشيء الذي يسمى الروبوتات الخارجية. تلك الأشياء لا تتحرك. تخيل أن لديك كاميرات وأجهزة استشعار في المبنى الخاص بك. إنهم قادرون على رؤية ما يحدث. لدينا منصة تسمى Nvidia Metropolis. فهو يحتوي على تحليلات فيديو ونطاقات للتقاطعات المرورية والمطارات وبيئات البيع بالتجزئة.

اعتمادات الصورة: تك كرانش
ما هو رد الفعل الأولي عندما عرضت نظام Jetson في عام 2015؟ لقد كانت قادمة من شركة يربطها معظم الناس بالألعاب.
نعم، على الرغم من أن هذا يتغير. لكنك على حق. وهذا ما اعتاد عليه معظم المستهلكين. كان الذكاء الاصطناعي لا يزال جديدًا، وكان عليك شرح حالة الاستخدام التي كنت تفهمها. في نوفمبر 2015، جنسن [Huang] وذهبت إلى سان فرانسيسكو لتقديم بعض الأشياء. والمثال الذي لدينا كان طائرة بدون طيار مستقلة. إذا أردت أن تصنع طائرة بدون طيار مستقلة، ما الذي سيتطلبه الأمر؟ ستحتاج إلى هذا العدد الكبير من أجهزة الاستشعار، وتحتاج إلى معالجة هذا العدد من الإطارات، وتحتاج إلى تحديد ذلك. لقد قمنا ببعض العمليات الحسابية التقريبية لتحديد عدد الحسابات التي سنحتاجها. وإذا كنت تريد أن تفعل ذلك اليوم، ما هو خيارك؟ لم يكن هناك شيء من هذا القبيل في ذلك الوقت.
كيف أثر تاريخ ألعاب Nvidia على مشاريع الروبوتات الخاصة بها؟
عندما بدأنا الشركة لأول مرة، كانت الألعاب هي ما ساهم في تمويلنا لبناء وحدات معالجة الرسومات. ثم أضفنا CUDA إلى وحدات معالجة الرسومات لدينا حتى يمكن استخدامها للتطبيقات غير الرسومية. CUDA هو في الأساس ما أوصلنا إلى الذكاء الاصطناعي. الآن، يساعد الذكاء الاصطناعي في الألعاب، بسبب تتبع الأشعة، على سبيل المثال. في نهاية المطاف، نحن نقوم ببناء معالجات دقيقة باستخدام وحدات معالجة الرسومات. كل هذه البرامج الوسيطة التي تحدثنا عنها هي نفسها. CUDA هو نفسه بالنسبة للروبوتات والحوسبة عالية الأداء والذكاء الاصطناعي في السحابة. لا يحتاج الجميع إلى استخدام جميع أجزاء CUDA، ولكنه نفس الشيء.
كيف يقارن إسحاق سيم بـ [Open Robotics’] شرفة المراقبة؟
يعد Gazebo محاكيًا أساسيًا جيدًا لإجراء عمليات محاكاة محدودة. نحن لا نحاول استبدال جازيبو. شرفة المراقبة جيدة للمهام الأساسية. نحن نقدم جسر ROS بسيطًا لتوصيل Gazebo بإسحاق سيم. لكن إسحاق يستطيع أن يفعل أشياء لا يستطيع أي شخص آخر أن يفعلها. إنها مبنية على قمة Omniverse. كل الأشياء التي لديك في Omniverse تأتي إلى Isaac Sim. إنه مصمم أيضًا لتوصيل أي وضع للذكاء الاصطناعي، أو أي إطار عمل، أو كل الأشياء التي نقوم بها في العالم الحقيقي. يمكنك توصيله للحصول على كل الاستقلالية. كما أن لديها الإخلاص البصري.
أنت لا تتطلع للتنافس مع ROS.
لا لا. تذكر أننا نحاول بناء منصة. نريد التواصل مع الجميع ومساعدة الآخرين على الاستفادة من منصتنا تمامًا كما نستفيد من منصتهم. ليس هناك جدوى من المنافسة.
هل تعملون مع الجامعات البحثية؟
قطعاً. ديتر فوكس هو رئيس أبحاث الروبوتات في Nvidia. وهو أيضًا أستاذ في جامعة واشنطن في مجال الروبوتات. والعديد من أعضاء البحث لدينا لديهم أيضًا انتماءات مزدوجة. وهم تابعون للجامعات في كثير من الحالات. نحن ننشر. عندما تقوم بالبحث، يجب أن يكون مفتوحًا.
هل تعمل مع المستخدمين النهائيين على أشياء مثل النشر أو إدارة الأسطول؟
على الاغلب لا. على سبيل المثال، إذا كانت شركة John Deere تبيع جرارًا، فإن المزارعين لا يتحدثون إلينا. عادةً ما تكون إدارة الأسطول هي. لدينا أدوات لمساعدتهم، ولكن إدارة الأسطول تتم بواسطة من يقدم الخدمة أو يقوم ببناء الروبوت.
متى أصبحت الروبوتات قطعة من اللغز بالنسبة لـ Nvidia؟
أود أن أقول ، أوائل عام 2010. وذلك عندما حدث نوع من الذكاء الاصطناعي. أعتقد أن المرة الأولى التي ظهر فيها التعلم العميق للعالم كله كانت في عام 2012. كان هناك ملف تعريف حديث عن برايان كاتانزارو. ثم قال على الفور على LinkedIn، [Full quote excerpted from the LinkedIn post]”لم أقنع جنسن في الواقع، وبدلاً من ذلك شرحت له التعلم العميق. لقد شكل على الفور فكرته الخاصة وقام بتحويل Nvidia لتصبح شركة ذكاء اصطناعي. لقد كان الأمر ملهمًا للمشاهدة وما زلت في بعض الأحيان لا أصدق أنني كنت هناك لأشهد تحول Nvidia.
كان عام 2015 هو الوقت الذي بدأنا فيه الذكاء الاصطناعي ليس فقط للسحابة، بل أيضًا لـ EDGE لكل من Jetson والقيادة الذاتية.
عندما تناقش الذكاء الاصطناعي التوليدي مع الناس، كيف يمكنك إقناعهم بأنه أكثر من مجرد موضة؟
أعتقد أنه يتحدث في النتائج. يمكنك بالفعل رؤية تحسن الإنتاجية. يمكنه إنشاء بريد إلكتروني لي. هذا ليس صحيحًا تمامًا، لكن ليس من الضروري أن أبدأ من الصفر. إنه يعطيني 70٪. هناك أشياء واضحة يمكنك رؤيتها بالفعل والتي تعد بالتأكيد خطوة بخطوة أفضل مما كانت عليه الأمور من قبل. تلخيص شيء ما ليس مثاليًا. لن أتركها تقرأ وتلخص لي. لذلك، يمكنك بالفعل رؤية بعض علامات التحسن في الإنتاجية.