Compreender o Physical AI de Jensen Huang: Por que as oportunidades de Crypto também estão escondidas nos "recantos e cantos"?

No Fórum de Davos, o que é que Huang Renxun realmente disse?

À primeira vista, ele está a promover robôs, mas na verdade, está a realizar uma audaciosa ‘auto-revolução’. Com uma única intervenção, ele pôs fim à era antiga de “acumular placas gráficas” e, surpreendentemente, previu uma oportunidade única de entrada para o setor Crypto?

Ontem, no Fórum de Davos, Huang apontou que a camada de aplicações de IA está a explodir, e que a procura por poder de processamento vai passar de “treinamento” para “inferência” e “IA Física”.

Isto é bastante interessante.

A Nvidia, como maior vencedora na corrida de “armamento de poder de processamento” na era AI 1.0, ao anunciar a mudança para “inferência” e “IA Física”, está a transmitir um sinal muito direto: a era de “grande esforço para treinar grandes modelos com muitas placas gráficas” acabou. No futuro, a competição em IA vai girar em torno de “aplicações” que se concretizam em cenários de uso.

Em outras palavras, a IA Física é a segunda metade da IA Generativa.

Porque os LLMs já leram todos os dados acumulados na internet ao longo de décadas, mas ainda não sabem como abrir uma tampa de garrafa como um humano. A IA Física visa resolver o problema de “conhecimento e ação” fora da inteligência artificial.

Porque, a IA Física não pode depender do “circuito de reflexão longa” de servidores remotos na nuvem. A lógica é simples: fazer o ChatGPT gerar texto com um atraso de um segundo é apenas uma sensação de lentidão, mas se um robô bípede atrasar um segundo por causa da latência da rede, pode acabar por cair escadas abaixo.

No entanto, a IA Física, embora pareça uma continuação da IA generativa, enfrenta três novos desafios completamente diferentes:

1) Inteligência espacial: capacitar a IA a compreender um mundo tridimensional.

A professora Fei-Fei Li sugeriu que a inteligência espacial é a próxima estrela-guia na evolução da IA. Para que um robô se mova, primeiro precisa “entender” o ambiente. Isto não é apenas reconhecer “isto é uma cadeira”, mas compreender “a posição, a estrutura e a força necessária para mover esta cadeira no espaço tridimensional”.

Isto requer uma quantidade massiva de dados ambientais 3D, em tempo real, cobrindo todos os cantos de interiores e exteriores;

2) Campo de treino virtual: permitir que a IA aprenda e teste no mundo simulado.

O Omniverse mencionado por Huang é uma espécie de “campo de treino virtual”. Antes de entrar no mundo físico real, os robôs precisam treinar “cair 10.000 vezes” num ambiente virtual para aprender a andar. Este processo é conhecido como Sim-to-Real, ou seja, de simulação para realidade. Se os robôs fossem testar no mundo real, os custos de desgaste de hardware seriam astronômicos.

Este processo exige uma capacidade de processamento de engine de física e renderização que é exponencialmente maior;

3) Pele eletrônica: “dados táteis” como uma mina de ouro de dados a explorar.

Para que a IA Física tenha “sensação ao toque”, é necessário usar pele eletrônica para detectar temperatura, pressão e textura. Estes “dados táteis” são ativos totalmente novos, nunca antes coletados em grande escala. Pode ser necessário um grande número de sensores, como o “skin” de produção em massa mostrado na CES, que integra 1.956 sensores na mão, permitindo efeitos mágicos como um robô a mexer ovos.

Estes “dados táteis” representam ativos totalmente novos, nunca antes coletados em grande escala.

Depois de ler tudo isto, certamente sentirás que a emergência do discurso sobre IA Física oferece grandes oportunidades para dispositivos vestíveis e robôs humanoides, entre outros hardwares. É importante lembrar que, há alguns anos, estes eram considerados “brinquedos de grande porte”.

Na verdade, quero dizer que, no novo mapa da IA Física, o setor Crypto também tem uma excelente oportunidade de complementar o ecossistema. Aqui estão alguns exemplos:

1. As grandes empresas de IA podem enviar carros de rua para escanear todas as principais ruas do mundo, mas não conseguem captar os cantos escondidos de bairros, interiores ou porões. Utilizando tokens incentivados por redes DePIN, podem mobilizar utilizadores globais a usar dispositivos pessoais para preencher esses dados, completando assim o mapeamento;

2. Como mencionado anteriormente, os robôs não podem depender do poder de processamento na nuvem, mas, a curto prazo, podem usar computação de borda e renderização distribuída em grande escala, especialmente para muitos dados de simulação para realidade. Utilizando redes de poder de processamento distribuído, agregando hardware de consumo ocioso, podem ser utilizados de forma eficiente;

3. “Dados táteis”, além de aplicações de sensores em grande escala, são altamente sensíveis à privacidade. Como fazer a população compartilhar esses dados sensíveis com os gigantes da IA? Uma solução viável é garantir que quem contribui com os dados receba direitos de propriedade e dividendos.

Resumindo:

A IA Física é a segunda metade do setor de IA Web2, anunciada por Huang. E quanto ao setor Web3 de IA + Crypto, como DePIN, DeAI, DeData, também não há dúvidas de que há oportunidades de complementaridade? O que achas?