Nvidia смещает фокус ИИ на физические системы и робототехнику

Physical AI

По данным публичных заявлений представителей компании Nvidia, фокус развития искусственного интеллекта (ИИ) смещается с генеративных решений в сторону физических систем. Это направление, получившее название Physical AI, предполагает интеграцию ИИ в робототехнику, автономные транспортные средства и физические устройства.

Кари Бриски, вице-президент Nvidia по генеративному ИИ для корпоративных клиентов, подчеркнула, что Physical AI способна воспринимать окружающую среду, анализировать данные и генерировать физические действия. В качестве источников информации такие системы используют камеры, лидары и датчики. Это открывает возможности для применения ИИ в роботизированных заводах, где люди и машины будут работать в тесной кооперации. FANUC, Skilled AI и Foxconn уже используют разработки Nvidia для интеграции роботов в производственные процессы.

Рост инвестиций в автоматизацию

В США объем инвестиций в развитие высокотехнологичного производства превышает 1,2 триллиона долларов. Это связано с глобальным дефицитом рабочей силы — 50 миллионов человек, включая 4 миллиона в США. По мнению Nvidia, Physical AI и робототехника могут частично компенсировать этот пробел.

Однако внедрение таких систем требует времени. Интеграция оборудования, построение цифровых моделей и синхронизация с физическими процессами может занять до пяти лет. Это вызывает вопросы, поскольку, как отметил Рев Лабаредиан, вице-президент Nvidia по технологиям симуляции, компания не располагает таким сроком. Решение — использование моделей ИИ, способных обрабатывать данные с датчиков и принимать решения в реальном времени.

Новые продукты и партнерства

Nvidia представила новую модель Cosmos Reason, которая позволяет роботам принимать решения на основе визуальной и графической информации. Также компания анонсировала IGX Thor — промышленный компьютер для медицинских и промышленных задач. Устройство будет оснащено чипами Blackwell GPU и поддерживать специализированные ИИ-модели. Оно будет доступно в двух версиях: IGX T7000 для непосредственной покупки и IGX T5000, которую смогут адаптировать производители систем.

Компания также объединилась с Uber, чтобы к 2027 году запустить более 100 000 автономных роботакси по всему миру. Эти транспортные средства будут использовать платформу Hyperion Level 4, а их внедрение создаст новые рабочие места в сфере интеграции, логистики, технического обслуживания и поддержки клиентов.

Интересно: Каковы будут долгосрочные последствия для рынка труда, если физические ИИ-системы станут массово заменять людей в опасных и рутинных сферах деятельности?

Сдвиг в физическом ИИ: новые правила игры в автоматизации

Переход от абстракции к действию

Компания Nvidia выходит за рамки традиционных ИИ-приложений, таких как генерация текста или изображений, и концентрирует усилия на Physical AI — технологии, которая интегрирует искусственный интеллект в физические устройства. Это направление предполагает не просто обработку данных, а реальное взаимодействие с окружающей средой через датчики, камеры и лидары. Такие системы уже применяются в промышленности, медицине и транспорте, что меняет подход к автоматизации и открывает новые рынки.

Важный нюанс:
Physical AI не заменяет человека, а расширяет его возможности. Например, в роботизированных заводах ИИ-системы могут выполнять рутинные и опасные задачи, а люди будут сосредоточены на управлении, настройке и мониторинге. Это создает не только новые рабочие места, но и новые требования к квалификации.

Инвестиции как двигатель изменений

Объем инвестиций в высокотехнологичное производство в США превышает 1,2 триллиона долларов, что связано с глобальным дефицитом рабочей силы — 50 миллионов человек. В таких условиях автоматизация становится не просто преимуществом, а необходимостью. Однако внедрение Physical AI требует времени: интеграция оборудования, создание цифровых моделей и синхронизация с физическими процессами может занять до пяти лет. Это ставит перед бизнесом задачу ускорить переход к цифровым решениям.

Nvidia ищет пути сокращения сроков внедрения, предлагая решения, которые уже сегодня способны обрабатывать данные в реальном времени. Например, новая модель Cosmos Reason позволяет роботам принимать решения на основе визуальной и графической информации, а платформа IGX Thor — создавать специализированные ИИ-системы для промышленных и медицинских задач.

i

Сгенерировано для ASECTOR

Концептуальное изображение

Важный нюанс:
Технологическая гонка ускоряется. Тот, кто не внедрит физические ИИ-системы в ближайшие 3–5 лет, рискует остаться вне рынка. Это особенно актуально для российских предприятий, где автоматизация пока остается на начальном этапе.

Расширение экосистемы: новые партнерства и рынки

Совместно с Uber компания Nvidia реализует масштабный проект по развертыванию 100 000 автономных роботакси к 2027 году. В рамках этого партнёрства к 2028 году будет запущено серийное производство как минимум 5 000 автомобилей с программным обеспечением Nvidia, включая платформу Hyperion Level 4. Это создаст новые рабочие места в сфере интеграции, логистики и технического обслуживания [!].

Помимо транспорта, Nvidia активно развивает ИИ-инфраструктуру в других областях. Например, компания инвестирует 5 миллиардов долларов в совместную разработку с Intel систем-на-чипе (SoC), объединяющих процессоры Intel и графические чиплеты Nvidia. Такое решение направлено на повышение производительности в задачах ИИ через технологию объединенной памяти и интерфейс NVLink [!].

В научной сфере Nvidia участвует в масштабировании автономных лабораторий. Венчурный фонд компании вложил $350 млн в стартап Lila Sciences, что позволило компании достичь оценки $1,3 млрд. Эти инвестиции направлены на создание автономных научных фабрик, где ИИ и робототехника заменяют ручной труд в экспериментах [!].

Инфраструктурные вызовы и интеграция

Реализация физического ИИ требует не только технологических решений, но и мощной инфраструктуры. В этой области Nvidia сотрудничает с Fujitsu, чтобы создать ИИ-инфраструктуру для робототехники, здравоохранения, промышленности и сферы обслуживания. Партнёрство начнётся с японского рынка, но в дальнейшем может быть расширено на международный уровень [!].

Также важно отметить, что Nvidia задаёт ключевые требования к производству чипов HBM4, чтобы обеспечить высокую пропускную способность (до 2 ТБ/с) и объем памяти (до 64 ГБ) для своих GPU Blackwell и Rubin. Компания сотрудничает с несколькими поставщиками, включая SK Hynix и Micron, что позволяет минимизировать риски и поддерживать стабильность производства [!].

Рыночные последствия и будущее труда

Внедрение физического ИИ уже привлекает внимание крупных игроков и меняет рынок труда. Например, Foxconn в Китае заменил 60 000 работников роботами на одном из заводов. Это подтверждает тренд, описанный в докладе, предупреждающем о возможной потере почти 100 миллионов рабочих мест в США в следующем десятилетии [!].

Однако автоматизация не приводит к массовой потере рабочих мест, а переформатирует рынок труда. Вместо рутинных задач люди будут заниматься управлением, обслуживанием и настройкой ИИ-устройств. Это открывает возможности для переподготовки и развития новых компетенций.

Важный нюанс: Физический ИИ создает не только новые технологии, но и новые профессии.** В ближайшие годы спрос вырастет на специалистов по интеграции ИИ, техническому обслуживанию роботизированных систем и цифровому мониторингу. Это открывает возможности для переподготовки и развития новых компетенций в России.