Cómo un laboratorio de investigación que una vez se unió ayudó a Nvidia a convertirse en una compañía de $ 4 billones

Cuando Bildery se unió al Laboratorio de Nvidia en 2009, solo empleó a alrededor de 12 personas y se centró en el rastreo de rayos, una técnica de representación utilizada en gráficos por computadora.

El laboratorio de investigación que Once Smack ahora emplea a más de 400 personas y ayudó a transformarse de una startup de GPU de videojuegos en los años 90 en una compañía de $ 4 billones que alimenta el auge de inteligencia artificial.

Actualmente, el laboratorio de investigación de la compañía está listo para desarrollar las tecnologías necesarias para desatar el poder de la robótica y la IA. Y algunos de los trabajos de laboratorio ya han aparecido en el producto. El lunes, la compañía anunció nuevos modelos Set World AI, bibliotecas y otra infraestructura para desarrolladores de robots.

Dally, ahora científico jefe de Nvidia, comenzó a consultar para Nvidia en 2003 mientras trabajaba en Stanford. Unos años más tarde, cuando estaba listo para dejar de convertirse en jefe de la División de Ciencias de la Computación de Stanford, planeaba tomar el año sabático. Nvidia tenía una idea diferente.

David Kirk, quien dirigió el laboratorio en ese momento, y Jensen Fan, CEO de Nvidia, vio una posición más permanente en el laboratorio como una mejor idea. Dally le dijo a TechCrunch que llevaba una «prensa de abrigo completo» y que finalmente lo convenció de por qué la pareja se uniría al laboratorio de Nvidia.

«Se ha convertido en un ajuste perfecto para mis intereses y talento», dijo Darry. «Creo que todos siempre buscan un lugar en la vida que sea el más grande, ya sabes, y puedes hacer que el mundo sea una contribución, y para mí definitivamente es nvidia».

Cuando Dally se hizo cargo del laboratorio en 2009, la expansión no fue menos que nada. Los investigadores comenzaron rápidamente a trabajar en áreas distintas de Raytracing, incluido el diseño de circuitos y VLSI, o integraciones muy grandes. Este es un proceso que combina millones de transistores en un solo chip.

El laboratorio de investigación no ha dejado de expandirse desde entonces.

«Estamos constantemente mirando nuevas áreas emocionantes, por lo que tratamos de descubrir qué hace la diferencia más positiva para la compañía, pero sabemos que algunos de ellos están haciendo un gran trabajo, pero nos cuesta decir si es un gran éxito», dijo Darry.

Durante un tiempo, estaba construyendo una mejor GPU para la inteligencia artificial. Al principio del futuro, Boom de la IA, Nvidia comenzó a jugar con la idea de las GPU de la IA en 2010. Esto es hace más de una década para el actual frenesí de IA.

«Dije que esto era increíble. Cambiaría por completo el mundo», dijo Dary. «Tenemos que comenzar el doble. Jensen dijo que cuando le dije, comenzamos a especializarnos en GPU para ello y desarrollar mucho software para apoyarlo, y comenzamos a interactuar con investigadores de todo el mundo que lo hacían mucho antes de que estuviera claramente relacionado».

Enfoque físico de IA

Con Nvidia que actualmente se desempeña como comandante del mercado de GPU de AI, las compañías tecnológicas están comenzando a mirar más allá de los centros de datos de IA en busca de nuevas áreas de demanda. Esa búsqueda llevó a Nvidia a la IA física y a la robótica.

«Creo que al final los robots se convertirán en jugadores gigantes en el mundo. Básicamente, queremos crear el cerebro de cada robot», dijo Darry. «Para hacer eso, necesitas desarrollar tecnologías importantes».

Ahí es donde aparece Sanja Fidler, vicepresidenta de AI Research en Nvidia. Fiddler se unió al Laboratorio de Nvidia en 2018. En ese momento, ella ya estaba trabajando en un modelo de simulación de un robot con un equipo de estudiantes del MIT. Estaba interesado cuando le contó a Huang sobre en qué estaban trabajando en la recepción del investigador.

«No pude resistirme a participar», dijo Fiddler a TechCrunch en una entrevista. «Es exactamente así. Sabes, fue un tema tan bueno y al mismo tiempo equipado con una cultura maravillosa. Jensen me dijo, ven y trabaja con nosotros, no para nosotros, ¿sabes?»

Se unió a Nvidia y creó un laboratorio en Toronto llamado Omniverse, una plataforma Nvidia centrada en la construcción de simulaciones físicas de IA.

El primer desafío en la construcción de estos mundos simulados fue encontrar los datos 3D que necesitaba, dijo Fiddler. Esto implica encontrar la cantidad correcta de imágenes potenciales para usar la tecnología necesaria para convertir estas imágenes en una interpretación 3D utilizable.

«Hemos invertido en esta tecnología llamada representación diferenciable. Fiddler dijo:» ¿Pasas de (desde) el método de representación de 3D a imágenes y videos?

Modelo mundial

Omniverse lanzó la primera versión del modelo en 2021 que transforma las imágenes en el modelo 3D Ganverse 3D. Después de eso, debe trabajar para descubrir el mismo proceso en el video. Fiddler dijo que creó estos modelos y simulaciones 3D a través del motor de reconstrucción del nervio neural, que anunció por primera vez en 2022, utilizando videos de robots y autos autónomos.

Agregó que estas tecnologías son la columna vertebral del modelo Global AI de la familia Cosmos de la compañía, que se anunció en CES en enero.

Actualmente, el laboratorio se está centrando en hacer estos modelos más rápido. Al jugar videojuegos y simulaciones, quieren que la tecnología responda en tiempo real, Fiddler dijo sobre los robots que están trabajando para hacer los tiempos de reacción aún más rápido.

«Los robots no tienen que ver el mundo al mismo tiempo, al igual que el mundo funciona», dijo Fiddler. «Puede verlo como 100 veces más rápido. Por lo tanto, si puede hacer que este modelo sea significativamente más rápido que hoy, sería muy útil para aplicaciones de IA robótica o física».

La compañía continúa avanzando este objetivo. NVIDIA ha presentado una flota de modelos AI de New World diseñados para crear datos sintéticos que se pueden usar para entrenar robots en la Conferencia de Gráficos de Computadora Siggraph del lunes. NVIDIA también ha anunciado nuevas bibliotecas y software de infraestructura dirigido a desarrolladores de robots.

El equipo de investigación de Nvidia sigue siendo realista a pesar de la exageración actual sobre los avances y los robots, particularmente los humanoides.

Tanto Dally como Fidler dijeron que la industria ha estado en al menos unos años de descanso, ya que tiene humanoides en su hogar, y Fidler lo compara con la exageración y los plazos sobre los vehículos autónomos.

«Hemos progresado mucho y creo que sabemos que AI es un verdadero habilitador», dijo Darry. «Conocemos la IA generativa desde que comenzamos con la IA visual para la percepción del robot, pero es extremadamente valioso para la planificación y manipulación de tareas y movimiento. A medida que resolvemos estos pequeños problemas individuales, y a medida que aumenta la cantidad de datos para entrenar nuestra red, estos robots crecen».