Làm thế nào một phòng nghiên cứu nhỏ bé đã giúp Nvidia trở thành một công ty trị giá 4 nghìn tỷ đô la
Khi Bill Dally gia nhập phòng nghiên cứu của Nvidia vào năm 2009, phòng này chỉ có khoảng một chục người và tập trung vào công nghệ dò tia, một kỹ thuật dựng hình được sử dụng trong đồ họa máy tính.
Phòng nghiên cứu nhỏ bé ngày nào giờ đây đã có hơn 400 nhân viên, những người đã góp phần đưa Nvidia từ một công ty khởi nghiệp về GPU cho trò chơi điện tử vào những năm 1990 trở thành một công ty trị giá 4 nghìn tỷ đô la, thúc đẩy sự bùng nổ của trí tuệ nhân tạo.
Nguồn ảnh:THIBAUD MORITZ/AFP / Getty Images
Giờ đây, phòng nghiên cứu của công ty đang hướng đến việc phát triển công nghệ cần thiết cho robot và AI. Và một phần trong số đó đã được ứng dụng vào sản phẩm. Hôm thứ Hai, công ty đã công bố một bộ mô hình AI toàn cầu , thư viện và cơ sở hạ tầng mới dành cho các nhà phát triển robot.
Dally, hiện là nhà khoa học trưởng của Nvidia, bắt đầu làm tư vấn cho Nvidia vào năm 2003 khi ông còn làm việc tại Stanford. Vài năm sau, khi chuẩn bị từ chức trưởng khoa khoa học máy tính của Stanford, ông dự định nghỉ phép một thời gian. Nvidia lại có một ý tưởng khác.
Bill DallyNguồn ảnh: Nvidia
David Kirk, người điều hành phòng nghiên cứu vào thời điểm đó, và CEO của Nvidia, Jensen Huang, cho rằng một vị trí lâu dài hơn tại phòng nghiên cứu là một ý tưởng hay hơn. Dally nói với TechCrunch rằng cả hai đã "tranh luận hết sức gay gắt" về lý do tại sao anh nên gia nhập phòng nghiên cứu của Nvidia và cuối cùng đã thuyết phục được anh.
“Cuối cùng thì nó lại hoàn toàn phù hợp với sở thích và năng khiếu của tôi,” Dally nói. “Tôi nghĩ ai cũng luôn tìm kiếm một nơi trong cuộc sống mà họ có thể đóng góp nhiều nhất cho thế giới. Và tôi nghĩ với tôi, đó chắc chắn là Nvidia.”
Khi Dally tiếp quản phòng thí nghiệm vào năm 2009, việc mở rộng được đặt lên hàng đầu. Các nhà nghiên cứu ngay lập tức bắt tay vào nghiên cứu các lĩnh vực ngoài công nghệ dò tia, bao gồm thiết kế mạch và VLSI, hay tích hợp quy mô rất lớn, một quy trình kết hợp hàng triệu bóng bán dẫn trên một con chip duy nhất.
Phòng nghiên cứu vẫn không ngừng mở rộng kể từ đó.
Dally cho biết: “Chúng tôi cố gắng tìm ra điều gì sẽ tạo ra sự khác biệt tích cực nhất cho công ty vì chúng tôi liên tục thấy những lĩnh vực mới thú vị, một số trong số đó hoạt động rất tốt, nhưng chúng tôi gặp khó khăn khi nói rằng liệu [chúng tôi] có thực sự thành công trong lĩnh vực này hay không”.
Trong một thời gian, đó là việc xây dựng những GPU tốt hơn cho trí tuệ nhân tạo. Nvidia đã đi trước đón đầu sự bùng nổ AI trong tương lai và bắt đầu mày mò ý tưởng về GPU AI vào năm 2010 — hơn một thập kỷ trước cơn sốt AI hiện tại.
"Chúng tôi đã nói rằng điều này thật tuyệt vời, nó sẽ thay đổi hoàn toàn thế giới", Dally nói. "Chúng tôi phải bắt đầu tập trung vào điều này, và Jensen đã tin điều đó khi tôi nói với anh ấy. Chúng tôi bắt đầu chuyên biệt hóa GPU cho nó và phát triển rất nhiều phần mềm để hỗ trợ nó, hợp tác với các nhà nghiên cứu trên toàn thế giới, những người đang thực hiện nó, từ rất lâu trước khi nó trở nên rõ ràng và cần thiết."
Tập trung vào AI vật lý
Hiện tại, khi Nvidia đang nắm giữ vị trí dẫn đầu trong thị trường GPU AI, công ty công nghệ này đã bắt đầu tìm kiếm những lĩnh vực mới có nhu cầu vượt ra ngoài các trung tâm dữ liệu AI. Cuộc tìm kiếm đó đã dẫn Nvidia đến AI vật lý và robot.
"Tôi nghĩ rằng cuối cùng robot sẽ trở thành một nhân tố quan trọng trên thế giới, và về cơ bản chúng tôi muốn tạo ra bộ não cho tất cả robot", Dally nói. "Để làm được điều đó, chúng tôi cần bắt đầu phát triển các công nghệ then chốt."
Đó chính là lúc Sanja Fidler, phó chủ tịch nghiên cứu AI tại Nvidia, xuất hiện. Fidler gia nhập phòng nghiên cứu của Nvidia vào năm 2018. Vào thời điểm đó, cô đang làm việc trên các mô hình mô phỏng robot với một nhóm sinh viên tại MIT. Khi cô chia sẻ với Huang về những gì họ đang làm tại một buổi tiếp tân dành cho các nhà nghiên cứu, anh đã tỏ ra hứng thú.
"Tôi không thể cưỡng lại việc tham gia", Fidler chia sẻ với TechCrunch trong một cuộc phỏng vấn. "Đây là một chủ đề rất phù hợp và đồng thời cũng rất phù hợp với văn hóa công ty. Jensen đã nói với tôi, hãy đến làm việc với tôi, chứ không phải với chúng tôi, hay vì chúng tôi."
Cô gia nhập Nvidia và bắt đầu xây dựng một phòng thí nghiệm nghiên cứu tại Toronto có tên là Omniverse, một nền tảng của Nvidia, tập trung vào việc xây dựng các mô phỏng cho AI vật lý.
Fidler cho biết thách thức đầu tiên trong việc xây dựng những thế giới mô phỏng này là tìm kiếm dữ liệu 3D cần thiết. Điều này bao gồm việc tìm ra khối lượng hình ảnh tiềm năng phù hợp để sử dụng và xây dựng công nghệ cần thiết để chuyển đổi những hình ảnh này thành hình ảnh 3D mà trình mô phỏng có thể sử dụng. “Chúng tôi đã đầu tư vào công nghệ này, được gọi là kết xuất khả vi, về cơ bản giúp kết xuất có thể điều chỉnh được với AI,” Fidler nói. “Bạn chuyển [từ] kết xuất nghĩa là từ 3D sang hình ảnh hoặc video. Và chúng tôi muốn nó đi theo hướng ngược lại.”
|
Sanja Fidler. Nguồn ảnh: Nvidia |
Các mô hình thế giới
Omniverse đã phát hành phiên bản đầu tiên của mô hình chuyển đổi hình ảnh thành mô hình 3D, GANverse3D , vào năm 2021. Sau đó, công ty bắt tay vào tìm hiểu quy trình tương tự cho video. Fidler cho biết họ đã sử dụng video từ robot và xe tự lái để tạo ra các mô hình 3D và mô phỏng này thông qua Công cụ Tái tạo Thần kinh (Neural Reconstruction Engine) , được công ty công bố lần đầu tiên vào năm 2022.
Bà cho biết thêm rằng những công nghệ này là xương sống của dòng mô hình AI toàn cầu Cosmos của công ty được công bố tại CES vào tháng 1.
Hiện tại, phòng thí nghiệm đang tập trung vào việc cải tiến các mô hình này. Fidler cho biết, khi chơi trò chơi điện tử hoặc mô phỏng, bạn muốn công nghệ có thể phản ứng theo thời gian thực. Đối với robot, họ đang nỗ lực để thời gian phản ứng thậm chí còn nhanh hơn nữa.
"Robot không cần phải quan sát thế giới cùng một lúc, theo cùng cách thế giới vận hành", Fidler nói. "Nó có thể quan sát nhanh hơn gấp 100 lần. Vì vậy, nếu chúng ta có thể làm cho mô hình này nhanh hơn đáng kể so với hiện tại, chúng sẽ cực kỳ hữu ích cho các ứng dụng AI vật lý hoặc robot."
Công ty tiếp tục đạt được tiến bộ trong mục tiêu này. Tại hội nghị đồ họa máy tính SIGGRAPH hôm thứ Hai, Nvidia đã công bố một loạt các mô hình AI thế giới mới được thiết kế để tạo ra dữ liệu tổng hợp có thể được sử dụng để huấn luyện robot. Nvidia cũng công bố các thư viện và phần mềm cơ sở hạ tầng mới dành cho các nhà phát triển robot.
Bất chấp sự tiến bộ - và sự cường điệu hiện tại về robot, đặc biệt là robot hình người - nhóm nghiên cứu Nvidia vẫn giữ thái độ thực tế.
Cả Dally và Fidler đều cho biết ngành công nghiệp này vẫn phải mất ít nhất vài năm nữa mới có thể đưa robot hình người vào nhà bạn, Fidler so sánh điều này với sự cường điệu và mốc thời gian liên quan đến xe tự hành.
“Chúng tôi đang đạt được những tiến bộ vượt bậc và tôi nghĩ AI thực sự là yếu tố hỗ trợ đắc lực,” Dally nói. “Bắt đầu với AI trực quan cho nhận thức của robot, rồi đến AI sinh sản, điều này cực kỳ có giá trị cho việc lập kế hoạch và điều khiển nhiệm vụ, chuyển động. Khi chúng tôi giải quyết từng vấn đề nhỏ riêng lẻ này và khi lượng dữ liệu chúng tôi phải đào tạo mạng lưới tăng lên, những robot này sẽ phát triển.”
Chúng tôi luôn mong muốn phát triển, và bằng cách chia sẻ góc nhìn và phản hồi của bạn về TechCrunch, về phạm vi đưa tin và các sự kiện của chúng tôi, bạn có thể giúp chúng tôi! Hãy điền vào khảo sát này để cho chúng tôi biết tình hình của chúng tôi và có cơ hội nhận giải thưởng!