No GTC 2025 – conquistou o “Super Bowl da IA” – Huang concentrou sua palestra nos avanços da empresa na IA e suas previsões de porquê a indústria se moverá nos próximos anos. A demanda por GPUs dos quatro principais provedores de serviços em nuvem está aumentando, disse ele, acrescentando que espera que a receita de infraestrutura do Data Center da Nvidia atinja US $ 1 trilhão até 2028.
O pregão altamente antecipado de Huang revelou mais detalhes sobre as arquiteturas gráficas de próxima geração da Nvidia: Blackwell Ultra e Vera Rubin-nomeados para o famoso astrônomo. O Blackwell Ultra está programado para a segunda metade de 2025, enquanto seu sucessor, o chip Rubin AI, deve ser lançado no final de 2026. Rubin Ultra subirá ao palco em 2027.
O horizonte da IA
Em uma palestra que durou mais de duas horas, Huang descreveu o “progresso inopinado” que a IA fez. Em 10 anos, ele disse, a IA se formou na percepção e “visão computacional” para a IA generativa, e agora para a IA agêntica – ou a IA que tem a capacidade de raciocinar. “Ai entende o contexto, entende o que estamos perguntando. Entende o significado de nosso pedido”, disse ele. “Agora gera respostas. Mudou fundamentalmente porquê a computação é feita.”
A próxima vaga de IA, disse ele, já está acontecendo: robótica.
A robótica alimentada pela chamada “IA física” pode entender conceitos porquê atrito e inércia, justificação e efeito e permanência de objetos, disse ele. “Cada uma dessas fases, cada uma dessas ondas, abre novas oportunidades de mercado para todos nós”, disse Huang.
A chave para essa IA física e muitos outros anúncios de Huang foi o concepção de usar a geração de dados sintéticos-AIs ou dados criados por computador-para o treinamento de modelos. A IA precisa de experiências digitais para aprender, disse ele, e aprende a velocidades que tornam obsoleto o uso de seres humanos nos loops de treinamento.
“Há tantos dados e tanta mostra humana que podemos executar”, disse ele. “Nascente é o grande progressão nos últimos dois anos: tirocínio de reforço”.
A tecnologia da Nvidia, disse ele, pode ajudar com esse tipo de tirocínio para a IA, enquanto ataca ou tenta se envolver na solução de um problema, passo a passo.
Para esse término, Huang anunciou que o Isaac Gr00T N1, um padrão de base de código desimpedido projetado para ajudar no desenvolvimento de robôs humanóides. Isaac GR00T N1 seria emparelhado com um padrão COSMOS AI atualizado para ajudar a desenvolver dados de treinamento simulados para robôs.
O dispêndio do treinamento AI
Benjamin Lee, professor de engenharia elétrica e de sistemas da Universidade da Pensilvânia, disse que o duelo no treinamento da robótica está na coleta de dados porque o treinamento no mundo real é demorado e custoso.
Um envolvente simulado tem sido um padrão para o tirocínio de reforço, disse Lee, para que os pesquisadores possam testar a eficiência de seus modelos.
“Eu acho que é realmente emocionante. Fornecer uma plataforma e uma de código desimpedido permitirá que mais pessoas aprendam sobre o tirocínio de reforço”, disse Lee. “Mais pesquisadores podem encetar a jogar com esses dados sintéticos – não unicamente grandes players da indústria, mas também pesquisadores acadêmicos”.
Huang introduziu a série Cosmos de modelos de IA, que podem gerar vídeo foto-realista econômico que pode ser usado para treinar robôs e outros serviços automatizados, na CES no início deste ano.
O padrão de código desimpedido, que funciona com o omniverso da NVIDIA-uma instrumento de simulação de física-para gerar um vídeo mais realista, promete ser muito mais barato que as formas tradicionais de reunir treinamento, porquê ter carros gravar experiências na estrada ou fazer com que as pessoas ensinem robôs tarefas repetitivas.
AI em uso
A operário de carros dos EUA General Motors planeja integrar a tecnologia da NVIDIA em sua novidade frota de carros autônomos, disse Huang. As duas duas empresas trabalharão juntas para gerar sistemas de IA personalizados usando o Omniverse e o Cosmos para treinar modelos de fabricação de IA.
O director da NVIDIA também revelou o sistema Halos da empresa, uma solução de IA construída em torno da direção automotiva – mormente autônoma – de segurança.
“Acredito que somos a primeira empresa do mundo a ter todas as linhas de segurança de código avaliadas”, disse Huang. No final de sua palestra, Huang, um mecanismo de física de código desimpedido para simulação de robótica chamada Newton, que está sendo desenvolvida com o Google DeepMind e a Disney Research.
Um pequeno robô quadro chamado Blue se juntou a ele no palco, saindo de uma escotilha no soalho. Ele apitou Huang e seguiu seus comandos, de pé ao lado dele enquanto ele embrulhava seus pensamentos.
“A idade da robótica generalista está cá”, disse Huang.
