คีย์โน้ต CES 2025 โดย Jensen Huang ซีอีโอของ NVIDIA

• สรุปการนำเสนอทั้งหมดจากสคริปต์วิดีโอ
• ประเด็นสำคัญ: GeForce RTX, Blackwell, Agentic AI, AI PCs, Physical AI, Autonomous Vehicles, Robotics

วิดีโอต้นเรื่อง: “โทเคนคือรากฐานของ AI”

• บทบาทของโทเคน:

  • โทเคนเป็นหน่วยพื้นฐานที่ AI ใช้ทำความเข้าใจและประมวลผลข้อมูล ทำให้ระบบ AI สามารถแปลงและสร้างคำ, รูปภาพ และวิดีโอได้
  • แปลงคำให้เป็นความรู้ และสร้างข้อมูลและเทคโนโลยีใหม่ๆ
  • ทำหน้าที่เป็นแรงขับเคลื่อนสำคัญในการพัฒนาศิลปะและเทคโนโลยี ขยายความเป็นไปได้ของความร่วมมือระหว่างมนุษย์กับ AI

• การใช้งานโทเคนในทางปฏิบัติ:

  • วิเคราะห์ภาพและสร้างภาพใหม่
  • แปลงข้อความเป็นวิดีโอเพื่อสร้างสรรค์เนื้อหา
  • สอนการเคลื่อนไหวของหุ่นยนต์และทำให้การเคลื่อนไหวแม่นยำมากขึ้น
  • ทำนายภัยคุกคาม เช่น ภัยธรรมชาติ, โรคระบาด และเสนอทางออก
  • เข้าใจสภาพแวดล้อมได้ดีขึ้นผ่านตัวเลขและข้อมูล และช่วยในการตัดสินใจ

NVIDIA ที่ CES: เส้นทางแห่งนวัตกรรม

จุดพัฒนาหลักของ NVIDIA

นวัตกรรมยุคแรก

• ปี 1993:
  • NV1 ที่เปิดตัวทำให้ฟังก์ชันแบบเกมคอนโซลบน PC เป็นไปได้
  • นำสถาปัตยกรรมการเขียนโปรแกรมที่ล้ำสมัยในขณะนั้นคือ UDA (Unified Device Architecture) มาใช้
• ปี 1999:
  • การประดิษฐ์ GPU แบบโปรแกรมได้ปฏิวัติอุตสาหกรรมกราฟิกคอมพิวเตอร์
  • ทำให้คุณภาพภาพในภาพยนตร์, เกม และแอนิเมชันก้าวกระโดดขึ้นอย่างมาก
• ปี 2006:
  • นำ CUDA (Compute Unified Device Architecture) มาใช้ ทำให้สามารถรันอัลกอริทึมต่างๆ บน GPU ได้

ไมล์ก้าวสำคัญด้าน AI

• ปี 2012:
  • AlexNet ที่ใช้ CUDA เร่งการวิจัย deep learning และปูรากฐานการเติบโตของ AI
• ปี 2018:
  • เปิดตัว BERT โดยอาศัยสถาปัตยกรรม Transformer ของ Google
  • Transformer ขยายขอบเขตความสามารถของ AI อย่างมากผ่านการประมวลผลภาษาธรรมชาติและ AI แบบมัลติโมดัล

วิวัฒนาการของ Generative AI

• พัฒนาจากการทำความเข้าใจข้อมูลภาพและเสียง ไปสู่การสร้างข้อความและวิดีโอ
• ฟังก์ชันมัลติโมดัล:
  • นอกจากข้อความ, ภาพ และเสียงแล้ว ยังประมวลผลข้อมูลซับซ้อนอย่างเช่นกรดอะมิโนและข้อมูลทางฟิสิกส์ได้

RTX Blackwell: อนาคตของ GPU

เปิดตัวซีรีส์ RTX 50

• ข้อมูลเชิงประสิทธิภาพหลัก:

  • 920,000,000,000 ทรานซิสเตอร์ และกำลังประมวลผล AI 4 petaflop
  • ประสิทธิภาพสูงขึ้น 3 เท่าเมื่อเทียบกับรุ่นก่อนหน้า
  • ปรับการสร้างเฟรมให้เหมาะสมมากขึ้นด้วยเทคโนโลยี DLSS ล่าสุด
  • รองรับการเรนเดอร์แบบ real-time ray tracing เพื่อกราฟิกที่แม่นยำยิ่งขึ้น

• ไลน์ผลิตภัณฑ์:

  • เปิดตัวหลายรุ่นตั้งแต่ RTX 5070 ถึง RTX 5090
  • RTX 5090 ให้ประสิทธิภาพเป็นสองเท่าของ RTX 4090 และเหมาะสำหรับเกมระดับสูงและงานกราฟิกขั้นหนัก

• การผสาน GeForce กับ AI:

  • GeForce เคยทำให้ AI เข้าถึงได้ง่ายในวงกว้าง และ AI ก็กลับมาปรับโฉม GeForce อีกครั้ง
  • ด้วยเทคโนโลยี Ray Tracing และ DLSS (Deep Learning Super Sampling) ทำให้ได้ทั้งประสิทธิภาพพลังงานที่สูงขึ้นและคุณภาพกราฟิกที่ดีขึ้น

Agentic AI: กำเนิดของดิจิทัลเวิร์กโฟลว์

แนวคิดของ Agentic AI

• คำนิยาม: AI agent คือผู้เชี่ยวชาญด้านงานเฉพาะโดเมนที่ถูกออกแบบมาเพื่อทำภารกิจที่กำหนด
• วิธีการทำงาน:
  • ทำงานร่วมกับผู้ใช้เพื่อแก้ปัญหาที่ซับซ้อน
  • แยกปัญหาเป็นขั้นตอนย่อย และค้นหาข้อมูลหรือใช้เครื่องมือเพื่อสร้างผลลัพธ์

องค์ประกอบ Agentic AI ของ NVIDIA

1. NVIDIA NIMS:

   • ให้บริการในรูปแบบ AI microservices
   • ทำให้ซอฟต์แวร์ AI และโมเดลที่ซับซ้อนถูกคอนเทนเนอร์ไลซ์และสามารถปรับใช้งานได้ง่าย
   • การใช้งานหลัก:
     • วิสัยทัศน์, ความเข้าใจภาษา, เสียง, digital biology และ Physical AI

2. NVIDIA Nemo:

   • ฝึกและจัดการ digital agent ตามความต้องการขององค์กร
   • คุณสมบัติเด่น:
     • ปรับแต่ง AI agent โดยสะท้อนภาษาของบริษัท, กระบวนการ, และนโยบายของบริษัท
     • ประเมินผลการทำงานของ agent และให้ feedback
     • ตั้ง guardrails เพื่อควบคุมการกระทำหรือข้อมูลที่ไม่ได้รับอนุญาต

3. Agent Blueprint:

   • ให้เทมเพลตเอเจนต์สำหรับทำงานต่างๆ
   • ออกแบบแบบโอเพนซอร์สและสามารถปรับแก้/ขยายต่อได้

กรณีการใช้งาน Agentic AI

1. เจ้าหน้าที่ความรู้และนักศึกษา:

   • เข้าใจเอกสารที่ซับซ้อนและสร้างพอดแคสต์แบบโต้ตอบ
   • วิเคราะห์และสรุปงานวิจัยทางวิชาการ, เอกสารการสอน และรายงานทางการเงิน

2. นักพัฒนาซอฟต์แวร์:

   • สแกนช่องโหว่ด้านความปลอดภัยอย่างต่อเนื่องและเสนอแนวทางแก้ปัญหา
   • เร่งความเร็วการพัฒนาและยกระดับคุณภาพโค้ด

3. ห้องแล็บเสมือน:

   • นักวิจัยคัดกรองสารประกอบนับพันล้านตัวเพื่อค้นหาค候选ยาได้อย่างรวดเร็ว
   • ก้าวข้ามข้อจำกัดของการทดลองทางกายภาพ

4. การวิเคราะห์ข้อมูลเชิงอุตสาหกรรม:

   • วิเคราะห์ข้อมูลจากกล้องหลายร้อยตัวเพื่อติดตามความแออัดและความเสี่ยงของการจราจร
   • ปรับปรุงกระบวนการหรือจัดวางใหม่สำหรับผู้ปฏิบัติงานและหุ่นยนต์

อนาคตของ Agentic AI

• AI agent กลายเป็น digital workforce และร่วมมือกับมนุษย์
• ในสภาพแวดล้อมขององค์กร เรียนรู้เพิ่มขึ้นว่าบทบาทของ agent จะยิ่งสำคัญขึ้น:
  • ทำให้งานเป็นอัตโนมัติ ลดต้นทุน และเพิ่มประสิทธิภาพ
• Agentic AI จะกลายเป็นเครื่องมือหลักของฝ่ายไอทีองค์กร และองค์กรเองจะบริหารจัดการโดยทำหน้าที่เสมือน AI HR

เครื่องมือใหม่เพื่อเร่งนวัตกรรม AI

NVIDIA Cosmos: แพลตฟอร์ม World Foundation Model สำหรับ Physical AI

• คำนิยาม: Cosmos คือแพลตฟอร์ม World Foundation Model ที่เข้าใจและจำลองข้อมูลของโลกทางกายภาพ
• วัตถุประสงค์:
  • สนับสนุนให้โมเดล AI เรียนรู้และใช้ข้อมูลและปรากฏการณ์ที่เกิดขึ้นในโลกทางกายภาพ
  • ใช้ในแอปพลิเคชัน Physical AI หลากหลายสาขา เช่น หุ่นยนต์ รถยนต์ไร้คนขับ และ AI เพื่อการใช้งานอุตสาหกรรม

คุณสมบัติหลักของ Cosmos

1. โมเดล Auto-regressive:

   • ประมวลผลและสร้างข้อมูลสำหรับการใช้งานแบบเรียลไทม์
   • คาดการณ์และจำลองการเปลี่ยนแปลงสถานะต่อเนื่องของโลกทางกายภาพได้

2. โมเดลที่ใช้ Diffusion:

   • สร้างข้อมูลภาพและวิดีโอคุณภาพสูง
   • การสร้างข้อมูลบนพื้นฐานฟิสิกส์ช่วยให้จำลองได้สมจริงมากขึ้น

3. Tokenizer ขั้นสูง:

   • วิเคราะห์ข้อมูลโลกทางกายภาพอย่างละเอียดเพื่อสร้างโทเคนที่เหมาะสมสำหรับการเทรน AI
   • สะท้อนความหมายทางฟิสิกส์และพลศาสตร์ของข้อมูล

4. ท่อข้อมูลเร่งด้วย AI:

   • ประมวลผลและจัดการข้อมูลทางกายภาพจำนวนมหาศาลได้อย่างมีประสิทธิภาพ
   • ใช้ CUDA และเทคโนโลยี AI เพื่อยกระดับความเร็วในการประมวลผลข้อมูล

กรณีการนำ Cosmos ไปใช้

1. การฝึกหุ่นยนต์:

   • สอนพฤติกรรมและการเคลื่อนไหวของหุ่นยนต์บนพื้นฐานข้อมูลทางกายภาพ
   • เสริมความสามารถในการปรับตัวแบบเรียลไทม์ผ่านความเข้าใจพลศาสตร์ของโลกทางกายภาพ

2. การจำลองรถยนต์ไร้คนขับ:

   • สร้างสถานการณ์ต่างๆ ของสภาพแวดล้อมการขับขี่ สภาพอากาศ และสภาพจราจร
   • ช่วยให ่โมเดล AI ฝึกเรียนรู้การขับขี่อัตโนมัติที่ปลอดภัยและมีประสิทธิภาพ

3. การทดสอบและตรวจสอบ AI สำหรับงานอุตสาหกรรม:

   • สร้างสภาพแวดล้อม digital twin ของโรงงาน, คลังสินค้า, และศูนย์โลจิสติกส์
   • ปรับปรุงขั้นตอนการทำงานและยกระดับการอัตโนมัติบนพื้นฐาน AI

4. การสร้างวิดีโอและการใส่คำอธิบายข้อมูล:

   • สร้างและอธิบายวิดีโอจากข้อมูลโลกทางกายภาพ
   • สร้างชุดข้อมูลมัลติโมดัลคุณภาพสูงสำหรับการฝึก AI

การเชื่อมต่อ Cosmos กับ Omniverse

• การจับคู่กับ Omniverse:

  • Omniverse ให้สภาพแวดล้อมการจำลองที่แม่นยำทางฟิสิกส์
  • Cosmos ใช้ข้อมูลจาก Omniverse เพื่อทำให้ผลลัพธ์ที่ AI สร้างใกล้เคียงความจริงทางกายภาพมากขึ้น

• ข้อดีของการรวมกัน:

  • สร้างการจำลอง multiverse ที่ตั้งบนกายภาพ
  • สร้างสภาพแวดล้อมที่ช่วยให้ AI ฝึกและทำงานใต้เงื่อนไขที่ใกล้เคียงความเป็นจริง

การใช้ข้อมูลของ Cosmos

• การสร้างข้อมูลและการฝึกสอน:

  • ฝึกโมเดลจากข้อมูลโลกทางกายภาพจำนวน 20,000,000 ชั่วโมง
  • มุ่งเน้นการทำความเข้าใจปรากฏการณ์ธรรมชาติ, พฤติกรรมมนุษย์, และการเคลื่อนไหวเชิงพลศาสตร์

• การใช้งาน:

  • การฝึกการเคลื่อนไหวของหุ่นยนต์
  • การพยากรณ์การทำงานของระบบอัตโนมัติ
  • จัดหาชุดข้อมูลสำหรับการเทรน AI แบบมัลติโมดัล

ข้อดีของ Cosmos

1. ความเข้าใจข้อมูลทางกายภาพที่เข้าถึงได้อย่างเป็นธรรมชาติ:

   • เรียนรู้แนวคิดหลักของโลกทางกายภาพ เช่น แรงโน้มถ่วง, แรงเสียดทาน, และความเฉื่อย
   • ทำความเข้าใจตรรกะของการคงอยู่ของวัตถุ และความสัมพันธ์เชิงเหตุและผล

2. การสร้างข้อมูลอย่างมีประสิทธิภาพ:

   • สร้างข้อมูลจำนวนมากในสภาพแวดล้อมการจำลองเพื่อลดต้นทุนการฝึก
   • สร้างและวิเคราะห์สถานการณ์ฟิสิกส์ที่ซับซ้อนได้อย่างรวดเร็ว

3. แพลตฟอร์มแบบเปิด:

   • Cosmos ถูกเปิดให้บริการแบบ open license บน GitHub
   • สามารถนำไปใช้อย่างอิสระได้หลากหลายอุตสาหกรรมและการวิจัย

มุมมองในอนาคต

• ฐานของ AI เชิงกายภาพ:

  • Cosmos มีแนวโน้มจะกลายเป็นแพลตฟอร์มหลักสำหรับ AI เชิงกายภาพ
  • เร่งความเร็วในการพัฒนาหุ่นยนต์และระบบอิสระ

• การปฏิวัติในภาคอุตสาหกรรม:

  • สนับสนุนการทำงานอัตโนมัติและการปรับให้เหมาะสมด้วย AI ในภาคการผลิต โลจิสติกส์ การแพทย์ และอื่น ๆ
  • เพิ่มความซับซ้อนของเทคโนโลยีดิจิทัลทวินให้สูงขึ้นอีกผ่านการเชื่อมต่อกับ Omniverse

• การผสานรวมกับ Generative AI:

  • พัฒนาทั้ง AI แบบมัลติโมดัลและเทคโนโลยีหุ่นยนต์ โดยใช้ข้อมูลทางกายภาพที่ Cosmos สร้างขึ้น
  • สร้างระบบ AI ที่สามารถ "คาดการณ์อนาคตและเลือกเส้นทางที่ถูกต้องได้"

NVIDIA Isaac Groot: แพลตฟอร์มแบบครบวงจรสำหรับการพัฒนาหุ่นยนต์

ภาพรวมของ Isaac Groot

• คำนิยาม: Isaac Groot คือแพลตฟอร์มการเรียนรู้และการจำลองหุ่นยนต์ของ NVIDIA เพื่อเร่งการพัฒนาหุ่นยนต์ humanoid และหุ่นยนต์ทั่วไป
• วัตถุประสงค์:
  • สร้างและประมวลผลข้อมูลจำนวนมากเพื่อฝึกพฤติกรรมและการเคลื่อนไหวที่ซับซ้อนของหุ่นยนต์
  • เพิ่มประสิทธิภาพสมรรถนะหุ่นยนต์ในสภาพแวดล้อมทางกายภาพและจัดสภาพแวดล้อมทดสอบที่ปลอดภัย

ส่วนประกอบหลักของ Isaac Groot

1. Robot Foundation Models (โมเดลพื้นฐานของหุ่นยนต์):

   • เริ่มต้นการฝึกและกำหนดพฤติกรรมสำหรับหุ่นยนต์ทั่วไป รวมถึงหุ่นยนต์ humanoid
   • สร้างโมเดลที่สามารถทำงานได้ในสภาพแวดล้อมทางกายภาพด้วย Omniverse และ Cosmos

2. Data Pipelines (ท่อข้อมูล):

   • ขยายข้อมูลการจำลองขนาดเล็กเป็นข้อมูลการฝึกขนาดใหญ่
   • ใช้เทคโนโลยี AI acceleration เพื่อประมวลผลข้อมูลอย่างรวดเร็วและนำไปใช้ในการฝึก

3. Simulation Frameworks (กรอบการจำลอง):

   • ทดสอบการเคลื่อนไหวของหุ่นยนต์ในสภาพแวดล้อมที่ไร้ความเสี่ยง
   • รับประกันความแม่นยำของข้อมูลทางกายภาพด้วยการจำลองบนพื้นฐาน Omniverse

4. Thor Robot Processor (โปรเซสเซอร์หุ่นยนต์ Thor):

   • หน่วยคอมพิวติง AI ประสิทธิภาพสูงที่ทำหน้าที่เป็นสมองของหุ่นยนต์
   • ประมวลผลข้อมูลเซ็นเซอร์และควบคุมการทำงานแบบเรียลไทม์

ฟีเจอร์ของ Isaac Groot

1. Groot Teleop:

   • คำอธิบาย: ใช้อุปกรณ์เช่น Apple Vision Pro ให้มนุษย์ควบคุมดิจิทัลทวินของหุ่นยนต์จากระยะไกล
   • ลักษณะเด่น:
     • บันทึกข้อมูลได้แม้ไม่มีหุ่นยนต์จริง
     • เก็บข้อมูลการเคลื่อนไหวในสภาพแวดล้อมที่ปลอดภัยโดยไม่เกิดความเสียหายหรือการสึกหรอทางกายภาพ

2. Groot Mimic:

   • คำอธิบาย: ขยายข้อมูลการเคลื่อนไหวของหุ่นยนต์ที่เก็บได้เพื่อสร้างข้อมูลการฝึกขนาดใหญ่
   • ลักษณะเด่น:
     • ขยายข้อมูลขนาดเล็กที่จับด้วย Teleop ให้เป็นชุดข้อมูลการเคลื่อนไหวได้ถึงหลายแสนชุด

3. Groot Gen:

   • คำอธิบาย: ใช้ Omniverse และ Cosmos ในการทำ domain randomization และ 3D upscaling ข้อมูล
   • ลักษณะเด่น:
     • สร้างข้อมูลที่สะท้อนสภาพแวดล้อมและเงื่อนไขที่หลากหลาย
     • ให้ข้อมูลการจำลองที่มีลักษณะสมจริงและอ้างอิงหลักการทางฟิสิกส์

4. Isaac Sim:

   • คำอธิบาย: การทดสอบและการยืนยันด้วย Software-in-the-Loop (Software-in-the-Loop)
   • ลักษณะเด่น:
     • ทดสอบสมรรถนะในสภาพจำลองก่อนนำหุ่นยนต์ไปใช้งานจริง

กรณีใช้งานของ Isaac Groot

1. การพัฒนาหุ่นยนต์ humanoid:

   • เรียนรู้ข้อมูลการเคลื่อนไหวของมนุษย์ แล้วฝึกให้ทำงานหลากหลายได้
   • ลดต้นทุนการฝึกด้วยการเพิ่มข้อมูลจากงานซับซ้อนที่ทำซ้ำหลายครั้ง

2. หุ่นยนต์สำหรับโรงงาน:

   • ติดตั้งหุ่นยนต์ที่ปรับตัวได้ในสภาพแวดล้อมทางกายภาพ เช่น โรงงานและคลังสินค้า
   • เพิ่มประสิทธิภาพการทำงาน และฝึกหุ่นยนต์เพื่อแทนที่งานที่มีความเสี่ยง

3. การทดสอบหุ่นยนต์อิสระ:

   • ทดสอบการทำงานของหุ่นยนต์อิสระในสภาพจำลองขนาดใหญ่
   • ตรวจสอบเสถียรภาพและสมรรถนะในเงื่อนไขสภาพแวดล้อมที่หลากหลาย

ข้อดีของ Isaac Groot

1. ประสิทธิภาพด้านข้อมูล:

   • สร้างชุดข้อมูลขนาดใหญ่จากข้อมูลขนาดเล็ก
   • จัดหาข้อมูลคุณภาพสูงที่อิงความเป็นจริงผ่าน Omniverse และ Cosmos

2. สภาพแวดล้อมทดสอบที่ปลอดภัย:

   • ฝึกและยืนยันการทำงานหุ่นยนต์ในสภาพจำลองที่ปลอดภัย
   • ตรวจจับข้อผิดพลาดที่อาจเกิดขึ้นในสภาพแวดล้อมทางกายภาพได้ล่วงหน้าในขั้นตอนการจำลอง

3. ความยืดหยุ่นและการขยายตัว:

   • เชื่อมต่อกับแพลตฟอร์มหุ่นยนต์ที่หลากหลายได้
   • ใช้ได้ในหลายสาขา เช่น อุตสาหกรรม วิจัย และระบบอิสระ

อนาคตของ Isaac Groot

• การสนับสนุนการเติบโตของอุตสาหกรรมหุ่นยนต์:

  • Isaac Groot ทำให้สามารถลดต้นทุนการพัฒนาหุ่นยนต์และลดเวลาได้
  • ใช้ได้กับงานหลากหลาย เช่น หุ่นยนต์ humanoid, หุ่นยนต์โลจิสติกส์ และหุ่นยนต์บริการ

• การเสริมความแข็งแกร่งการเชื่อม AI กับหุ่นยนต์:

  • เร่งการพัฒนาหุ่นยนต์ทั่วไปผ่านการผสมผสาน AI และเทคโนโลยีจำลอง
  • เชื่อมโลกทางกายภาพกับดิจิทัลทวินเพื่อยกระดับความสามารถในการปรับตัวของหุ่นยนต์สู่โลกจริง

• การเร่งอัตโนมัติทั่วทั้งอุตสาหกรรม:

  • ขับเคลื่อนนวัตกรรมการทำงานอัตโนมัติด้วยหุ่นยนต์และ AI ในภาคการผลิต โลจิสติกส์ การแพทย์
  • คาดว่า Isaac Groot จะเป็นแพลตฟอร์มหลักที่อยู่จุดศูนย์กลางการปฏิวัติหุ่นยนต์

วิสัยทัศน์ของ NVIDIA: อนาคตของ AI และหุ่นยนต์

NVIDIA เน้นการผสาน AI และเทคโนโลยีหุ่นยนต์เพื่อเชื่อมโลกทางกายภาพกับโลกดิจิทัล โดยมุ่งสร้างนวัตกรรมในทุกอุตสาหกรรม

วิสัยทัศน์ด้านหุ่นยนต์หลัก 3 อย่างของ NVIDIA

1. Agentic AI (ตัวแทนที่ขับเคลื่อนด้วยข้อมูล):

   • บทบาท:
     • วิเคราะห์ข้อมูล การโต้ตอบกับผู้ใช้ และการแก้ปัญหาที่ซับซ้อน
     • ทำงานอัตโนมัติและร่วมมือกับมนุษย์เพื่อเพิ่มประสิทธิผลสูงสุด
   • กรณีใช้งาน:
     • การค้นหาข้อมูลภายในองค์กร การสนับสนุนลูกค้า การปรับให้เหมาะสมเครื่องมือเพิ่มผลผลิต

2. Autonomous Vehicles (รถยนต์อิสระ):

   • บทบาท:
     • ยกระดับความปลอดภัยและประสิทธิภาพของการขับขี่ด้วยเทคโนโลยีรถยนต์อิสระที่พัฒนาแล้ว
     • พัฒนาระบบอิสระที่เหมาะสมกับสภาพถนนและเมือง
   • มุมมองอนาคต:
     • รถยนต์อิสระมีศักยภาพเติบโตจากอุตสาหกรรมเดียวสู่ระดับมหาศาลที่กว้างขวาง
     • ใช้โปรเซสเซอร์ Thor ของ NVIDIA เพื่อประมวลผลข้อมูลเซ็นเซอร์ของรถยนต์อิสระแบบเรียลไทม์

3. Humanoid Robots (หุ่นยนต์ humanoid):

   • บทบาท:
     • พัฒนาหุ่นยนต์อเนกประสงค์ที่สามารถทำงานในสภาพแวดล้อมของมนุษย์
     • ปรับตัวเข้ากับสภาพแวดล้อมเดิมและทำงานทางกายภาพแบบอัตโนมัติ
   • ลักษณะเด่น:
     • เรียนรู้ข้อมูลการเคลื่อนไหวของมนุษย์ และนำไปใช้เพื่อทำงานที่ซับซ้อนได้
     • สนับสนุนการสร้างและการฝึกข้อมูลขนาดใหญ่ผ่านแพลตฟอร์ม Omniverse และ Cosmos

Digital Twin: การเชื่อมโลกจริงและโลกเสมือน

• คำนิยาม: Digital Twin คือสภาพแวดล้อมการจำลองเสมือนที่มีความสอดคล้องกับสภาพแวดล้อมจริง

• บทบาท:

  • มอบพื้นที่เสมือนสำหรับการฝึกและทดสอบโมเดล AI อย่างปลอดภัย
  • สภาพแวดล้อมการจำลองเพื่อปรับปรุงกระบวนการอุตสาหกรรม การดำเนินงานโรงงาน และระบบอิสระ

• ลักษณะเด่น:

  • สร้าง digital twin ที่แม่นยำทางกายภาพด้วยการใช้ Omniverse
  • ผสมผสานกับ Cosmos เพื่อให้ได้การจำลองที่คาดการณ์ได้บนพื้นฐานข้อมูลทางกายภาพ

• การประยุกต์ใช้ในอุตสาหกรรม:

  • การผลิต: จำลองและปรับให้เหมาะสมระบบอัตโนมัติของโรงงาน
  • โลจิสติกส์: วิเคราะห์ประสิทธิภาพการดำเนินงานคลังสินค้าและวางแผนการเคลื่อนไหวของหุ่นยนต์

NVIDIA Thor: สมองของหุ่นยนต์และระบบอิสระ

• โปรเซสเซอร์ Thor:

  • หน่วยคอมพิวเตอร์ AI ประสิทธิภาพสูงสำหรับรถยนต์อิสระและหุ่นยนต์
  • ประมวลผลข้อมูลเซ็นเซอร์หลายชุดแบบเรียลไทม์เพื่อควบคุมการเคลื่อนไหวของหุ่นยนต์

• ประสิทธิภาพ:

  • ให้การประมวลผลสูงกว่าหน่วย Orin เดิม 20 เท่า
  • โปรเซสเซอร์หุ่นยนต์แบบยืดหยุ่นที่ใช้ได้กับหุ่นยนต์และระบบอิสระหลากหลาย

• ความปลอดภัย:

  • Thor คือคอมพิวเตอร์ AI แบบโปรแกรมได้ตัวแรกที่ได้รับการรับรอง ASIL-D ตามมาตรฐาน ISO 26262
  • รับรองความน่าเชื่อถือของระบบอิสระด้วยระดับความปลอดภัยเชิงหน้าที่สูง

กลยุทธ์ทางอุตสาหกรรมของ NVIDIA: ระบบคอมพิวติง 3 ประเภท

1. DGX: คอมพิวเตอร์สำหรับฝึก AI

   • ทำหน้าที่ประมวลผลข้อมูลขนาดใหญ่และฝึกโมเดล AI

2. AGX: คอมพิวเตอร์สำหรับ edge computing

   • ใช้ในระบบ AI แบบเรียลไทม์ เช่น รถยนต์อิสระและหุ่นยนต์

3. ดิจิทัลทวินคอมพิวเตอร์:

   • ให้บริการการจำลองเพื่อการฝึกอบรมและการทดสอบ AI โดยอาศัย Omniverse และ Cosmos
   • ตรวจสอบความปลอดภัยและสมรรถนะก่อนที่โมเดล AI จะใช้งานได้ในสภาพแวดล้อมจริง

วิสัยทัศน์ในอนาคตของ NVIDIA

1. การทำให้เป็นดิจิทัลของอุตสาหกรรมทั้งหมด:

   • การทำให้อุตสาหกรรมต่าง ๆ เช่น โรงงาน คลังสินค้า และศูนย์โลจิสติกส์เป็นระบบอัตโนมัติและมีการปรับแต่งประสิทธิภาพสูงสุด
   • ใช้เทคโนโลยีดิจิทัลทวินผ่าน Omniverse และ Cosmos

2. การผสาน AI กับหุ่นยนต์:

   • เร่งความก้าวหน้าของเอเจนต์แบบใช้ข้อมูล รถยนต์ไร้คนขับ และหุ่นยนต์ฮิวมานอยด์
   • เปิดมิติการใช้งานใหม่ด้วยเทคโนโลยี AI เชิงกายภาพ

3. ศูนย์กลางของการปฏิวัติหุ่นยนต์:

   • การผสานเทคโนโลยีหุ่นยนต์และ AI จะสร้างอุตสาหกรรมใหม่ขนาดระดับหลายล้านล้าน
   • คาดว่าเทคโนโลยีหุ่นยนต์จะกลายเป็นองค์ประกอบสำคัญในอุตสาหกรรมต่าง ๆ เช่น การแพทย์ โลจิสติกส์ และการผลิต

4. การขยายความร่วมมือทางอุตสาหกรรม:

   • ร่วมมือกับ Toyota, Mercedes, Tesla และอื่น ๆ เพื่อพัฒนาการใช้งานเทคโนโลยีขับขี่อัตโนมัติในเชิงพาณิชย์
   • ร่วมมือกับ Accenture, Keon และพันธมิตรอื่น ๆ เพื่อสนับสนุนการทำให้เป็นดิจิทัลของภาคการผลิตและโลจิสติกส์

สรุป

• ผลงานในปี 2025:
  • การผลิตเชิงมวลของ GPU Blackwell และการใช้งานในหลายอุตสาหกรรม
  • การเปิดตัว NVIDIA Cosmos ซึ่งเป็นโมเดลระดับโลกตัวแรกสำหรับ AI เชิงกายภาพ
  • ความก้าวหน้าสำคัญในสามพื้นที่นวัตกรรมหุ่นยนต์: เอเจนต์ AI, รถยนต์ไร้คนขับ และหุ่นยนต์ฮิวมานอยด์
  • เริ่มการผลิตเชิงมวลของโปรเซสเซอร์ NVIDIA Thor และกำหนดมาตรฐานใหม่ให้กับระบบอัตโนมัติ
• การทำให้ AI คอมพิวต์เข้าถึงได้ทั่วไป:
  • เปิดเทคโนโลยีให้ผู้ใช้ทุกคนและองค์กรทุกขนาดสามารถใช้ AI ได้
  • เร่งนวัตกรรมผ่านแพลตฟอร์มโอเพนซอร์สและสแตกเทคโนโลยีของ NVIDIA
• DGX Cloud และ Project Digits:
  • ทำให้ซูเปอร์คอมพิวเตอร์ AI มีขนาดเล็กลงและมีประสิทธิภาพสูงขึ้น เพื่อให้บุคคลทั่วไป ห้องปฏิบัติการ และสตาร์ทอัพสามารถใช้ได้
  • มีแผนเปิดตัวซูเปอร์คอมพิวเตอร์ AI ขนาดกะทัดรัดที่ผสานรวมอย่างสมบูรณ์กับสแตกซอฟต์แวร์ AI ของ NVIDIA
• การรวม Omniverse และ Cosmos:
  • การผสานการจำลองเชิงกายภาพและเทคโนโลยีดิจิทัลทวิน
  • ทำหน้าที่เป็นแกนกลางของการทำให้เป็นดิจิทัลของอุตสาหกรรมและการพัฒนาหุ่นยนต์

ข้อความสำคัญ

• เทคโนโลยีของ NVIDIA มีเป้าหมายออกแบบอนาคตของ AI และโลกดิจิทัล ที่เกินกว่าฮาร์ดแวร์เท่านั้น
• "ทุกอุตสาหกรรมกำลังถูกปรับโฉมด้วย AI และ NVIDIA เป็นเครื่องยนต์ที่ขับเคลื่อนการเปลี่ยนแปลงนี้"
• การปฏิวัติหุ่นยนต์ การปฏิวัติ AI และการก้าวสู่แพลตฟอร์มใหม่ที่เชื่อมโลกกายภาพและโลกดิจิทัล
• NVIDIA สรุปการแถลงข่าวด้วยการกล่าวว่า "ขอเชิญทุกคนร่วมเป็นส่วนหนึ่งของการเดินทางแห่งนวัตกรรมนี้"
• หลังปี 2025 สื่อถึงวิสัยทัศน์ที่เชื่อว่านำไปสู่ภาพอนาคตอันสดใส โดยเน้นว่าทุกอุตสาหกรรมและชีวิตประจำวันจะขยายตัวด้วยเทคโนโลยี AI และหุ่นยนต์