简单地说，我们团队的工作可以用三个词来概括：“产生行动”。因为我们构建了具体的智能代理，而这些代理在不同的世界中采取行动。如果这些动作发生在虚拟世界，那就是人工智能和模拟，如果它们发生在物理世界，那就是机器人技术。事实上，在今年 3 月的 GTC 会议上，Jensen 在他的主题演讲中展示了一个名为 Project Groot 的项目。这是 Nvidia 为构建人形机器人基础模型所做的重要努力，也是 GER 团队目前正在开展的工作。
。我们希望为人形机器人及其他机器人 马耳他消费者手机号码列表 打造人工智能大脑。 Stephanie Zhan 您认为 Nvidia 在构建这些技术方面有哪些竞争优势？吉姆·范 这是一个非常好的问题。首先，计算资源是毫无疑问的。所有这些基本模型都需要大量的计算资源才能扩展。我们相信“Scaling Law”，这与LLM的Scaling Law类似，但是Embodied Intelligence和Robotics的Scaling Law还有待研究，所以我们正在这方面努力。
Nvidia 的另一个优势是模拟技术。 Nvidia 在成为人工智能公司之前是一家图形公司，因此我们在构建模拟（例如物理模拟、渲染）和实时 GPU 加速方面拥有多年的经验。因此，当我们构建机器人时，我们大量使用模拟。 Stephanie Zhan 模拟策略很有趣。您认为为什么大多数行业仍然非常关注现实世界的数据并采取相反的策略？ Jim Fan 是的，我认为我们需要各种数据。仅依靠模拟或现实世界的数据是不够的。