英伟达为什么开始押注中国机器人?
凤凰网科技讯 8月31日,据《华尔街日报》报道,英伟达正加码机器人、自动驾驶汽车等“物理AI”(Physical AI)业务,中国已成为其这一战略的重要市场。尽管美国限制英伟达向中国销售最先进的AI芯片,但目前针对机器人和汽车领域的部分芯片贸易仍保持开放。
目前,物理AI业务每年已为英伟达带来约100亿美元收入。相比英伟达截至今年7月的过去四个季度3030亿美元总营收,这一业务规模仍然较小,但英伟达CEO黄仁勋预计,未来十年物理AI业务规模将增长10倍。
英伟达的策略与其在数据中心AI市场的打法类似,即通过芯片与软件的结合构建开发生态。除了面向机器人等设备提供芯片外,英伟达还向开发者提供GR00T、Cosmos等开放权重模型,以及用于机器人和自动驾驶开发的软硬件工具。
Radiant Intel CEO迈克尔·弗兰克认为,物理AI为英伟达提供了一条从数据中心进入汽车、工厂、仓库和机器人等更广泛实体经济领域的路径。
中国则是英伟达物理AI布局中的重要一环。Counterpoint Research分析师Brady Wang表示,中国企业在制造和新技术商业化方面具备优势,与中国企业合作能够为英伟达提供大量真实应用场景。
报道称,中国是全球最大的工业机器人市场,今年上半年,中国企业出货量约占全球人形机器人出货量的90%。与此同时,尽管中国正在推动本土AI芯片产业发展,但据业内人士透露,目前中国机器人制造商在训练和运行机器人时,仍较多依赖英伟达芯片及软件工具。
在美国和中国的实验室中,英伟达已经使用来自不同厂商的人形机器人进行数据收集和实验,其中包括宇树科技、智元机器人和傅利叶智能的产品。知情人士还称,宇树科技等中国机器人企业已经使用英伟达最新的Thor芯片。
英伟达也在加强其中国机器人和自动驾驶团队。报道称,从英伟达公司网页以及招聘相关信息来看,其中国团队正在扩充相关人员,英伟达发表的部分研究论文中也出现了中国研究人员以及中国高校实习生的贡献。
英伟达发言人对此表示,公司在遵守美国法律的前提下与全球企业开展合作。对于开放模型和开源材料,英伟达称,物理AI将由广泛的产业生态共同构建,而非依靠单一公司。
这一模式与英伟达此前依靠CUDA建立AI计算生态存在相似之处。近20年前,英伟达推出CUDA,使开发者能够针对其GPU编写程序,通过硬件与软件的结合提高开发者黏性。如今,英伟达正试图把类似的软硬件生态策略复制到机器人市场。
黄仁勋今年7月表示,英伟达首先看好自动驾驶汽车,认为这是机器人技术中率先具备足够市场规模和现实经济价值的应用之一。目前其客户包括Alphabet旗下Waymo、特斯拉,以及中国的汽车和Robotaxi企业。
不过,英伟达在中国机器人市场也面临潜在的不确定性。报道称,部分中国企业已经开始测试华为、黑芝麻智能和地平线等本土厂商的产品,以应对美国未来可能进一步扩大出口限制的风险。
前地平线研究人员、目前使用英伟达芯片和软件开发机器人系统的创业者Harry Qin表示,现阶段采用国产替代方案并非首要考虑,但随着相关技术敏感度上升,未来这种情况可能发生变化。(作者/于雷)
本文源自:凤凰网科技
-
AGV调度系统数据瓶颈:没有更多数据时的优化策略AGV调度系统数据瓶颈:没有更多数据时的优化策略很多人以为,AGV调度系统的性能提升完全依赖于数据量的持续增加,其实不然。在工业场景中,数据获取成本与调度效率之间存在显著的边际递减效应。当系统已捕获足够覆盖95%以上场景的基础数据后,单纯增加数据量对调度精度的提升不足3%,反而会引发存储冗余与计算延迟问题。底层逻辑是:AGV调度本质是有限状态空间内的路径优化问题。以某汽车总装车间为例,其AGV网络查看详情
-
AGV机器人调度系统:数据瓶颈背后的底层逻辑数据孤岛与调度效率的悖论很多人以为,AGV机器人调度系统的性能瓶颈源于算力不足或算法复杂度,其实不然。在真实工业场景中,90%的调度延迟问题源于数据孤岛与协议异构性。当多品牌AGV混编运行时,不同厂商的通信协议、定位精度、传感器采样频率差异,会导致调度系统陷入「数据解析-转换-同步」的死循环,最终表现为路径规划失效或任务队列堆积。案例:上海临港某汽车总装车间的赛制级推演2023年Q2,某头部车企在查看详情



400-886-5570




