NVIDIA 專家關于 2024 年 AI 技術應用趨勢的預測

企業(yè)正在加快推行 AI 技術，并開始構建采用生成式 AI 的最佳實踐，NVIDIA AI 專家預測，各行各業(yè)都將因此而快速轉型

?

今年的《韋氏企業(yè)詞典》（Merriam-Webster: Enterprises）年度詞匯候選者頗多。隨著整個行業(yè)都聚焦于變革性的新技術，繼 “生成式 AI” 和 “生成式預訓練Transformer” 之后，又出現(xiàn)了 “大語言模型（LLM）”、“檢索增強生成（RAG）” 等詞匯。

生成式 AI 從年初開始嶄露頭角，到年末已經引起了轟動。許多企業(yè)正在競相依靠 AI 提取文本、語音和視頻的能力，生成能夠徹底改變生產力、創(chuàng)新和創(chuàng)造力的新內容。

企業(yè)紛紛順勢而為。麥肯錫表示，像 OpenAI 的 ChatGPT 這樣的深度學習算法在經過企業(yè)數(shù)據的進一步訓練后，每年可在 63 個業(yè)務用例中創(chuàng)造相當于 2.6 萬億至 4.4 萬億美元的價值。
?
然而，管理海量內部數(shù)據往往被認為是擴大 AI 規(guī)模的最大障礙。NVIDIA 的 AI 專家預測，企業(yè)在 2024 年的工作重點將是“廣交良友”，即與云服務提供商、數(shù)據存儲和分析公司以及其他擅長高效處理、微調和部署大數(shù)據的公司建立合作伙伴關系。
?
這一切都將圍繞大語言模型展開。NVIDIA 專家表示，LLM 研究的進展將被越來越多地應用于商業(yè)和企業(yè)應用中。RAG、自主智能體和多模態(tài)交互等 AI 功能將變得更易于獲取，并且?guī)缀蹩梢酝ㄟ^任何平臺輕松部署。
?
以下是 NVIDIA 專家對未來 2024 年的展望：

MANUVIR DAS
NVIDIA 企業(yè)計算副總裁
?
不存在一款萬能的應用：企業(yè)正在接受定制化。任何企業(yè)都不會只有一到兩個生成式 AI 應用，許多企業(yè)將擁有數(shù)百個定制化應用，這些應用使用的是適用于業(yè)務各個部分的專有數(shù)據。
在投入到生產中后，這些定制 LLM 將使用 RAG 功能連接數(shù)據源與生成式 AI 模型，從而作出更加準確、明智的回答。Amdocs、Dropbox、基因泰克公司（Genentech）、SAP、ServiceNow 和 Snowflake 等頭部企業(yè)已經在使用 RAG 和 LLM 構建新的生成式 AI 服務。
?
開源軟件引領潮流：借助開源預訓練模型，企業(yè)將把能夠解決特定領域挑戰(zhàn)的生成式 AI 應用納入其運營戰(zhàn)略中。
如果企業(yè)能夠將這些領先的模型與私有或實時數(shù)據相結合，就能加速提升整個企業(yè)的生產力和成本效益。AI 計算和軟件將可以在幾乎任何平臺上使用，無論是云計算和 AI 模型代工服務，還是數(shù)據中心、邊緣和桌面。
?
現(xiàn)成的 AI 和微服務：生成式 AI 推動了應用編程接口（API）端點的采用，使開發(fā)者能夠更輕松地構建復雜的應用。
隨著開發(fā)者將在 2024 年使用 RAG 等 AI 微服務定制成品 AI 模型，軟件開發(fā)工具套件和 API 將更上一層樓。這將幫助企業(yè)運用能夠獲取最新業(yè)務信息的智能助手和摘要工具，充分挖掘出 AI 驅動的生產潛力。
開發(fā)者可以將這些 API 端點直接嵌入其應用，而且無需再為維護支撐這些模型和框架所需的基礎設施而操心。終端用戶也能體驗到更加直觀、反應更迅速且更符合其需求的定制應用。

IAN BUCK
NVIDIA 高性能計算和超大規(guī)模數(shù)據中心業(yè)務副總裁
?
寶藏技術的國家應用： AI 將成為新時代的“太空競賽”，每個國家都希望建立自己的卓越中心，以推動研究和科學的重大進步，提高國內生產總值。
只需要幾百個節(jié)點的加速計算，就能快速建立起高效率、高性能的百億億次級 AI 超級計算機。由政府出資建造的生成式 AI 卓越中心，將通過創(chuàng)造新的工作崗位和建立更強大的大學項目來培養(yǎng)下一代科學家、研究人員和工程師，進而推動國家經濟的增長。
?
量子飛躍：企業(yè)領導者將在兩大關鍵驅動力之下發(fā)起量子計算研究計劃：一是使用傳統(tǒng) AI 超級計算機模擬量子處理器的能力；二是混合經典-量子計算統(tǒng)一開放式開發(fā)平臺的可用性。這使開發(fā)者能夠使用標準編程語言構建量子算法，無須掌握需要定制的專業(yè)知識。
量子計算方面的探索曾被認為是計算機科學中的一個非主流的小領域。但隨著企業(yè)與學術界和實驗室共同推進材料科學、醫(yī)藥研究、亞原子物理和物流領域的快速發(fā)展，量子計算探索將成為主流。

KARI BRISKI
NVIDIA AI 軟件業(yè)務副總裁
?
將RAG變成財富：企業(yè)將在 2024 年大力采用檢索增強生成（RAG）AI 框架，圍繞此的討論也會跟多。
模型有時會因為無法獲得與指定用例相關的足夠準確信息而作出這種不準確或無意義的回答。
隨著企業(yè)訓練用于構建生成式 AI 應用和服務的 LLM，越來越多的人將 RAG 視為一種能夠避免作出不準確或無意義回答的方法。
通過語義檢索，企業(yè)將使用開源基礎模型打通自己的數(shù)據，這樣用戶就能夠從索引中檢索到相關數(shù)據，然后在運行時將這些數(shù)據傳遞給模型。
企業(yè)可以使用更少的資源，為醫(yī)療、金融、零售和制造等行業(yè)創(chuàng)造出更準確的生成式 AI 應用。終端用戶有望看到更加精進、更加符合上下文的多模態(tài)聊天機器人和個性化內容推薦系統(tǒng)，這將使他們能夠自然、直觀地與數(shù)據進行對話。
?
多模態(tài)“大顯身手”：基于文本的生成式 AI 將成為過去式。盡管生成式 AI 仍處于起步階段，但預計許多行業(yè)都將采用多模態(tài) LLM，使消費者能夠結合文本、語音和圖像，對有關表格、圖表或示意圖的查詢作出更加符合語境的回答。
Meta、OpenAI 等公司將通過加強對感官的支持來推動多模態(tài)生成式 AI 的發(fā)展，進而促進物理科學、生物科學和整個社會的進步。企業(yè)將不僅能夠理解文本格式的數(shù)據，還能夠理解 PDF、圖表、幻燈片等格式的數(shù)據。

NIKKI POPE
NVIDIA AI 和法律倫理主管
?
AI 安全將成為核心議題：頭部 AI 企業(yè)之間的合作將加快穩(wěn)健且安全的 AI 系統(tǒng)的研發(fā)速度。預計各個行業(yè)將采用新的標準化安全協(xié)議和最佳實踐來保障生成式 AI 模型的一致且高度安全性。
企業(yè)將更加關注 AI 系統(tǒng)的透明度和可解釋性，并將使用新的工具和方法闡釋復雜 AI 模型的決策過程。由于整個生成式 AI 生態(tài)系統(tǒng)都會將安全問題作為核心，預計 AI 技術將變得更加可靠、可信且符合人類的價值觀。
?
?RICHARD KERRIS
NVIDIA 開發(fā)者關系副總裁，媒體和娛樂業(yè)務主管
?
開發(fā)普及化：不久之后，幾乎所有人都能夠成為開發(fā)者。以前的開發(fā)者必須掌握并熟練使用特定的開發(fā)語言才能開發(fā)應用或服務。隨著計算基礎設施越來越多地在軟件開發(fā)語言上訓練，任何人都將能夠提示機器創(chuàng)建應用、服務、設備支持等。
企業(yè)將繼續(xù)雇用開發(fā)人員構建和訓練 AI 模型及其他專業(yè)應用，同時其他具備相關技能的人士也都將獲得更多構建定制產品和服務的機會。在文本輸入或語音提示的幫助下，他們與計算機的交互將變得像口述指令一樣簡單。
?
電影和音樂將迎來新的時代：正如 Fab Four “新創(chuàng)作”的 AI 增強歌曲引發(fā)了新一波的披頭士熱潮一樣，第一部長篇生成式 AI 電影的誕生也將在電影業(yè)掀起軒然大波。
比如，電影制片人在使用 35 毫米膠片攝影機拍攝后，可以通過生成式 AI 技術，將所拍攝的內容快速轉換成 70 毫米格式。這將降低制作 IMAX 電影所需的巨額成本，并讓更多導演參與其中。
創(chuàng)作者將使用文字、圖像或視頻來提示計算機把精美的圖像和視頻轉化成新類型和新形式的娛樂內容。一些專業(yè)人士擔心這會搶了他們的“飯碗”，但由于生成式 AI 能夠通過特定任務的訓練而日益完善，這些問題也會逐漸消失，反而使專業(yè)人士有時間去處理其他任務，并為他們提供界面對藝術家友好的新工具。
?
KIMBERLY POWELL
NVIDIA 醫(yī)療業(yè)務副總裁
?
AI 手術助手：外科醫(yī)生在手術室內外使用語音增強其所見所聞的時代已經到來。
通過將器械、影像、機器人技術和實時患者數(shù)據與 AI 相結合，可以為外科醫(yī)生提供更好的培訓，在手術過程中提供更加個性化的服務，甚至在遠程手術過程中給出實時反饋和指導以提高安全性。目前每年有 1.5 億臺手術無法開展，尤其是在中低收入國家，而 AI 手術將有助于縮小這一缺口。（數(shù)據原出處）
?
生成式 AI 打造新型藥物研發(fā)工廠：一種新的藥物研發(fā)流程正在興起。生成式 AI 分子生成、特性預測和復雜建模將推動智能實驗室的運轉速度，縮短研發(fā)周期并提高臨床可行候選藥物的質量。
這些 AI 藥物研發(fā)工廠使用全基因組、原子分辨率儀器和能夠全天候運行的機器人實驗室自動化技術來建立海量醫(yī)療數(shù)據集。計算機將實現(xiàn)有史以來首次在龐大而復雜的數(shù)據集中學習規(guī)律和關系，并且生成、預測和模擬復雜的生物關系，而這些關系之前只能通過耗時的實驗觀察和人工合成才能發(fā)現(xiàn)。

CHARLIE BOYLE
NVIDIA DGX系統(tǒng)副總裁
?
企業(yè)將定制 LLM 遷移到云端：企業(yè)在 2023 年認識到從頭開始構建 LLM 并非易事。他們往往會因為需要投資于新的基礎設施和技術而對這條路望而卻步，而且他們還很難確定如何以及何時該優(yōu)先開展公司的其他舉措。
云服務提供商、主機托管提供商、以及其他提供企業(yè)數(shù)據處理服務的公司將通過全棧 AI 超級計算和軟件來幫助企業(yè)。這將使各行各業(yè)的企業(yè)能夠更輕松地定制和部署預訓練模型。
?
在企業(yè)數(shù)據湖中挖掘 LLM 這座 “金礦”：目前并不缺少關于普通企業(yè)信息存儲量的統(tǒng)計數(shù)據，大型企業(yè)存儲的信息量可能高達數(shù)百 PB。但許多公司都表示自己只挖掘了不到一半的信息來獲取可執(zhí)行的洞察。（數(shù)據原出處）
?
2024 年，企業(yè)將開始借助生成式 AI，將那些未被利用的數(shù)據用于構建和定制 LLM。借助 AI 加持的超級計算，企業(yè)將開始挖掘自身的非結構化數(shù)據，包括聊天、視頻和代碼等，從而將其生成式 AI 開發(fā)工作擴展到訓練多模態(tài)模型。這一巨大的進步超越了挖掘表格和其他結構化數(shù)據的能力，將使企業(yè)能夠針對問題提供更加具體的答案，并發(fā)現(xiàn)新的機遇，包括幫助檢測醫(yī)學掃描圖像中的異常情況，發(fā)現(xiàn)零售業(yè)的新興趨勢，以及提高運營安全等。

AZITA MARTIN
NVIDIA 零售、消費品包裝和快餐店業(yè)務副總裁
?
生成式 AI 購物顧問：零售商既要為顧客提供其想要的產品，又要提供符合其個人需求和偏好的高質量、人性化全渠道購物體驗。
為了實現(xiàn)這些目標，零售商正準備引進先進的生成式 AI 購物顧問，這些顧問將接受有關零售商品牌、產品和客戶數(shù)據的細致培訓，以便能夠提供符合品牌的向導式個性化購物過程并像人類助手那樣細致入微。這一創(chuàng)新的方法將幫助品牌脫穎而出，通過提供個性化的幫助提高顧客忠誠度。
?
采取保障安全的措施：全球零售商正面臨著日益嚴峻的挑戰(zhàn)。以美國為例，根據美國零售聯(lián)合會的報告，自疫情后零售業(yè)盜竊案的數(shù)量激增以來，零售商遭遇的此類事件猛增了 26.5%。
為了提高顧客和員工在店內的安全，零售商將開始使用計算機視覺和實體安全信息管理軟件采集并關聯(lián)來自不同安全系統(tǒng)的事件。這將使 AI 能夠檢測出異常行為，比如大規(guī)模搶奪貨架上的物品等。它還將幫助零售商主動打擊犯罪活動，維護購物環(huán)境的安全。

REV LEBAREDIAN
NVIDIA Omniverse 和仿真技術副總裁
?
工業(yè)數(shù)字化擁抱生成式 AI：工業(yè)數(shù)字化與生成式 AI 的融合有望促進工業(yè)轉型。
生成式 AI 將使幾何、光、物理、物質和行為等物理學的各個方面轉化成數(shù)字數(shù)據變得更加容易。物理學數(shù)字化的普及將加速工業(yè)企業(yè)的發(fā)展，提高其設計、優(yōu)化、制造和銷售產品的效率并使其能夠更加輕松地創(chuàng)建用于訓練新一代 AI 的虛擬訓練場和合成數(shù)據。這些 AI 將在自主機器人、自動駕駛汽車等物理領域進行交互和運行。
?
3D 互通性躍升： 首次實現(xiàn)從設計到生產的數(shù)據互通。
全球制造、產品設計、零售、電子商務和機器人行業(yè)最有影響力的軟件與從業(yè)公司正在加入新成立的 OpenUSD 聯(lián)盟。OpenUSD 是一種 3D 工具和數(shù)據之間的通用語言，它將打破數(shù)據孤島，使工業(yè)企業(yè)中的各個數(shù)據湖、工具系統(tǒng)和專業(yè)團隊能夠比以往更加輕松、快速地開展協(xié)作，從而加快繁瑣人工工業(yè)流程的數(shù)字化進程。

吳新宙
NVIDIA 副總裁兼汽車業(yè)務總經理
?
實現(xiàn)整個汽車生產生命周期的現(xiàn)代化：汽車行業(yè)將進一步采用生成式 AI 來提供符合物理學的逼真效果圖，在準確展示汽車內部與外部的同時，加快設計評審的速度、降低成本并提高效率。
越來越多的汽車制造商將在其智能工廠中采用這項技術，通過連接設計與工程工具來構建生產設施的數(shù)字孿生。此舉能夠在不關停工廠產線的情況下降低成本，實現(xiàn)運營的精簡化。
生成式 AI 將使消費者的研究和購買變得更具互動性。無論是汽車配置器和 3D 可視化，還是增強現(xiàn)實演示和虛擬試駕，都將為消費者帶來更加引人入勝和愉快的購物體驗。
?
行駛安全無小事：除了汽車產品生命周期外，生成式 AI 還將推進自動駕駛汽車（AV）開發(fā)領域的突破性進展，包括將記錄的傳感器數(shù)據轉化為全交互式 3D 模擬。在將自動駕駛汽車部署到現(xiàn)實世界前，可以使用這些數(shù)字孿生環(huán)境以及合成數(shù)據生成技術，在虛擬環(huán)境中安全地對自動駕駛汽車進行大規(guī)模的開發(fā)、測試和驗證。
生成式 AI 基礎模型還將幫助車輛的 AI 系統(tǒng)提供全新的個性化用戶體驗、功能以及車內外的安全措施。
駕駛將變得更加安全、智能和愉悅。

BOB PETTE
NVIDIA 企業(yè)平臺副總裁
?
使用生成式 AI 創(chuàng)建新事物：通過生成式 AI，企業(yè)只需要與大語言模型進行對話就可以完成汽車的設計，或者使用新的技術和設計原則來從無到有創(chuàng)建新的城市。
建筑、工程、施工和運營（AECO）行業(yè)正在圍繞生成式 AI 構建未來。AECO 和制造業(yè)的數(shù)百家生成式 AI 初創(chuàng)公司與客戶將專注于為幾乎所有用例創(chuàng)建解決方案，包括設計優(yōu)化、市場洞見、施工管理和物理預測等。AI 將加速制造業(yè)的發(fā)展，提高效率、減少浪費并實現(xiàn)全新的生產和可持續(xù)發(fā)展方式。
開發(fā)者和企業(yè)尤其關注點云數(shù)據分析，該技術能夠使用激光雷達生成具有精確細節(jié)的建筑和自然環(huán)境示意圖。借助由生成式 AI 加速的工作流，這項技術將實現(xiàn)高保真的洞察和分析。

GILAD SHAINER
NVIDIA 網絡業(yè)務高級副總裁
?
AI 飛速增長，連接需求激增：企業(yè)正在使用 GPU 和基于 GPU 的系統(tǒng)獲得加速計算所需要的網絡帶寬，網絡效率和性能也將再度成為其關注的焦點。
萬億參數(shù)的 LLM 將需要更快的傳輸速度和更廣的覆蓋范圍。想要快速推行生成式 AI 應用的企業(yè)將需要投資于加速網絡技術或者選擇能夠滿足這一需求的云服務提供商。實現(xiàn)最佳連接的關鍵在于將其融入到加入了新一代軟硬件的全棧系統(tǒng)中。
?
網絡將成為設計數(shù)據中心的決定性因素：企業(yè)將認識到數(shù)據中心不必千篇一律。為數(shù)據中心選擇合適網絡的第一步是確定數(shù)據中心的用途。傳統(tǒng)數(shù)據中心的帶寬有限，而能夠運行大型 AI 工作負載的數(shù)據中心需要成千上萬個 GPU，而且這些 GPU 在運行時必須保證高度確定且較低的尾部延遲。
網絡在大規(guī)模滿負荷情況下的運行能力是確定性能的最佳指標。未來的企業(yè)數(shù)據中心需要通過獨立的管理網絡（又稱南北向網絡）和 AI 網絡（又稱東西向網絡）連接。其中的 AI 網絡包含專門用于高性能計算、AI 和超大規(guī)模云基礎設施的網內計算。

DAVID REBER JR.
NVIDIA 首席安全官
?
明確使安全模式能夠適應 AI：企業(yè)正在如火如荼地從以應用為中心的安全模式轉向以數(shù)據為中心的安全模式。數(shù)據是 LLM 的基礎供應鏈，同時也是生成式 AI 的未來。企業(yè)現(xiàn)在才剛剛看到這個問題大規(guī)模地顯現(xiàn)，他們需要重新評估人員、流程和技術，重新定義安全開發(fā)生命周期（SDLC）。整個行業(yè)將重新定義信任的方法并明確透明度的含義。
新一代網絡工具將應運而生。AI 的安全開發(fā)生命周期將由新的市場領導者來定義工具和使命，以完成從命令行界面到人類語言界面的過渡。隨著越來越多的企業(yè)開始使用開源 LLM（如 Meta 的 Llama 2）加速生成式 AI 的輸出結果，這一需求將變得尤為重要。
?
使用 AI 提升安全性：將 AI 應用于網絡安全領域將能夠檢測出從未被發(fā)現(xiàn)的威脅。目前，全球只有一小部分數(shù)據被用于網絡防御。與此同時，攻擊者仍在不斷利用每一個錯誤配置。
?企業(yè)將通過實驗認識到 AI 在發(fā)現(xiàn)突發(fā)威脅和風險方面的潛力。網絡助手將幫助企業(yè)用戶應對網絡釣魚和配置問題。為了使這項技術發(fā)揮作用，企業(yè)需要解決工作和個人生活交匯處固有的隱私問題，以便能夠在以數(shù)據為中心的環(huán)境中實現(xiàn)集體防御。
除了實現(xiàn)技術的全民化之外，AI 也將在威脅不斷增加的情況下造就新一代的網絡防御者。一旦明確任何一種威脅，企業(yè)將使用 AI 生成海量數(shù)據，并使用這些數(shù)據訓練下游檢測器以防御并檢測此類威脅。

RONNIE VASISHTA
NVIDIA 電信高級副總裁
?
RAN 既是目標，也是起點：預計對 5G 投資案例將展開大規(guī)模重新評估。
?經過五年的發(fā)展，5G 的網絡覆蓋范圍和容量都有了顯著的提升，但收入增長卻很緩慢，而且大部分專有且靈活性欠佳的基礎設施的成本也在上升。同時，5G RAN 的利用率仍止步于 40% 以下。
在新的一年里，我們將在現(xiàn)有頻譜上，積極開辟新的收入來源，發(fā)掘可商業(yè)化的新應用。電信行業(yè)還將重新考量資本支出結構，更加關注以通用組件構建的靈活高利用率的基礎設施。此外，由于企業(yè)正在使用 AI 工具來提高性能和效率以降低成本，所以預計運營費用將全面降低。這些舉措的成效將決定運營商對 6G 技術的投資力度。
?
從聊天機器人到網絡管理：為提升客戶服務和支持力度，電信公司已將生成式 AI 應用于聊天機器人和虛擬助手。在新的一年里，他們將進一步在網絡規(guī)劃和優(yōu)化、故障和欺詐檢測、預測分析和維護、網絡安全運營以及能源優(yōu)化等領域加強生成式 AI 的使用，實現(xiàn)運營方面的改進。
鑒于生成式 AI 的普及度和戰(zhàn)略性，建立新型 AI 工廠基礎設施來推動其發(fā)展也將成為當務之急。越來越多的電信公司將建立供內部使用的 AI 工廠，并以平臺即服務的形式，將這些工廠提供給開發(fā)人員。這類基礎設施將能夠支持作為額外租戶的 RAN。

MALCOLM DEMAYO
NVIDIA 金融服務副總裁
?
金融服務，AI 至上：隨著 AI 的飛速發(fā)展，金融服務公司將會把算力用在數(shù)據上，而不是用數(shù)據來提高算力。
金融服務公司需要在保持技術發(fā)展速度，降低集中風險的同時保持敏捷性，所以需要做出戰(zhàn)略轉變，即采用將本地基礎設施與云計算混用這樣具有高度可擴展性的方式。能夠處理好最關鍵工作負載（包括 AI 驅動的客服助手、欺詐檢測、風險管理等）的金融服務公司將獲得領先優(yōu)勢。

MARC SPIELER
NVIDIA 能源高級總監(jiān)
?
物理機器學習加速仿真模擬：能源公司將越來越多地使用物理機器學習加速仿真模擬、優(yōu)化工業(yè)流程并增強決策能力。
物理機器學習將傳統(tǒng)的物理模型與先進的機器學習算法相結合，是快速、準確模擬復雜物理現(xiàn)象的強大幫手。例如在能源勘探和生產中，物理機器學習可以快速建立地下地質模型，幫助確定潛在的勘探地點，評估運營和環(huán)境風險。
在風能和太陽能等可再生能源領域，物理機器學習將在預測性維護方面發(fā)揮關鍵作用，使能源公司能夠預見設備故障并提前安排維護，從而減少停機時間和成本。隨著算力和可用數(shù)據的不斷增加，物理機器學習將深入改變能源公司處理模擬和建模任務的方式，推動更高效和可持續(xù)的能源生產。
?
LLM —— 提升運營成果的高招：結合物理機器學習，LLM 將能夠分析能源設備的大量歷史數(shù)據和實時傳感器輸入數(shù)據，從而預測潛在故障和維護需求。這種具有前瞻性的方法將減少意外停機時間，延長風力渦輪機、發(fā)電機、太陽能電池板和其他關鍵基礎設施的使用壽命。LLM 還有助于優(yōu)化維護計劃和資源配置，確保維修和檢查工作的高效率。最后，將 LLM 應用于預測性維護將為能源公司節(jié)省成本，幫助其更加穩(wěn)定地為用戶供應能源。

DEEPU TALLA
NVIDIA 嵌入式和邊緣計算副總裁
?
機器人開發(fā)者的興起：LLM 將為機器人工程師的工作帶來迅速的改觀。生成式 AI 將為機器人開發(fā)代碼并創(chuàng)建新的模擬環(huán)境以測試和訓練它們。
LLM 將自動創(chuàng)建 3D 場景、構建環(huán)境并根據輸入的數(shù)據生成資產，從而加快模擬開發(fā)速度。生成的模擬資產將成為合成數(shù)據生成、機器人技能訓練和機器人應用測試等工作流的關鍵。
除了幫助機器人開發(fā)者外，LLM 背后的引擎 —— Transformer AI 模型將使機器人變得更加智能，使其能夠更好地理解復雜的環(huán)境，并更有效地在這些環(huán)境中執(zhí)行各種技能。
為了擴大機器人產業(yè)的規(guī)模，機器人必須變得更加通用。也就是說，它們需要能夠更快掌握技能或將技能應用于新的環(huán)境中。在模擬中訓練和測試的生成式 AI 模型將成為使機器人變得更加強大、靈活且易用的關鍵。
?
?