NVIDIA กำลังทุ่มน้ำหนักอย่างจริงจังอยู่เบื้องหลังการเรียกร้องให้มี มาตรฐานแบบเปิดในปัญญาประดิษฐ์ และก้าวล่าสุดของบริษัทแสดงให้เห็นว่าการผลักดันนี้ขยายไปไกลถึงหุ่นยนต์ รถยนต์ไร้คนขับ และวิสัยทัศน์คอมพิวเตอร์มากเพียงใด ในเดือนกรกฎาคม ผู้ผลิตชิปรายนี้ได้เข้าร่วมกับบริษัทและองค์กรต่างๆ กว่า 200 แห่ง ลงนามในจดหมายเปิดผนึกชื่อ “Open Weights and American AI Leadership” โดยโต้แย้งว่าความเป็นผู้นำด้าน AI ควรถูกวัดจากการที่ระบบแบบเปิดแพร่หลายไป ในทุกภาคส่วน มากเพียงใด ไม่ใช่จากโมเดลเรือธงเพียงตัวเดียว โดยต่อยอดจากคำมั่นสัญญานั้น NVIDIA ได้เปิดตัว Cosmos 3 ตระกูลโมเดล AI ทางกายภาพแบบเปิดรุ่นใหม่ที่ออกแบบมาเพื่อช่วยให้เครื่องจักรเข้าใจและคาดการณ์สิ่งที่เกิดขึ้นในโลกจริง ไม่ใช่แค่บรรยายสิ่งที่กล้องมองเห็น
Summary
ประเด็นสำคัญ
- NVIDIA เข้าร่วมกับบริษัทและองค์กรต่างๆ กว่า 200 แห่งที่อยู่เบื้องหลังจดหมายเปิดผนึกซึ่งผลักดันระบบนิเวศ AI แบบเปิดให้ก้าวไปข้างหน้า
- NVIDIA Cosmos 3 เป็นโมเดลฐาน AI ทางกายภาพแบบเปิดรุ่นใหม่ที่สร้างบนสถาปัตยกรรม mixture-of-transformers
- ตระกูล Cosmos 3 มีสามขนาด: Super (64B), Nano (16B) และ Edge (4B) โดยแต่ละรุ่นมุ่งเป้าไปที่ความต้องการในการปรับใช้ที่แตกต่างกัน
- Cosmos 3 อยู่ในอันดับ 1 บนชุดทดสอบอิสระหลายรายการ รวมถึง Artificial Analysis, PAIBench, Physics-IQ, RoboLab และ VANTAGE-Bench
- บริษัทในด้านหุ่นยนต์ ยานยนต์อัตโนมัติ และวิสัยทัศน์ AI พร้อมด้วย NVIDIA Cosmos Coalition ที่กำลังขยายตัว กำลังพัฒนาต่อยอดจากตระกูลโมเดลนี้แล้ว
NVIDIA เข้าร่วมผลักดันระบบนิเวศ AI ทางกายภาพแบบเปิด
การเข้าถึงน้ำหนักโมเดลแบบเปิดคือสิ่งที่ทำให้นักพัฒนาสามารถสร้างต่อยอดบนโมเดลฐานได้จริง แทนที่จะเป็นเพียงการเช่าใช้งาน NVIDIA ตัดสินใจร่วมลงนามในจดหมาย “Open Weights and American AI Leadership” เพื่อสะท้อนข้อโต้แย้งที่กว้างขึ้นซึ่งกำลังได้รับแรงสนับสนุนทั่วทั้งอุตสาหกรรม: ว่า ciò che consente a chiunque di scaricare, esaminare, personalizzare ed eseguire modelli aperti sulla propria infrastruttura è การทำให้การยอมรับ AI อย่างแพร่หลายเกิดขึ้นได้ตั้งแต่แรก
หลักการนั้นสำคัญที่สุดในสาขาที่โมเดลทั่วไปเพียงตัวเดียวไม่สามารถทำงานได้ AI ทางกายภาพ ซึ่งเป็น แขนงของปัญญาประดิษฐ์ ที่เกี่ยวข้องกับหุ่นยนต์ ยานยนต์อัตโนมัติ และระบบวิสัยทัศน์ที่ทำงานในสภาพแวดล้อมจริง ก็คือสาขาแบบนั้น การปรับใช้แต่ละครั้งถือเป็นปัญหาการทำให้เชี่ยวชาญเฉพาะทาง เนื่องจากหุ่นยนต์ในคลังสินค้า รถส่งของ และกล้องในโรงงานต่างต้องใช้เหตุผลเกี่ยวกับสภาวะทางกายภาพที่แตกต่างกันโดยสิ้นเชิง โมเดลโลก แบบเปิดช่วยให้ทีมวิศวกรรมมีความยืดหยุ่นในการปรับแต่งโมเดลฐานร่วมกันให้เหมาะกับแต่ละสภาพแวดล้อมที่แตกต่างกันมาก แทนที่จะต้องเริ่มต้นใหม่ทุกครั้ง
อะไรทำให้ AI ทางกายภาพแตกต่างจากระบบ AI อื่นๆ
AI ทางกายภาพต้อง เข้าใจและคาดการณ์ผลลัพธ์ ไม่ใช่แค่จดจำลักษณะภายนอก ความแตกต่างนั้นคือเหตุผลทั้งหมดที่โมเดลโลกถือกำเนิดขึ้น: โมเดลเหล่านี้ถูกฝึกให้เรียนรู้ว่าสภาพแวดล้อมทางกายภาพมีพฤติกรรมอย่างไร คาดการณ์สิ่งที่อาจเกิดขึ้นต่อไป และหาว่าการกระทำใดสมเหตุสมผลเมื่อเทียบกับการคาดการณ์นั้น
ในทางปฏิบัติ นั่นหมายความว่าโมเดลโลกสามารถสร้างข้อมูลที่ยึดโยงกับฟิสิกส์เกี่ยวกับการเคลื่อนที่และปฏิสัมพันธ์ของวัตถุ จำลองสถานะในอนาคตของสภาพแวดล้อม และมอบโมเดลฐานให้นักพัฒนานำไปปรับจูนต่อสำหรับหุ่นยนต์ รถยนต์ไร้คนขับ หรือระบบวิสัยทัศน์เฉพาะทาง แทนที่จะต้องเก็บรวบรวมภาพจากโลกจริงจำนวนมหาศาลสำหรับทุกกรณีใช้งานใหม่ ทีมงานสามารถพึ่งพา การจำลองด้วยโมเดลโลก เพื่อสร้างข้อมูลฝึกสังเคราะห์และทดสอบนโยบายก่อนที่สิ่งใดจะไปแตะต้องโลกจริง ไลบรารี Omniverse ของ NVIDIA ซึ่งเป็นส่วนหนึ่งของ Agent Toolkit ขยายขีดความสามารถนี้ต่อไปด้วยการจัดเตรียมเครื่องมือสำเร็จรูปสำหรับสร้างสภาพแวดล้อมที่พร้อมต่อการจำลอง ซึ่งระบบ AI ทางกายภาพสามารถถูกฝึก ทดสอบ และตรวจสอบความถูกต้องได้ก่อนการปรับใช้ในโลกจริง
ภายใน NVIDIA Cosmos 3 โมเดลฐาน AI ทางกายภาพแบบเปิดรุ่นใหม่
Cosmos 3 คือคำตอบของ NVIDIA ต่อปัญหาการกระจัดกระจายที่ทำให้การพัฒนา AI ทางกายภาพล่าช้ามาอย่างยาวนาน แทนที่จะต้องดูแลโมเดลแยกกันสำหรับความเข้าใจฉาก การสร้างข้อมูล และการคาดการณ์การกระทำ นักพัฒนาสามารถพึ่งพาตระกูลโมเดลแบบเปิดเพียงตระกูลเดียวที่จัดการทั้งสามอย่างได้ NVIDIA อธิบาย Cosmos 3 ว่าเป็นโมเดลฐาน AI ทางกายภาพแบบเปิดระดับแนวหน้าที่เป็น omni-model สร้างบนสถาปัตยกรรม mixture-of-transformers ผสานการใช้เหตุผลด้านภาพ การสร้างโลก และการคาดการณ์การกระทำไว้ในระบบเดียว
ความยืดหยุ่นนั้นคือหัวใจสำคัญ นักพัฒนาสามารถใช้ Cosmos 3 เป็นโมเดลวิสัยทัศน์-ภาษาเพื่อแปลความหมายฉาก เป็นตัวจำลองโลกที่ยึดโยงกับฟิสิกส์ซึ่งคาดการณ์สถานะในอนาคตและสร้างข้อมูลฝึกสังเคราะห์ขนาดใหญ่ หรือเป็นกระดูกสันหลังสำหรับโมเดลการกระทำในโลกเฉพาะทางที่สร้างขึ้นสำหรับหุ่นยนต์หรือยานพาหนะเฉพาะรุ่น
รุ่นย่อยของโมเดลสำหรับทุกความต้องการในการปรับใช้
ตระกูล Cosmos 3 มีสามขนาด โดยแต่ละขนาดมุ่งเป้าไปที่สมดุลระหว่างความสามารถและขนาดฮาร์ดแวร์ที่แตกต่างกัน:
- Cosmos 3 Super (64B) ถูกสร้างขึ้นสำหรับการจำลองโลกที่มีความเที่ยงตรงสูง
- Cosmos 3 Nano (16B) ถูกปรับจูนเพื่อการใช้เหตุผลอย่างมีประสิทธิภาพและการฝึกเพิ่มเติมภายหลัง
- Cosmos 3 Edge (4B) ถูกออกแบบมาสำหรับการใช้เหตุผลด้านวิสัยทัศน์บนอุปกรณ์และการปรับใช้นโยบายหุ่นยนต์
Cosmos 3 Edge มีน้ำหนักเบาพอที่จะรันบน GPU ขอบเครือข่าย และ NVIDIA ระบุว่าสามารถปรับใช้ได้บน GPU NVIDIA RTX ระบบ NVIDIA DGX และฮาร์ดแวร์ NVIDIA Jetson รวมถึงแพลตฟอร์ม Jetson Thor ช่วงความสามารถนี้มีความสำคัญต่อบริษัทที่ต้องการรันการอนุมานโดยตรงบนหุ่นยนต์หรือยานพาหนะ แทนที่จะส่งทุกอย่างผ่านศูนย์ข้อมูล
ความเป็นผู้นำด้านเกณฑ์มาตรฐานในหลายงาน
จากการประเมินบนชุดทดสอบอิสระ Cosmos 3 ปัจจุบันอยู่ในอันดับ 1 บน Artificial Analysis สำหรับ generazione da testo a immagine e da immagine a video แบบ open-weight บน PAIBench สำหรับ la generazione di mondi และในหมวด da immagine a video ของ Physics-IQ สำหรับงานด้านนโยบายของหุ่นยนต์โดยเฉพาะ โมเดลนี้อยู่ในอันดับสูงสุดบนชุดทดสอบ RoboLab Cosmos 3 Super ยังเป็นโมเดลแบบเปิดที่มีอันดับสูงสุดบน VANTAGE-Bench สำหรับความเข้าใจด้านวิสัยทัศน์ ตามข้อมูลของ NVIDIA
การจัดอันดับเหล่านี้ทำให้ Cosmos 3 กลายเป็นจุดอ้างอิงที่แท้จริงสำหรับทุกคนที่สร้างโมเดล AI ทางกายภาพแบบเปิด แทนที่จะเป็นเพียงผลงานวิจัยเฉพาะกลุ่ม สแต็ก AI ทางกายภาพที่กว้างขึ้นของ NVIDIA ยังเติมเต็มระบบด้วย Isaac GR00T สำหรับหุ่นยนต์ Alpamayo สำหรับยานยนต์อัตโนมัติ และ Metropolis สำหรับวิสัยทัศน์ AI ซึ่งหมายความว่า Cosmos 3 ไม่ได้ทำงานอย่างโดดเดี่ยว แต่ป้อนเข้าสู่ชุดเครื่องมือที่กว้างขึ้นซึ่งถูกปรับให้เหมาะกับอุตสาหกรรมเฉพาะอยู่แล้ว
การยอมรับในอุตสาหกรรมและ NVIDIA Cosmos Coalition
บริษัทต่างๆ ในด้านหุ่นยนต์ ยานยนต์อัตโนมัติ และวิสัยทัศน์ AI กำลังพัฒนาต่อยอดบน NVIDIA Cosmos อยู่แล้ว ซึ่งบ่งชี้ว่าตระกูลโมเดลนี้กำลังก้าวพ้นระยะเดโมไปสู่สายการพัฒนาที่ใช้งานจริง ในด้านหุ่นยนต์ Doosan Robotics, LG Electronics, Samsung Electronics และ Skild AI เป็นบางชื่อที่ NVIDIA ระบุว่าเป็นผู้ใช้งาน ในด้านยานยนต์อัตโนมัติ Li Auto, Xiaomi และ Afari กำลังทำงานกับแพลตฟอร์มนี้ สำหรับแอปพลิเคชันวิสัยทัศน์ AI ที่ขับเคลื่อนการตรวจสอบอุตสาหกรรมและระบบพื้นที่อัจฉริยะ Centific, Fogsphere, Linker Vision, Milestone Systems และ Yuan ถูกระบุว่าเป็นนักพัฒนาที่สร้างต่อยอดบน Cosmos
ทำไมการแพร่กระจายไปในสามอุตสาหกรรมที่แตกต่างกันมากจึงสำคัญ? นั่นเป็นสัญญาณว่าโมเดลฐานแบบเปิดเพียงตัวเดียวสามารถทำหน้าที่เป็นโครงสร้างพื้นฐานร่วมกันได้จริง แทนที่จะเป็นสิ่งที่ใช้ได้เฉพาะกับกรณีใช้งานแคบๆ เพียงกรณีเดียว — ซึ่งเป็นข้อโต้แย้งที่ NVIDIA และผู้ลงนามร่วมรายอื่นๆ ยกขึ้นมาในจดหมายเปิดผนึกเมื่อต้นปีนี้
NVIDIA Cosmos Coalition คือกลไกที่มีเป้าหมายเพื่อรักษาโมเมนตัมนั้นไว้ กลไกนี้กำลัง riunendo costruttori di modelli mondiali, sviluppatori di IA e leader dell’IA fisica affinché forniscanoโมเดล งานวิจัย และระเบียบวิธีการประเมินกลับคืนสู่ระบบนิเวศแบบเปิด เมื่อไม่นานมานี้ NVIDIA ได้ขยายกลุ่มพันธมิตรไปยังญี่ปุ่น ซึ่งผู้นำด้านหุ่นยนต์และการผลิตมีความตั้งใจจะเข้าร่วมและพัฒนาโมเดลโลกแบบเปิดที่ปรับให้เหมาะกับโรงงาน โลจิสติกส์ เกษตรกรรม ก่อสร้าง การดูแลสุขภาพ และการขนส่ง เมื่อรวมกับการยอมรับในอุตสาหกรรมที่กำลังดำเนินอยู่ การขยายตัวนั้นบ่งชี้ว่าตระกูลโมเดลแบบเปิดกำลังกลายเป็นรากฐานร่วมสำหรับ AI ทางกายภาพ แทนที่จะเป็นการเดิมพันเชิงกรรมสิทธิ์ของบริษัทเพียงรายเดียว
คำถามที่พบบ่อย
โมเดลโลกแบบเปิดคืออะไร และทำไมจึงสำคัญ?
โมเดลโลกแบบเปิดสามารถดาวน์โหลด ตรวจสอบ แก้ไข และรันบนโครงสร้างพื้นฐานใดก็ได้ ซึ่งช่วยให้นักพัฒนามีความสามารถในการปรับแต่งที่จำเป็นต่อการทำให้แอปพลิเคชัน AI ทางกายภาพเชี่ยวชาญเฉพาะทางสำหรับหุ่นยนต์ ยานพาหนะ หรือระบบวิสัยทัศน์เฉพาะตัว
อะไรทำให้ AI ทางกายภาพแตกต่างจากประเภท AI อื่นๆ?
AI ทางกายภาพต้องการความสามารถในการเข้าใจและคาดการณ์ผลลัพธ์ในสภาพแวดล้อมทางกายภาพจริง ไม่ใช่แค่ตีความลักษณะภายนอกเหมือนที่โมเดลวิสัยทัศน์ทั่วไปทำ
รุ่นย่อยต่างๆ ของ NVIDIA Cosmos 3 มีอะไรบ้างและใช้ทำอะไร?
Cosmos 3 Super (64B) ถูกสร้างขึ้นสำหรับการจำลองโลกที่มีความเที่ยงตรงสูง Cosmos 3 Nano (16B) ถูกออกแบบมาสำหรับการใช้เหตุผลอย่างมีประสิทธิภาพและการฝึกเพิ่มเติมภายหลัง และ Cosmos 3 Edge (4B) มีไว้สำหรับการปรับใช้บน GPU ขอบเครือข่ายที่มีน้ำหนักเบา รวมถึงบนหุ่นยนต์ที่ใช้ฮาร์ดแวร์ Jetson Thor
NVIDIA Cosmos Coalition สนับสนุนการพัฒนา AI ทางกายภาพอย่างไร?
กลุ่มพันธมิตรนี้ส่งเสริมความร่วมมือระหว่างผู้สร้างโมเดลโลกและนักพัฒนา AI ทั่วโลก และเพิ่งขยายตัวเพื่อรวมผู้นำด้านหุ่นยนต์และการผลิตในญี่ปุ่น ซึ่งมีแผนจะพัฒนาโมเดลโลกแบบเปิดสำหรับภาคส่วนต่างๆ ตั้งแต่โลจิสติกส์ไปจนถึงการดูแลสุขภาพ
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”โมเดลโลกแบบเปิดคืออะไร และทำไมจึงสำคัญ?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”โมเดลโลกแบบเปิดสามารถดาวน์โหลด ตรวจสอบ แก้ไข และรันบนโครงสร้างพื้นฐานใดก็ได้ ซึ่งช่วยให้นักพัฒนามีความสามารถในการปรับแต่งที่จำเป็นต่อการทำให้แอปพลิเคชัน AI ทางกายภาพเชี่ยวชาญเฉพาะทางสำหรับหุ่นยนต์ ยานพาหนะ หรือระบบวิสัยทัศน์เฉพาะตัว.”}},{“@type”:”Question”,”name”:”อะไรทำให้ AI ทางกายภาพแตกต่างจากประเภท AI อื่นๆ?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”AI ทางกายภาพต้องการความสามารถในการเข้าใจและคาดการณ์ผลลัพธ์ในสภาพแวดล้อมทางกายภาพจริง ไม่ใช่แค่ตีความลักษณะภายนอกเหมือนที่โมเดลวิสัยทัศน์ทั่วไปทำ.”}},{“@type”:”Question”,”name”:”รุ่นย่อยต่างๆ ของ NVIDIA Cosmos 3 มีอะไรบ้างและใช้ทำอะไร?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Cosmos 3 Super (64B) ถูกสร้างขึ้นสำหรับการจำลองโลกที่มีความเที่ยงตรงสูง Cosmos 3 Nano (16B) ถูกออกแบบมาสำหรับการใช้เหตุผลอย่างมีประสิทธิภาพและการฝึกเพิ่มเติมภายหลัง และ Cosmos 3 Edge (4B) มีไว้สำหรับการปรับใช้บน GPU ขอบเครือข่ายที่มีน้ำหนักเบา รวมถึงบนหุ่นยนต์ที่ใช้ฮาร์ดแวร์ Jetson Thor.”}},{“@type”:”Question”,”name”:”NVIDIA Cosmos Coalition สนับสนุนการพัฒนา AI ทางกายภาพอย่างไร?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”กลุ่มพันธมิตรนี้ส่งเสริมความร่วมมือระหว่างผู้สร้างโมเดลโลกและนักพัฒนา AI ทั่วโลก และเพิ่งขยายตัวเพื่อรวมผู้นำด้านหุ่นยนต์และการผลิตในญี่ปุ่น ซึ่งมีแผนจะพัฒนาโมเดลโลกแบบเปิดสำหรับภาคส่วนต่างๆ ตั้งแต่โลจิสติกส์ไปจนถึงการดูแลสุขภาพ.”}}]}
บทความนี้จัดทำขึ้นโดยได้รับความช่วยเหลือจากปัญญาประดิษฐ์และผ่านการตรวจทานโดยทีมบรรณาธิการแล้ว
