En GTC 2025, denominado el “Super Bowl of AI”, Huang centró su discurso en los avances de la compañía en la IA y sus predicciones sobre cómo la industria se moverá en los próximos años. La demanda de GPU de los cuatro principales proveedores de servicios en la nube está aumentando, dijo, y agregó que espera que los ingresos por infraestructura del centro de datos de NVIDIA alcancen $ 1 billón para 2028.
El muy esperado anuncio de Huang reveló más detalles sobre las arquitecturas gráficas de próxima generación de Nvidia: Blackwell Ultra y Vera Rubin, nombrada para el famoso astrónomo. Blackwell Ultra está programado para la segunda mitad de 2025, mientras que su sucesor, el chip Rubin AI, se espera que se lance a fines de 2026. Rubin Ultra tomará el escenario en 2027.
El futuro de la IA
En una charla que duró más de dos horas, Huang describió el “progreso extraordinario” que la IA ha hecho. En 10 años, dijo, la IA se graduó de la percepción y la “visión por computadora” a la IA generativa, y ahora a la IA agente, o IA que tiene la capacidad de razonar. “AI entiende el contexto, comprende lo que estamos preguntando. Comprende el significado de nuestra solicitud”, dijo. “Ahora genera respuestas. Cambio fundamentalmente cómo se realiza la computación”.
La próxima ola de IA, dijo, ya está sucediendo: robótica.
La robótica alimentada por la llamada “IA física” puede comprender conceptos como la fricción y la inercia, la causa y el efecto y la permanencia de los objetos, dijo. “Cada una de estas fases, cada una de estas olas, abre nuevas oportunidades de mercado para todos nosotros”, dijo Huang.
La clave para esa IA física, y muchos de los otros anuncios de Huang, fue el concepto de utilizar la generación de datos sintéticos, AI o datos creados por computadora, para el entrenamiento del modelo. La IA necesita experiencias digitales para aprender, dijo, y aprende a velocidades que hacen que el uso de humanos en los bucles de entrenamiento sea obsoleto.
“Solo hay tantos datos y tanta demostración humana que podemos realizar”, dijo. “Este es el gran avance en los últimos años: el aprendizaje de refuerzo”.
La tecnología de Nvidia, dijo, puede ayudar con ese tipo de aprendizaje para la IA, ya que ataca o trata de participar en resolver un problema, paso a paso.
Con ese fin, Huang anunció Isaac Gr00T N1, un modelo de base de código abierto diseñado para ayudar a desarrollar robots humanoides. ISAAC GR00T N1 se combinaría con un modelo actualizado de Cosmos AI para ayudar a desarrollar datos de entrenamiento simulados para robots.
El costo de la capacitación ai
Benjamin Lee, profesor de ingeniería eléctrica y de sistemas en la Universidad de Pensilvania, dijo que el desafío en la capacitación de la robótica radica en la recopilación de datos porque la capacitación en el mundo real es lento y costoso.
Un entorno simulado ha sido durante mucho tiempo un estándar para el aprendizaje de refuerzo, dijo Lee, por lo que los investigadores pueden probar la efectividad de sus modelos.
“Creo que es realmente emocionante. Proporcionar una plataforma y una de código abierto permitirá que más personas aprendan sobre el aprendizaje de refuerzo”, dijo Lee. “Más investigadores podrían comenzar a jugar con estos datos sintéticos, no solo grandes actores en la industria sino también investigadores académicos”.
Huang introdujo la serie Cosmos de modelos AI, que puede generar un video fotográfico rentable que luego se puede usar para entrenar robots y otros servicios automatizados, en CES a principios de este año.
El modelo de código abierto, que funciona con el omniverso de Nvidia, una herramienta de simulación de física, para crear un video más realista, promete ser mucho más barato que las formas tradicionales de recopilación de capacitación, como hacer que los automóviles registren experiencias viales o que la gente enseñe robots tareas repetitivas.
AI en uso
El fabricante de automóviles estadounidense General Motors planea integrar la tecnología Nvidia en su nueva flota de autos autónomos, dijo Huang. Las dos dos compañías trabajarán juntas para construir sistemas de IA personalizados utilizando tanto Omniverse como Cosmos para capacitar a los modelos de fabricación de IA.
La cabeza de Nvidia también presentó el sistema Halos de la compañía, una solución de IA construida alrededor de la seguridad automotriz, especialmente autónoma,.
“Somos la primera compañía del mundo, creo, en evaluar cada línea de seguridad del código”, dijo Huang. Al final de su charla, Huang, un motor de física de código abierto para la simulación de robótica llamado Newton, que se está desarrollando con Google Deepmind y Disney Research.
Un robot pequeño y cuadrado llamado Blue se unió a él en el escenario, apareciendo de una escotilla en el piso. Solicitó a Huang y siguió sus órdenes, de pie a su lado mientras terminaba sus pensamientos.
“La edad de la robótica generalista está aquí”, dijo Huang.
