El Secreto de Nvidia: Su Laboratorio Impulsó el Auge de $4T en IA y Robótica
Cuando Bill Dally se unió al laboratorio de investigación de Nvidia en 2009, era una operación modesta de aproximadamente una docena de personas, centrada principalmente en el trazado de rayos, una sofisticada técnica de renderizado utilizada en gráficos por computadora. Hoy, ese brazo de investigación, antes pequeño, ha crecido a más de 400 individuos, desempeñando un papel fundamental en la transformación de Nvidia, de una startup de los noventa conocida por las GPU de videojuegos, a una potencia de 4 billones de dólares a la vanguardia de la revolución de la inteligencia artificial. Ahora, el laboratorio tiene la vista puesta en el desarrollo de tecnologías fundamentales para la robótica y la IA avanzada, con parte de su trabajo pionero ya apareciendo en productos comerciales, incluida una nueva suite de modelos de IA, bibliotecas e infraestructura para desarrolladores de robótica, presentada recientemente.
Dally, ahora científico jefe de Nvidia, comenzó a consultar para la empresa en 2003 mientras aún estaba en la Universidad de Stanford. Unos años más tarde, mientras se preparaba para dejar su puesto como jefe del departamento de informática de Stanford, planeó un año sabático. Nvidia, sin embargo, tenía una visión diferente. David Kirk, entonces director del laboratorio de investigación, y el CEO de Nvidia, Jensen Huang, creían que una posición permanente era un camino superior. Dally relató su “presión a cancha completa” para persuadirlo, un esfuerzo que finalmente tuvo éxito. Reflexionó que el papel se convirtió en un “ajuste perfecto” para sus intereses y talentos, un lugar donde podía hacer su contribución más significativa al mundo.
Al tomar las riendas del laboratorio en 2009, Dally priorizó la expansión. Los investigadores se ramificaron inmediatamente más allá del trazado de rayos, adentrándose en áreas como el diseño de circuitos y la Integración a Muy Gran Escala (VLSI), un proceso complejo que empaqueta millones de transistores en un solo microchip. El crecimiento del laboratorio ha sido continuo desde entonces. Dally enfatiza un enfoque estratégico para la investigación, evaluando constantemente áreas nuevas y emocionantes para identificar aquellas con el mayor potencial para impactar positivamente a la empresa.
Durante un período significativo, este enfoque estratégico se tradujo en la construcción de GPU superiores para inteligencia artificial. Nvidia se adelantó notablemente al floreciente campo de la IA, explorando el concepto de GPU optimizadas para IA ya en 2010, más de una década antes de que la actual euforia por la IA se afianzara. Dally recuerda haber reconocido el potencial transformador de la IA desde el principio y haber convencido a Huang de “redoblar la apuesta”. Esta previsión llevó a la especialización de sus GPU, al desarrollo de un extenso software de soporte y al compromiso proactivo con investigadores de IA a nivel mundial, mucho antes de que la corriente principal reconociera su relevancia.
A medida que Nvidia ahora ocupa una posición dominante en el mercado de GPU de IA, los esfuerzos de investigación de la compañía se han desplazado para identificar nuevas fronteras más allá de los centros de datos de IA. Esta exploración los ha llevado directamente a la IA física y la robótica. Dally vislumbra un futuro en el que los robots se convertirán en una fuerza global masiva, y Nvidia aspira a ser el “cerebro de todos los robots”, lo que requiere el desarrollo de tecnologías subyacentes críticas.
Aquí es donde entra Sanja Fidler, vicepresidenta de investigación de IA de Nvidia. Fidler se unió al laboratorio de investigación en 2018, habiendo estado ya involucrada en el desarrollo de modelos de simulación para robots con su equipo en el MIT. Su trabajo capturó inmediatamente el interés de Jensen Huang en una recepción de investigadores. Fidler describió la decisión de unirse a Nvidia como irresistible, citando tanto el tema convincente como una fuerte alineación cultural. La invitación de Huang, “ven a trabajar conmigo, no con nosotros, no para nosotros”, resonó profundamente.
Fidler posteriormente estableció un laboratorio de investigación en Toronto, centrándose en la construcción de simulaciones para IA física dentro de Omniverse, la plataforma de Nvidia para la creación de mundos virtuales. Un desafío principal en la construcción de estos entornos simulados fue la adquisición de los datos 3D necesarios. Esto implicó no solo obtener un vasto volumen de imágenes potenciales, sino también desarrollar la tecnología para convertir estas imágenes en representaciones 3D utilizables por los simuladores. Nvidia invirtió en el “renderizado diferenciable”, una tecnología que hace que el renderizado sea adaptable a la IA, permitiendo la conversión de imágenes o videos 2D en modelos 3D.
Omniverse lanzó la primera iteración de su modelo de imagen a 3D, GANverse3D, en 2021, y posteriormente abordó el mismo proceso para video. Al utilizar videos de robots y automóviles autónomos, desarrollaron el Neuric Neural Reconstruction Engine, anunciado por primera vez en 2022, para crear estos modelos y simulaciones 3D avanzados. Estas innovaciones forman la columna vertebral tecnológica de la familia de modelos de IA mundial Cosmos de la compañía, que se dieron a conocer en el CES en enero.
El enfoque actual del laboratorio es acelerar significativamente estos modelos. Así como los videojuegos requieren una capacidad de respuesta en tiempo real, los robots exigen tiempos de reacción aún más rápidos. Fidler explica que un robot podría procesar el mundo 100 veces más rápido de lo que se desarrolla, lo que significa que hacer que estos modelos sean sustancialmente más rápidos sería inmensamente valioso para las aplicaciones de robótica y IA física. Nvidia continúa avanzando en esta área, anunciando recientemente una nueva flota de modelos de IA mundial específicamente diseñados para generar datos sintéticos para entrenar robots, junto con nuevas bibliotecas y software de infraestructura para desarrolladores de robótica.
A pesar del rápido progreso y el entusiasmo actual en torno a los robots, particularmente los humanoides, el equipo de investigación de Nvidia mantiene una perspectiva realista. Tanto Dally como Fidler advierten que la presencia generalizada de humanoides en los hogares aún está a varios años de distancia, estableciendo paralelismos con el bombo y el cronograma asociados con los vehículos autónomos. Dally enfatiza que la IA, desde la IA visual que permite la percepción de los robots hasta la IA generativa que ayuda con la planificación de tareas y movimientos y la manipulación, ha sido el habilitador crítico. A medida que se superan los desafíos individuales y el volumen de datos de entrenamiento para las redes neuronales se expande, las capacidades de estos robots seguirán creciendo exponencialmente.