ZDNET을 팔로우하세요: 우리를 선호 소스로 추가하세요 Google에서.
ZDNET의 주요 시사점
- Nvidia는 자율 로봇, 자동차 등을 위한 새로운 모델을 출시했습니다.
- 우버는 이르면 2027년부터 도시에 엔비디아 기반 로봇택시를 추가할 예정이다.
- 보다 실물과 같은 로봇 공학은 디즈니 월드의 로봇 캐릭터를 의미할 수 있습니다.
월요일 Nvidia GTC 기조연설을 마무리하기 위해 CEO Jensen Huang은 예상치 못한 손님을 초대했습니다. 바로 디즈니 겨울왕국 영화에 나오는 애니메이션 눈사람 올라프의 걷고 말하는 로봇 버전이었습니다. Huang은 robo-Olaf에게 자신이 Nvidia의 Jetson 플랫폼에서 실행 중이며 회사의 Omniverse 시뮬레이터 내부를 걷는 방법을 배웠다고 설명했습니다.
올라프의 반응이 항상 말이 되는 것은 아니었습니다. 대화는 어색했지만 아이디어는 분명했습니다. 미래에는 로봇 캐릭터가 Nvidia의 기술을 사용하여 디즈니랜드를 돌아다닐 수 있다는 것입니다.
또한: Nvidia는 AI 데이터 센터를 처음부터 끝까지 소유하고 싶어합니다.
물리적 AI(클라우드나 휴대폰에 갇힌 모델과 달리 실제 환경을 탐색하는 로봇이나 자동차와 같은 기계에 내장된 AI 시스템)는 지난 해 인기를 끌었으며 지난 1월 CES 전체에 등장했습니다. GTC에서 Nvidia는 새로운 모델부터 물리적 AI 시스템을 만들거나 중단시키는 데이터 지원에 이르기까지 기술에 여러 가지 투자를 했습니다.
새로운 내용은 다음과 같습니다.
물리적 AI를 위한 새로운 모델
Nvidia는 로봇과 차량이 현실 세계에서 작동하는 방식을 개선하기 위한 몇 가지 새로운 기반 모델을 출시했습니다. 여기에는 물리적 AI가 복잡한 환경을 탐색할 수 있도록 합성 세계를 생성하는 Cosmos 3가 포함됩니다. 아이작 GR00T N1.7은 휴머노이드 로봇을 위해 제작된 “개방형 추론 비전 언어 동작(VLA) 모델”로, 회사는 “실제 배포를 위해 상업적으로 실행 가능”하다고 밝혔습니다. 자율주행차에 더 나은 내비게이션 안내와 신속한 사양을 제공하는 또 다른 추론 VLA 모델인 Alpamayo 1.5가 있습니다.
또한: Nvidia는 OpenClaw에 투자하지만 보안 계층을 추가합니다 – NemoClaw 작동 방식
Nvidia는 Alpamayo 1.5를 기존 자율주행차 모델 제품군 내에서 “대규모 업그레이드”라고 부르며 “운전 비디오, 자아 운동 기록, 내비게이션 안내 및 자연어 프롬프트를 입력으로 사용한다”고 언급했습니다. 이러한 입력은 개발자가 차량의 동작을 면밀히 추적하고 프롬프트를 통해 안전 가드레일을 생성할 수 있는 주행 궤적으로 변환됩니다. Nvidia는 Alpamayo 1.5가 예측할 수 없는 도로 상황, 기상 조건 또는 보행자 활동으로부터 더 쉽게 학습할 수 있도록 함으로써 자율 주행을 한 단계 더 발전시키는 데 도움이 될 수 있다고 말했습니다.
현재 Nvidia는 고객이 Cosmos 3를 사용하여 물리적 AI 시스템을 훈련하고 GR00T N1.7을 사용하여 “휴머노이드 로봇 배치를 확장”하고 있다고 말했습니다.
자율주행차
Nvidia CEO Jensen Huang은 110개의 서로 다른 로봇을 배경으로 “자율 주행 자동차의 ChatGPT 순간이 도래했습니다”라고 말하면서 우리의 현재를 설명했습니다.
Nvidia는 Uber와의 파트너십을 확대하여 2028년까지 4개 대륙에 걸쳐 28개 도시에서 Nvidia의 Drive AV 소프트웨어로 구동되는 “자율주행 차량을 출시”할 예정이며, 2027년 초에는 로스앤젤레스와 샌프란시스코에서 시작될 것입니다. 아마도 이는 사용자가 Uber 앱에서 훨씬 더 큰 규모로 자율주행차를 예약할 수 있다는 것을 의미합니다.
또한: AI 기반 랜섬웨어 시대에 암호화된 백업이 실패할 수 있는 이유
회사는 보도 자료에서 “이 DRIVE Hyperion 기반 차량은 NVIDIA Alpamayo 개방형 모델과 NVIDIA Halos 운영 체제를 활용하여 전 세계적으로 안전하고 확장 가능한 로보택시 서비스의 개발 및 배포를 가속화할 것입니다”라고 밝혔습니다.
이 회사는 또한 이미 GM, 메르세데스, 도요타가 포함된 로보택시 이니셔티브에 BYD, 현대, 닛산, 지리 등 여러 자동차 제조업체를 추가하고 있습니다. 이러한 신규 추가 회사 중 일부는 Alpamayo 모델과 함께 Nvidia의 Drive Hyperion 플랫폼을 계속 사용하여 “레벨 4” 차량 교육 또는 최고 수준의 자동 운전(기본적으로 인간 승객의 지시가 없는 완전한 기능을 갖춘 자율 주행 자동차)을 확장하고 있습니다.
엣지 AI 및 우주 컴퓨팅
엔비디아는 또한 원격 위치에서 AI 무선 액세스 네트워크(AI-RAN) 인프라를 사용하여 물리적 AI 속도를 높이기 위해 T-Mobile 및 Nokia와 협력하고 있습니다. 회사는 이것이 5G 연결을 사용하여(그러나 방해하지 않고) 연결되지 않거나 고립되거나 과밀한 영역에서 물리적 AI에 대한 실제 데이터 수집에 도움이 될 수 있다고 말합니다.
황 회장은 발표에서 “T-Mobile과 Nokia를 통해 5G 네트워크를 분산형 AI 컴퓨터로 전환함으로써 세계 최첨단 AI 인프라를 위한 확장 가능한 청사진을 만들고 있습니다”라고 밝혔습니다.
엣지 AI의 이점은 대기 시간이 짧다는 것입니다. 로컬 허브를 사용하면 정보가 전체 인터넷을 통과해야 할 때보다 더 빠르게 이동할 수 있습니다. Nvidia의 파트너십은 T-Mobile의 기존 인프라를 사용하여 물리적 AI 개발을 지원합니다. 회사는 유틸리티 및 운영 회사가 이미 신호등 타이밍 최적화 또는 전송선 수정과 같은 사용 사례를 위해 이 인프라 전반에 걸쳐 물리적 AI 에이전트, 시스템 및 디지털 트윈을 사용하고 있다고 말했습니다.
또 다른 발표에서 Nvidia는 우주 컴퓨팅에도 고개를 끄덕였습니다. 회사는 Vera Rubin을 포함한 새로운 플랫폼이 “AI 컴퓨팅을 궤도 데이터 센터(ODC), 지리 공간 정보 및 자율 우주 운영에 도입하여 우주 혁신의 새로운 시대를 열고 있습니다”라고 말했습니다.
또한: 물리적 AI와의 거래는 무엇입니까? 차세대 기술이 이미 여러분 주변에 있는 이유
이것이 실제로 의미하는 바는 다음과 같습니다. Nvidia는 지구와 우주 사이는 물론 우주와 우주 사이에서도 작동할 수 있는 AI 애플리케이션을 개발하고 있습니다. Nvidia는 자사의 IGX ThorTM 및 Jetson OrinTM 플랫폼이 궤도에서 모든 작업을 수행하는 데 필요한 에너지 효율적인 추론 및 데이터 처리를 제공한다고 밝혔습니다. 이는 클라우드 외부 우주의 로컬 허브 역할을 하는 엣지 AI입니다.
황은 보도 자료에서 “위성 별자리를 배치하고 더 깊은 우주를 탐험함에 따라 데이터가 생성되는 모든 곳에 지능이 존재해야 합니다”라고 말했습니다.
그러나 궤도 데이터 센터는 여전히 이론적인 수준입니다. 불가능하지는 않지만 아직 완전한 현실은 아닙니다. Nvidia의 IGX Thor 및 Jetson Orin 플랫폼은 오늘부터 사용할 수 있지만, 오늘 발표된 회사의 우주 계획의 Vera Rubin Space-1 구성 요소는 “나중에 사용 가능”할 것입니다.
물리적 AI 데이터를 위한 새로운 ‘공장’
물리적 AI는 로봇 공학, 자율주행차 및 기타 실제 응용 프로그램에 존재하며, 이는 기계적으로나 계산적으로 문제가 발생할 경우 더 큰 위험을 의미할 수 있습니다. 이러한 문제는 가능한 한 많은 상황에 대해 물리적 AI 시스템을 준비하여 보다 안전하고 예측 가능하며 효과적인 조치를 취할 수 있도록 하는 고품질 교육 데이터를 사용하여 피하는 것이 가장 좋습니다.
엔비디아는 물리적 AI에 초점을 맞추기 위해 “훈련 데이터가 생성, 강화 및 평가되는 방식을 통합하고 자동화하여 규모에 맞게 물리적 AI 시스템을 훈련하는 데 드는 비용, 시간 및 복잡성을 줄이는 개방형 참조 아키텍처”인 물리적 AI 데이터 팩토리 블루프린트(Physical AI Data Factory Blueprint)도 발표했습니다.
또한: Moltbook 및 OpenClaw를 구매하는 것이 Big Tech의 가장 위험한 베팅일 수 있는 이유
다음 달 GitHub에서 제공될 예정인 Blueprint를 통해 기업은 Nvidia의 Cosmos 세계 기반 모델 제품군을 사용하여 실제 데이터를 처리하고 대규모 합성 데이터를 생성하여 물리적 AI 시스템을 교육할 수 있습니다. 또한 자율주행차 및 기타 물리적 AI 시스템에 대한 강화 학습 및 테스트 프로세스도 지원합니다. Nvidia에 따르면 Blueprint는 실제 세계에서 문서화하기 어렵거나 비용이 많이 드는 극단적인 경우와 기타 드물게 발생하는 시나리오의 합성 사례를 포함하여 데이터세트의 다양성을 보장합니다.
Nvidia는 4월까지는 널리 출시되지 않을 것이지만 Uber는 이미 Blueprint를 사용하여 자율주행차를 개발하고 있으며 Skild AI는 범용 로봇공학에 이를 사용하고 있다고 말했습니다.
큰 그림
물리적 AI의 발전에는 Waymo 자동차, 바이러스성 집안일 로봇과 같은 소비자 애플리케이션이 있지만 산업 공학과 가장 즉각적으로 관련됩니다. 더 유능하고 자동화된 로봇은 도로, 공장, 테마파크를 걷는 등 공공 및 산업 환경에 가장 큰 영향을 미칠 것입니다.