وقتی هوش مصنوعی شروع به داشتن بدن می‌کند: آیا هوش مصنوعی فیزیکی خط اصلی فناوری در دور بعدی خواهد بود؟

نویسنده: جیم، MSX مایتون
ویرایشگر: فرانک، MSX مایتون
در دو سال گذشته، هوش مصنوعی در بازار سرمایه عمدتاً به عنوان "مغز" هوش مصنوعی شناخته شده است.
از ChatGPT، مدل‌های بزرگ تا GPU، HBM، مراکز داده، ارتباطات نوری و زیرساخت‌های برق، تقریباً تمام خطوط اصلی در حال تمرکز بر این هستند که چگونه می‌توان مدل‌ها را بزرگ‌تر، سرعت آموزش را سریع‌تر و هزینه استنتاج را کمتر کرد.
با این حال، این هوش‌های مصنوعی می‌توانند متن، تصویر، کد و ویدئو تولید کنند، اما بیشتر آنها هنوز در صفحه نمایش و دنیای دیجیتال عمل می‌کنند.
بنابراین، وقتی که توانایی‌های مدل‌های بزرگ و زیرساخت‌های محاسباتی به تدریج به بلوغ می‌رسند، بازار به طور طبیعی شروع به پرسش این سوال می‌کند: آیا این مدل‌های روزافزون هوشمند می‌توانند در نهایت از صفحه نمایش خارج شوند و به خودروها، کارخانه‌ها، انبارها، بیمارستان‌ها و دنیای واقعی وارد شوند؟
این دقیقاً دلیلی است که هوش مصنوعی فیزیکی، یعنی هوش مصنوعی فیزیکی، به صنعت وارد می‌شود.

یک. از "تفکر" به "عمل"، چرا هوش مصنوعی فیزیکی مهم است؟

طبق تعریف NVIDIA، هوش مصنوعی فیزیکی به این معناست که هوش مصنوعی از صفحه نمایش خارج شود و سیستم‌های خودمختار مانند ربات‌ها، دوربین‌ها و خودروهای خودران بتوانند محیط اطراف خود را درک و حس کنند و استنتاج، تصمیم‌گیری و اقدام‌های پیچیده را انجام دهند.
به عبارت دیگر، اگر هوش مصنوعی تولیدی به این سوال پاسخ می‌دهد که "چگونه ماشین‌ها فکر می‌کنند"، هوش مصنوعی فیزیکی سعی دارد به این سوال پاسخ دهد که پس از تفکر ماشین، چگونه می‌تواند به درستی، به طور ایمن و با هزینه کم عمل کند، به طوری که ماشین واقعاً توانایی تعامل با دنیای واقعی را داشته باشد.
از بیانات اخیر جنسن هوانگ در سخنرانی‌های عمومی‌اش، به نظر می‌رسد NVIDIA به طور مداوم محصولات خود مانند Isaac، GR00T، Cosmos، Omniverse و Jetson را تقویت می‌کند. هدف آن‌ها تنها شرط‌بندی بر روی یک ربات خاص نیست، بلکه ایجاد یک پلتفرم زیرساختی جامع برای ورود ماشین‌ها به دنیای فیزیکی است که شامل آموزش، شبیه‌سازی، استنتاج و استقرار می‌شود.
زیرا هوش مصنوعی فیزیکی واقعی به سادگی اتصال یک مدل بزرگ به ربات نیست، بلکه نیاز به درک روابط فضایی و قوانین فیزیکی دارد و به مدل‌های جهانی، داده‌های آموزشی، محیط‌های شبیه‌سازی، محاسبات لبه، بینایی ماشین، حسگرها و کنترل حرکت نیاز دارد و قبل از استقرار باید آزمایش‌های ایمنی زیادی را انجام دهد.
در زمینه بازار، هوش مصنوعی فیزیکی با "هوش بدنی" همپوشانی بالایی دارد، اما دامنه اولی بسیار وسیع‌تر است و نه تنها شامل ربات‌های انسان‌نما می‌شود، بلکه شامل خودروهای خودران، ربات‌های صنعتی، پهپادها، کارخانه‌های هوشمند، سیستم‌های انبارداری و فضاهای هوشمند است که توسط دوربین‌ها و حسگرها هدایت می‌شوند.
البته، هوش مصنوعی فیزیکی یک مفهوم جدید نیست که به طور ناگهانی ظاهر شده باشد.
خودروهای خودران، ربات‌های صنعتی، بینایی ماشین و اتوماسیون انبار سال‌هاست که در حال توسعه هستند و تغییر واقعی این است که مدل‌های بزرگ، مدل‌های جهانی، فناوری شبیه‌سازی و محاسبات لبه در حال اتصال این مسیرهای فناوری نسبتاً جداگانه هستند.
تعداد زیادی از ربات‌های صنعتی سنتی به برنامه‌های از پیش نوشته شده متکی هستند و در محیط‌های نسبتاً ثابت حرکات استاندارد را تکرار می‌کنند؛ هدف هوش مصنوعی فیزیکی این است که به ماشین‌ها اجازه دهد در مواجهه با اشیاء مختلف، محیط‌های ناشناخته و شرایط غیرمنتظره، بر اساس اطلاعات زمان واقعی قضاوت و رفتار خود را تنظیم کنند.
این بدان معناست که زنجیره تأمین هوش مصنوعی در حال گسترش از "مغز" به "بدن" است.
در دو سال گذشته، بازار ابتدا به ارزیابی مجدد GPU، ذخیره‌سازی، سرورها، شبکه و برق مورد نیاز برای آموزش و اجرای هوش مصنوعی پرداخت. در مرحله بعد، سرمایه ممکن است به دنبال ظرفیت‌هایی باشد که بتوانند این محاسبات را تحمل کنند و توانایی مدل‌ها را به تولید واقعی تبدیل کنند: ربات‌ها، خودروهای خودران، پهپادها، تجهیزات اتوماسیون صنعتی و سیستم‌های بینایی و حسگری که در کارخانه‌ها، انبارها و شهرها پراکنده شده‌اند.
بنابراین، هوش مصنوعی فیزیکی یک مفهوم ساده نیست که بتوان آن را به "ربات‌های انسان‌نما" معادل کرد، بلکه واقعاً زنجیره صنعتی کاملی را از محاسبات تا عمل باز می‌کند.

دو. از محاسبات تا ربات‌ها، پنج لایه زنجیره صنعتی هوش مصنوعی فیزیکی

برای سهولت در درک، موسسه تحقیقاتی MSX زنجیره صنعتی هوش مصنوعی فیزیکی را به طور تقریبی به پنج مرحله کلیدی تقسیم کرده است.

1. لایه اول: لایه محاسبات

چه در آموزش مدل‌های ربات، چه در ساخت محیط‌های مجازی، و چه در انجام استنتاج زمان واقعی در خودروها و ربات‌ها، همه به محاسبات نیاز دارند.
این شامل GPU مراکز داده، چیپ‌های هوش مصنوعی لبه، پلتفرم‌های محاسباتی خودرو و پردازنده‌های کم‌مصرف است و اهداف اصلی شامل:

• NVIDIA (NVDA.M): پوشش محاسبات آموزشی، پلتفرم محاسبات لبه Jetson و اکوسیستم توسعه ربات‌ها؛
• TSMC (TSM.M): پایه تولید چیپ‌های هوش مصنوعی، چیپ‌های خودرو و چیپ‌های محاسبات لبه؛
• Arm (ARM.M): معماری محاسبات کم‌مصرف که به طور گسترده در خودروها، ربات‌ها و دستگاه‌های هوشمند استفاده می‌شود؛
• Qualcomm (QCOM.M): برنامه‌ریزی هوش مصنوعی خودرو، استنتاج لبه و دستگاه‌های هوشمند؛
• AMD (AMD.M): ذینفعان بالقوه محاسبات هوش مصنوعی و محاسبات جاسازی شده؛
  منطق این لایه مشابه روند هوش مصنوعی تولیدی در دو سال گذشته است و ادامه‌دهنده منطق "فروش بیل" است، صرف‌نظر از اینکه کدام شرکت ربات‌ها در نهایت پیروز می‌شود، زیرساخت‌ها به چیپ‌ها، محاسبات و معماری محاسباتی نیاز دارند.

2. لایه دوم: لایه مدل

این نیز دشوار نیست که درک کنیم، هوش مصنوعی فیزیکی به تنها مدل زبانی نیاز ندارد، بلکه شامل مدل‌های پایه ربات، مدل‌های جهانی و همچنین مدل‌های بینایی-زبان-عمل است.
مدل‌های زبانی می‌توانند دستورات انسانی را درک کنند، مدل‌های بینایی به ماشین کمک می‌کنند تا محیط را شناسایی کند و مدل‌های حرکتی مسئول تبدیل قضاوت به عمل خاص هستند؛ مدل جهانی نیز فراتر می‌رود و سعی دارد به هوش مصنوعی کمک کند تا روابط بین اشیاء را درک کند، پیش‌بینی کند که چه چیزی ممکن است در مرحله بعد اتفاق بیفتد و قبل از عمل، پیش‌بینی کند.
این لایه در حال حاضر عمدتاً توسط شرکت‌های بزرگ فناوری و شرکت‌های پلتفرمی پیشبرد می‌شود، از جمله NVIDIA، تسلا، گوگل و برخی از شرکت‌های استارتاپ رباتیک.
در مقایسه با مدل‌های زبانی بزرگ، بزرگ‌ترین مشکل مدل‌های ربات، داده‌ها هستند، اگرچه اینترنت دارای حجم زیادی از متن، تصویر و ویدئو است، اما واقعاً داده‌های عملیاتی با کیفیت بالا برای ربات‌ها چندان زیاد نیست و چگونه می‌توان داده‌های آموزشی کافی تولید کرد، به یک مانع کلیدی در فرآیند توسعه هوش مصنوعی فیزیکی تبدیل خواهد شد.

3. لایه سوم: لایه شبیه‌سازی

به دلیل هزینه‌های بالای آموزش واقعی، سرعت کند و ریسک بالا، ربات‌ها ابتدا باید در دنیای مجازی یاد بگیرند، بنابراین دوقلوی دیجیتال، داده‌های ترکیبی و محیط‌های آموزشی مجازی، یکی از لایه‌های بسیار مهم هوش مصنوعی فیزیکی را تشکیل می‌دهند.
NVIDIA در این لایه یک زنجیره ابزار نسبتاً کامل را ایجاد کرده است: Omniverse برای ساخت دوقلوی دیجیتال و محیط‌های شبیه‌سازی، Isaac Sim و Isaac Lab برای حمایت از آموزش، آزمایش و تأیید ربات‌ها و Cosmos برای ارائه مدل جهانی و قابلیت تولید داده.
ارزش این لایه در این است که می‌تواند آزمایش‌های گران، خطرناک و کند در دنیای واقعی را به محیط مجازی منتقل کند، توسعه‌دهندگان می‌توانند به طور همزمان تعداد زیادی سناریو را اجرا کنند، نور، آب و هوا، زمین و رویدادهای غیرمنتظره مختلف را آزمایش کنند و سپس مدل‌های تأیید شده را به دستگاه‌های واقعی منتقل کنند.
به هر حال، آموزش یک ربات در دنیای واقعی ممکن است چند دقیقه طول بکشد، در حالی که در محیط شبیه‌سازی می‌تواند به طور همزمان هزاران بار اجرا شود.

4. لایه چهارم: لایه ادراک

وقتی ربات‌ها وارد دنیای واقعی می‌شوند، اولین قدم معمولاً داشتن دستان انعطاف‌پذیر نیست، بلکه توانایی "دیدن" و درک محیط اطراف به طور پایدار است.
آنها باید اشیاء را شناسایی کنند، فاصله را قضاوت کنند، تغییرات محیط را درک کنند و در فضاهای پیچیده موقعیت‌یابی کنند و پس از قضاوت، باید از طریق کنترل‌کننده‌ها، موتورها، بازوهای مکانیکی و ماژول‌های مفصلی، تصمیمات را به عمل واقعی تبدیل کنند.
این لایه شامل بینایی ماشین، دوربین‌ها، لیزر لیدار، حسگرها، چیپ‌های کنترل، کنترل حرکت و انواع اجزای اجرایی است:

• Cognex (CGNX.M): سیستم‌های بینایی و شناسایی ماشین‌های صنعتی؛
• Ouster (OUST.M): لیدار و پلتفرم‌های ادراکی؛
• Qualcomm، NVIDIA: ارائه پلتفرم‌های محاسبات بینایی خودرو و لبه؛
  Ouster نسل جدید لیدار دیجیتال را به NVIDIA Jetson و اکوسیستم Isaac متصل کرده و در ربات‌های صنعتی، بازرسی و سیستم‌های خودمختار به کار گرفته است؛ Cognex نیز به طور مداوم سیستم‌های بینایی هوش مصنوعی را در صحنه‌های بازرسی و اتوماسیون صنعتی مستقر می‌کند.
  در مقایسه با ربات‌های انسان‌نما، فضای تخیل بینایی ماشین و حسگرها ممکن است آنقدر بزرگ نباشد، اما به واقعیت نزدیک‌تر است و با سفارشات و مشتریان موجود ارتباط بیشتری دارد.
  در مورد موتور، گیربکس و ماژول‌های مفصلی و غیره، در بازار سهام ایالات متحده، اهداف خالص نسبتاً محدود هستند و فرصت‌های مرتبط بیشتر در اتوماسیون صنعتی، چیپ‌های شبیه‌سازی و شرکت‌های قطعات تخصصی پراکنده است.

5. لایه پنجم: لایه کاربرد

به عنوان بالاترین لایه زنجیره صنعتی، این نیز ربات‌ها، خودروهای خودران، پهپادها و تجهیزات اتوماسیون صنعتی است که بازار با آن آشناست و اهداف مربوطه شامل:

• تسلا (TSLA.M): Optimus، FSD و Robotaxi؛
• Alphabet (GOOGL.M): برنامه‌ریزی خودروهای خودران از طریق Waymo؛
• آمازون (AMZN.M): ربات‌های انبار، اتوماسیون لجستیک و Zoox؛
• Teradyne (TER.M): ربات‌های همکاری و ربات‌های متحرک؛
• AeroVironment (AVAV.M)، Kratos (KTOS.M)، Ondas (ONDS.M): پهپادها و سیستم‌های خودمختار؛
• Palantir (PLTR.M): پلتفرم نرم‌افزاری برای اتصال داده‌ها، تصمیم‌گیری و دستگاه‌های خودمختار؛
  در این میان، Palantir یک تولیدکننده ربات نیست، بلکه بیشتر به پلتفرم نرم‌افزاری برای اتصال داده‌ها، تصمیم‌گیری و دستگاه‌های خودمختار متمایل است؛ اوبر نیز ممکن است به عنوان ورودی ترافیکی برای اتصال به تیم‌های مختلف Robotaxi و انجام سفارشات عمل کند، هر دو در دسته‌های سودآور غیرمستقیم قرار می‌گیرند.
  این نیز بخشی است که هوش مصنوعی فیزیکی بیشترین انعطاف‌پذیری را دارد، به محض اینکه یک ربات، Robotaxi یا پهپاد به تولید انبوه برسد، بازار به سرعت درآمد و فضای ارزیابی آن را افزایش خواهد داد.
  اما در عین حال، لایه کاربرد نیز رقابتی‌ترین و دشوارترین بخش برای تحقق است.

سه. چه کسی زودتر سود می‌برد: فروش بیل یا ساخت ربات؟

از نظر ترتیب تحقق صنعتی، درآمد و سود اضافی که هوش مصنوعی فیزیکی به ارمغان می‌آورد، لزوماً در ابتدا در ربات‌های انسان‌نما با حس علمی‌ترین ظاهر ظاهر نمی‌شود.
در عوض، مسیر محتمل‌تر این است که ابتدا پلتفرم‌های زیرساختی را بفروشند و سپس به صحنه‌های بسته وارد شوند؛ ابتدا وظایف استاندارد را حل کنند و سپس به چالش‌های دنیای باز بپردازند، به طور خلاصه، "فروش بیل" هنوز بالاترین اطمینان را دارد.
بنابراین، اگر بگوییم بزرگ‌ترین ذینفع در مرحله اول هوش مصنوعی تولیدی NVIDIA است، پس توسعه اولیه هوش مصنوعی فیزیکی هنوز به سختی می‌تواند از NVIDIA دور شود. چه تسلا، آمازون یا یک شرکت استارتاپ رباتیک خاص پیروز شوند، همه آنها به آموزش مدل، آزمایش شبیه‌سازی، استنتاج زمان واقعی و استقرار لبه نیاز دارند.
مزیت NVIDIA تنها به GPU محدود نمی‌شود، بلکه این است که در حال ادغام چیپ‌ها، مدل‌ها، نرم‌افزار شبیه‌سازی و پلتفرم‌های محاسبات لبه به یک سیستم توسعه کامل است، که به این معنی است که نیازی به تولید هر ربات به صورت دستی ندارد، بلکه فقط باید اجازه دهد که ربات‌های بیشتری از قدرت محاسباتی و اکوسیستم نرم‌افزاری آن استفاده کنند.

از این منظر، جهت‌های سودآور نسبتاً واضح در مرحله اول هوش مصنوعی فیزیکی ممکن است همچنان "فروش بیل" باشد که شامل ارائه محاسبات، شبیه‌سازی، چیپ و ابزارهای توسعه است؛ اما "مسیر سودآوری واضح" به این معنا نیست که قیمت سهام بدون ریسک است، اینکه آیا بازار از قبل پیش‌بینی رشد را در نظر گرفته است، آیا اکوسیستم نرم‌افزاری می‌تواند درآمد پایدار ایجاد کند و آیا رقبا می‌توانند راه‌حل‌های جایگزین ارائه دهند، همچنان نیاز به نظارت دارد.
دومین بخش ممکن است کارخانه‌ها و انبارها باشند که ممکن است زودتر چرخه تجاری را به پایان برسانند، به این معنی که صحنه‌هایی که هوش مصنوعی فیزیکی زودتر به گزارش‌های مالی وارد می‌شود، احتمالاً در زمینه تولید، انبارداری و لجستیک خواهد بود.
این صحنه‌ها محیط‌های نسبتاً بسته‌ای دارند، مسیرها و وظایف استانداردتر هستند و شرکت‌ها نیز به راحتی می‌توانند بازگشت سرمایه را محاسبه کنند------پس از سرمایه‌گذاری در یک ربات، می‌توانند کاهش هزینه‌های نیروی کار، افزایش کارایی و کاهش ضایعات را به طور مستقیم اندازه‌گیری کنند.
آمازون در حال حاضر به طور گسترده‌ای از ربات‌ها در شبکه انبارداری خود استفاده می‌کند و از طریق مدل‌های هوش مصنوعی، بهینه‌سازی زمان‌بندی و مسیر بین دستگاه‌ها را انجام می‌دهد؛ Universal Robots و MiR متعلق به Teradyne به ترتیب ربات‌های همکاری و ربات‌های متحرک را پوشش می‌دهند و به محیط‌های تولید، لجستیک و نیمه‌رسانا وارد شده‌اند.
ویژگی مشترک این شرکت‌ها این است که تنها به نمایش اینکه ربات‌ها چه حرکاتی می‌توانند انجام دهند، بسنده نمی‌کنند، بلکه در حال حاضر شروع به قرار دادن ربات‌ها در کارخانه‌ها و انبارها برای حل مشکلات واقعی تولید کرده‌اند. در مقایسه، اجازه دادن به ربات‌ها برای ورود به خانه‌ها برای پخت و پز، تمیز کردن و مراقبت از سالمندان، نیاز به مواجهه با محیط‌ها و مسئولیت‌های ایمنی پیچیده‌تری دارد و دوره تجاری ممکن است به وضوح طولانی‌تر باشد.
در نهایت، ربات‌های انسان‌نما بدون شک بزرگ‌ترین تخیل بازار را دارند، به طور نظری می‌توانند به کارخانه‌ها، انبارها، بیمارستان‌ها و خانه‌های طراحی شده توسط انسان وارد شوند و به طور مستقیم از جاده‌ها، ابزارها و میزهای کاری موجود استفاده کنند.
به همین دلیل، Tesla Optimus به یکی از جهت‌های مورد توجه در بازار هوش مصنوعی فیزیکی تبدیل شده است، اما این به این معنا نیست که تجاری‌سازی در مقیاس بزرگ در حال حاضر به وقوع پیوسته است، برای ربات‌های انسان‌نما، آنچه واقعاً باید مورد توجه قرار گیرد، نه اینکه آیا حرکات در کنفرانس‌ها روان است، بلکه هزینه واحد، زمان کار مداوم و اینکه آیا ارزشی که ایجاد می‌کند می‌تواند هزینه‌های خرید و نگهداری را پوشش دهد.

در مقایسه، Robotaxi در موقعیت پیشرفته‌تری قرار دارد. خودروهای خودران اساساً "هوش مصنوعی فیزیکی بر روی چرخ" هستند------خودرو از طریق دوربین‌ها، رادار و لیدار محیط را حس می‌کند، مدل قضاوت می‌کند و سپس خودرو عمل واقعی را انجام می‌دهد.
تسلا، Waymo و Zoox به ترتیب نماینده یکپارچگی سخت‌افزار و نرم‌افزار خودرو، سیستم‌های خودران و مسیرهای خاص Robotaxi هستند؛ اوبر نیز سعی دارد به عنوان ورودی ترافیکی برای اتصال تیم‌های مختلف خودران و مسافران عمل کند؛ Waymo نیز شروع به پیشبرد عملیات کاملاً بدون راننده سیستم خودران نسل ششم کرده است، و زمانی که مدل‌های جدید این سیستم را نصب می‌کنند، شرکت اعلام کرده است که بیش از 20 میلیون سفر کاملاً بدون راننده را انجام داده است، که نشان می‌دهد Robotaxi در تأیید تجاری به وضوح از ربات‌های انسان‌نما جلوتر است.
علاوه بر این، پهپادها و ربات‌های دفاعی نیز راحت‌تر می‌توانند تأیید سفارشات را دریافت کنند. به هر حال، مشتریان دفاعی به سیستم‌های خودمختار و کم‌هزینه و تجهیزات ضد پهپاد نیاز بیشتری دارند، مانند AeroVironment و Kratos که در حال حاضر درآمد و رشد سفارشات را در بخش‌های سیستم‌های خودمختار و بدون سرنشین نشان می‌دهند، و Ondas نیز به طور مداوم سفارشات سیستم‌های دفاعی، پهپادهای پروازی و سیستم‌های دفاع خودمختار را دریافت می‌کند.
با این حال، این نوع شرکت‌های کوچک معمولاً با تمرکز بالاتر پروژه، ریسک‌های تأمین مالی و اجرایی بیشتری همراه هستند.
بنابراین، برای ارزیابی اینکه آیا یک شرکت هوش مصنوعی فیزیکی ارزش پیگیری مداوم را دارد یا خیر، در نهایت باید به سه سوال بازگردیم:

• آیا این شرکت بخشی از زنجیره صنعتی است که جایگزینی برای آن دشوار است؟
• آیا مشتریان واقعی، سفارشات و صحنه‌های کاربردی دارد؟
• آیا پیشرفت‌های فناوری می‌تواند در نهایت به درآمد، سود و جریان نقدی تبدیل شود؟

نکته پایانی

هوش مصنوعی فیزیکی به یک شبه به تحقق نمی‌رسد.
از نظر قوانین صنعتی، احتمالاً این مسیر به تدریج از طریق یک مسیر از قطعیت به انعطاف‌پذیری پیش می‌رود: ابتدا محاسبات، شبیه‌سازی و پلتفرم‌های لبه، سپس انبارها، کارخانه‌ها و ربات‌های تخصصی، و در نهایت Robotaxi، پهپادها و ربات‌های انسان‌نما.
و واقعاً تعیین‌کننده اینکه این خط اصلی چقدر می‌تواند پیش برود، نه این است که ربات‌ها در کنفرانس‌ها چه حرکاتی را انجام می‌دهند، بلکه این است که آیا آنها می‌توانند به کارخانه‌ها، انبارها، جاده‌ها و کسب‌وکارهای واقعی وارد شوند و ارزشی را ایجاد کنند که می‌تواند در گزارش‌های مالی تأیید شود.
زمانی که این اتفاق بیفتد، هوش مصنوعی واقعاً از صفحه نمایش به واقعیت منتقل می‌شود.