Aumento de trilhões de dólares da Nvidia impulsionado por um modesto laboratório de pesquisa

Em 2009, quando Bill Dally entrou para a divisão de pesquisa da Nvidia, era uma pequena equipe de cerca de uma dúzia de pessoas focadas principalmente em traçado de raios para gráficos de computador.

Desde então, esse modesto grupo de pesquisa cresceu para mais de 400 funcionários, desempenhando um papel fundamental na evolução da Nvidia, que passou de uma startup de GPUs para jogos nos anos 90 para uma empresa de US$ 4 trilhões no centro da revolução da inteligência artificial.

O foco do laboratório passou a ser o desenvolvimento da tecnologia básica para robótica e IA, e parte de seu trabalho já está chegando ao mercado. Na segunda-feira, a empresa apresentou um novo conjunto de modelos mundiais de IA, bibliotecas e infraestrutura de desenvolvedores para robótica.

Dally, agora cientista-chefe da Nvidia, prestou consultoria para a empresa pela primeira vez em 2003, quando estava em Stanford. Anos mais tarde, quando ele se preparava para deixar o cargo de presidente do departamento de ciência da computação de Stanford para um período sabático, a Nvidia tinha outros planos para ele.

David Kirk, então chefe de pesquisa, e o CEO Jensen Huang acreditavam que um cargo permanente no laboratório era mais adequado. Dally disse ao TechCrunch que a dupla fez uma "pressão total" para convencê-lo a se juntar à equipe, e acabaram conseguindo.

"Acabou sendo uma combinação perfeita para meus interesses e habilidades", disse Dally. "Todo mundo procura onde pode dar sua maior contribuição. Para mim, esse lugar é, sem dúvida, a Nvidia."

Quando Dally assumiu a liderança do laboratório em 2009, a expansão foi a prioridade imediata. A equipe rapidamente se ramificou do traçado de raios para novas áreas, como design de circuitos e VLSI (integração em escala muito grande), o processo de incorporar milhões de transistores em um único chip.

O laboratório de pesquisa tem crescido desde então.

Pesos pesados da tecnologia e do capital de risco participam da agenda do Disrupt 2025

Netflix, ElevenLabs, Wayve, Sequoia Capital, Elad Gil - apenas alguns dos pesos pesados que participam da agenda do Disrupt 2025. Eles estão aqui para fornecer os insights que impulsionam o crescimento das startups e aprimoram sua vantagem. Não perca o 20º aniversário do TechCrunch Disrupt e a chance de aprender com as principais vozes da tecnologia - adquira seu ingresso agora e economize mais de US$ 600 antes que os preços subam.

Pesos pesados da tecnologia e do capital de risco participam da agenda do Disrupt 2025

Netflix, ElevenLabs, Wayve, Sequoia Capital - apenas alguns dos grandes nomes que participam da agenda do Disrupt 2025. Eles estão aqui para fornecer os insights que impulsionam o crescimento das startups e aprimoram sua vantagem. Não perca o 20º aniversário do TechCrunch Disrupt e a chance de aprender com as principais vozes da tecnologia - adquira seu ingresso agora e economize até US$ 675 antes que os preços subam.

"Nosso objetivo é identificar o que terá o maior impacto positivo para a empresa", disse Dally. "Exploramos constantemente novas áreas empolgantes, mas, em algumas delas, é difícil prever se teremos muito sucesso, mesmo com um excelente trabalho."

Por um período significativo, esse foco foi a criação de GPUs superiores para inteligência artificial. A Nvidia antecipou o boom da IA com antecedência, começando a desenvolver conceitos de GPU de IA em 2010 - mais de uma década antes do frenesi atual.

"Reconhecemos que isso era revolucionário e mudaria o mundo", lembrou Dally. "Tínhamos que nos empenhar mais. Jensen acreditou em mim quando eu lhe disse. Começamos a especializar nossas GPUs para IA, a desenvolver softwares abrangentes e a nos envolver com pesquisadores globais muito antes de sua relevância ser óbvia."

Foco na IA física

Agora, com uma liderança dominante no mercado de GPUs de IA, a Nvidia está explorando novas áreas de demanda além dos data centers de IA, levando-os à IA física e à robótica.

"Os robôs acabarão se tornando um grande setor global, e nosso objetivo é fornecer os cérebros para todos eles", disse Dally. "Para isso, precisamos desenvolver as principais tecnologias agora."

É aí que Sanja Fidler, vice-presidente de pesquisa de IA da Nvidia, entra em cena. Fidler entrou para o laboratório de pesquisa em 2018, trazendo a experiência de seu trabalho em modelos de simulação de robôs com uma equipe de estudantes do MIT. Quando ela discutiu sua pesquisa com Huang em uma recepção, ele ficou imediatamente intrigado.

"Não pude resistir a participar", disse Fidler ao TechCrunch. "Era um tema e uma cultura perfeitos. O convite de Jensen foi pessoal - 'venha trabalhar comigo', não apenas para a empresa."

Ela entrou para a Nvidia e estabeleceu um laboratório de pesquisa em Toronto voltado para o Omniverse, uma plataforma dedicada à criação de simulações para IA física.

Fidler afirmou que o primeiro grande desafio foi obter os dados 3D necessários. Isso envolveu encontrar volumes de imagens suficientes e criar a tecnologia para converter essas imagens em modelos 3D utilizáveis para simuladores.

"Investimos em uma tecnologia chamada renderização diferenciável, que torna a renderização compatível com a IA", explicou Fidler. "A renderização tradicional vai de 3D para imagem. Precisávamos inverter esse processo."

Modelos mundiais

A Omniverse lançou seu primeiro modelo de imagem para 3D, o GANverse3D, em 2021. A equipe então abordou o mesmo processo para vídeo. Usando filmagens de robôs e carros autônomos, eles criaram modelos 3D e simulações por meio do NeRF (Neural Reconstruction Engine), anunciado em 2022.

Fidler observou que essas tecnologias formam a base da família Cosmos de modelos mundiais de IA da empresa, apresentada na CES em janeiro.

A prioridade atual do laboratório é aumentar a velocidade desses modelos. Para robôs e simulações, os tempos de resposta devem ser em tempo real, enfatizou Fidler, e para a robótica, o objetivo é obter recursos de reação ainda mais rápidos.

"Um robô não precisa perceber o mundo na mesma velocidade que nós", disse Fidler. "Ele pode processar informações 100 vezes mais rápido. A aceleração significativa desses modelos os tornará imensamente úteis para aplicativos de IA robótica e física."

A empresa está avançando em direção a essa meta. Na conferência de computação gráfica SIGGRAPH, na segunda-feira, a Nvidia anunciou uma nova frota de modelos mundiais de IA para gerar dados sintéticos para treinar robôs, juntamente com novas bibliotecas e software de infraestrutura para desenvolvedores de robótica.

Apesar do progresso - e do atual entusiasmo em torno dos robôs, especialmente os humanoides - a equipe de pesquisa da Nvidia permanece pragmática.

Dally e Fidler estimam que o setor ainda está a vários anos de distância de robôs humanóides domésticos práticos, com Fidler comparando a linha do tempo com a dos veículos autônomos.

"Estamos fazendo um tremendo progresso, e a IA tem sido o principal facilitador", disse Dally. "Começou com a IA visual para a percepção do robô e agora a IA generativa está se mostrando imensamente valiosa para o planejamento de tarefas, o planejamento de movimentos e a manipulação. À medida que resolvermos cada subproblema e nossos conjuntos de dados de treinamento se expandirem, esses robôs continuarão a evoluir."

Estamos sempre trabalhando para melhorar. Compartilhar sua perspectiva e seu feedback sobre a cobertura e os eventos do TechCrunch pode nos ajudar a evoluir. Preencha esta pesquisa para nos informar como estamos nos saindo - você também terá a chance de ganhar um prêmio!