العالم المادي يحصل على ترقية AI
أصبح مؤتمر Nvidia للمطورين السنوي GTC أهم حدث في تقويم صناعة AI، وكان الإصدار 2026 استثناء بلا شك. بينما أرست السنوات السابقة هيمنة Nvidia على حوسبة AI بمركز البيانات، يمثل GTC 2026 محورًا حاسمًا نحو ما وصفه الرئيس التنفيذي Jensen Huang بـ Physical AI — نشر ذكاء AI في الأنظمة التي تتفاعل مع العالم المادي بدلاً من مجرد معالجة البيانات الرقمية. تمثل الإعلانات التي تشمل المركبات ذاتية القيادة والروبوتات الصناعية ومنصات الروبوتات الإنسانية توسعًا استراتيجيًا قد يعيد تشكيل عدة صناعات في وقت واحد.
الخيط الموحد هو طموح Nvidia أن تصبح الركيزة الحسابية لعصر Physical AI بالطريقة التي أصبحت بها الركيزة لعصر data center AI. إذا نجحت الشركة، فإن شرائح AI والمنصات البرمجية وأدوات المحاكاة التي تبيعها ستكون مهمة مثل مجموعات GPU الخاصة بها لنماذج اللغات الكبيرة اليوم بالنسبة للجيل القادم من الروبوتات الصناعية والسيارات ذاتية القيادة.
المركبات ذاتية القيادة تشق طريقها إلى شوارع لوس أنجلوس
ربما كان أكثر الإعلانات وضوحًا للمستهلك هو الشراكة مع Uber لنشر المركبات ذاتية القيادة في لوس أنجلوس ابتداءً من 2027. ستستخدم المركبات منصة Drive Orin من Nvidia للإدراك واتخاذ القرار، وتشغيل الشبكات العصبية المدربة والمختبرة في بيئة محاكاة Omniverse قبل النشر على الطرق العامة. تضع الشراكة Nvidia كمزود بنية تحتية رئيسي لصناعة المركبات ذاتية القيادة بدلاً من أن تكون مشغلة — توفر الشركة الذكاء الحسابي بينما تتعامل شركاء مثل Uber مع إدارة الأسطول والخرائط والعلاقات التنظيمية.
يمثل لوس أنجلوس بيئة نشر معقدة بشكل خاص للمركبات ذاتية القيادة: تقاطعات معقدة، ثقافة قيادة عدوانية، بناء متكرر، وكثافة عالية من المشاة في المناطق التجارية. يعكس اختيار Nvidia عرض منصتها في لوس أنجلوس بدلاً من بيئة أكثر تحكمًا الثقة في قوة الأساس الحالي من برامج وأجهزة المركبات ذاتية القيادة.
الروبوتات الصناعية تحصل على معالجات Nvidia
أعلنت اثنتان من أكبر مصنعي الروبوتات الصناعية في العالم، FANUC و ABB، عن عمليات دمج مع منصة Isaac الروبوتية من Nvidia. تبني FANUC، التي تصنع حوالي ثلث جميع الروبوتات الصناعية عالميًا، و ABB، التي تنتشر روبوتاتها في تصنيع السيارات والإلكترونيات، أجهزة وبرامج Nvidia في وحدات تحكم الروبوتات من الجيل التالي.
توفر منصة Isaac أدوات المحاكاة والتدريب والنشر التي تمكن الروبوتات من تعلم المهام من خلال العرض بدلاً من طلب البرمجة اليدوية لكل عملية جديدة. بالنسبة للمصنعين، هذا يعني الروبوتات التي يمكن إعادة تدريبها لأجزاء جديدة أو تسلسلات التجميع في ساعات بدلاً من أسابيع — مرونة تصبح ضرورية بشكل متزايد مع تقصير فترات الإنتاج وزيادة تنوع المنتجات. تمنح شراكات FANUC و ABB Nvidia الوصول المباشر إلى القاعدة المثبتة من الروبوتات في مصانع التصنيع في جميع أنحاء العالم.
حل مشكلة البيانات في الروبوتيقا
صاغ Jensen Huang التحدي المركزي لتطوير Physical AI بطريقة لا تُنسى: صناعة الروبوتيقا لديها مشكلة بيانات تحتاج إلى أن تصبح مشكلة حساب. يعكس هذا الصيغة شيئًا مهمًا. على عكس نماذج اللغات، التي تم تدريبها على مجموعة نصوص الإنترنت الواسعة الموجودة بالفعل في شكل رقمي، تتطلب نماذج تعلم الروبوتات بيانات تفاعل فيزيائي — مقاطع فيديو للروبوتات التي تتعامل مع الأشياء، تدفقات المستشعرات من مفاصل الروبوتات، صور الأجزاء الصناعية — والتي ببساطة لا توجد بالكميات المطلوبة للتدريب الواسع.
حل Nvidia هو توليد بيانات اصطناعية على نطاق واسع باستخدام Omniverse، منصة محاكاة ثلاثية الأبعاد الدقيقة فيزيائيًا. بدلاً من جمع بيانات التدريب من الروبوتات المادية في المصانع، يمكن للمطورين توليد ملايين الأمثلة المحاكاة للتفاعل بين الروبوت والأشياء في Omniverse واستخدامها لتدريب مسبق للنماذج التي تتطلب بعد ذلك تحسينًا متواضعًا على الأجهزة الحقيقية. تكلفة الحساب لهذا النهج ضخمة — وهكذا صياغة Huang لتحويل مشكلة البيانات إلى مشكلة حساب — لكنها مشكلة يمكن لـ Nvidia حلها برحية.
نماذج الروبوتات الإنسانية
ضم GTC 2026 أيضًا نماذج أساسية جديدة مصممة خصيصًا للروبوتات الإنسانية. توفر سلسلة نموذج GR00T من Nvidia، المحدثة بمعمارية جيل جديد، قاعدة مدربة مسبقًا يمكن لمطوري الروبوتات الإنسانية بما في ذلك Figure و 1X و Agility Robotics تحسينها لمهام المناولة والحركة المحددة.
لا يزال القطاع الإنساني في مراحل التطوير المبكرة، مع معظم الوحدات المنشورة في بيئات تجريبية محكومة بدلاً من تصنيع أرضيات مفتوحة. لكن المسار واضح: مع تحسن النماذج الأساسية وتطور خطوط أنابيب تدريب Physical AI، الفجوة بين ما يمكن للروبوتات الإنسانية القيام به في المختبر وما يمكنها فعله في مصنع حقيقي تغلق بسرعة أكثر مما توقعه معظم المراقبين.
لعبة المنصة
بشكل جماعي، تصف إعلانات GTC 2026 من Nvidia شركة تنفذ إستراتيجية منصة عبر تطبيقات Physical AI: توفير الشرائح وبرامج المحاكاة وبنية التدريب والنماذج المدربة مسبقًا التي يحتاجها أي مطور Physical AI. بالنسبة للمستثمرين والمشاركين في الصناعة، السؤال هو ما إذا كانت إستراتيجية المنصة هذه ستنتج عن ديناميكيات الفائز يأخذ الكل التي ميزت أعمال GPU بمركز البيانات من Nvidia — أم أن تنوع تطبيقات Physical AI ومتطلبات الأجهزة سيحافظ على مشهد تنافسي أكثر تشذرًا.
تستند هذه المقالة إلى تقارير من The Decoder. اقرأ المقالة الأصلية.
Originally published on the-decoder.com