NVIDIA Desbloqueia o Futuro: Novos Modelos Abertos Aceleram a Fusão entre IA Física e Digital
A NVIDIA acaba de abrir as comportas. A gigante dos chips lançou uma nova leva de modelos abertos, projetados para fundir os mundos físico e digital. É um movimento que promete redefinir os limites da inteligência artificial.
Por Que Isso Importa
Esses modelos não são apenas mais uma atualização de software. Eles representam a infraestrutura para a próxima geração de IA—uma que interage com o mundo real, simula sistemas complexos e otimiza processos desde fábricas até laboratórios. A abertura do acesso remove um gargalo crítico para desenvolvedores e pesquisadores.
O Motor por Trás da Convergência
A estratégia é clara: alimentar o ciclo virtuoso. Modelos mais acessíveis aceleram a inovação, o que, por sua vez, aumenta a demanda por hardware de ponta—como as GPUs da própria NVIDIA. É um jogo de longo prazo que posiciona a empresa não apenas como fornecedora, mas como arquiteta do ecossistema de IA.
O Impacto no Mercado
Enquanto os analistas tradicionais debatem múltiplos de lucro, a NVIDIA está reescrevendo as regras do jogo. A aposta é que controlar a plataforma onde a IA física e digital converge vale mais do que qualquer métrica de valuation atual. Alguns no setor financeiro ainda tentam precificar isso com planilhas do século passado.
O lançamento é mais do que um produto; é uma declaração de intenções. A corrida para construir o mundo simulado—e lucrar com ele—acaba de entrar em uma nova fase. E a NVIDIA detém as ferramentas para cavar a primeira mina.
A Nvidia demonstra um compromissotronforte com o código aberto.
A gigante da tecnologia demonstrou um compromisso mais substancial com o código aberto no evento de IA, um esforço reconhecido pela plataforma de benchmarking de IA Artificial Analysis com seu novo Índice de Abertura. O Índice de Abertura da Artificial Analysis classificou a família de ferramentas de IA Nemo tron como uma das melhores disponíveis. A classificação é baseada na quantidade de informações técnicas compartilhadas, na facilidade de uso de licenças modelo e na clareza das regulamentações de uso de dados.
Enquanto isso, o AR1 (Alpamayo-R1) integra o raciocínio de IA baseado em cadeia de pensamento com o planejamento de trajetória para permitir a autonomia de nível 4 e aprimorar a segurança de veículos autônomos em diversos cenários de trânsito. A fabricante de chips afirmou que as versões anteriores de modelos de direção autônoma enfrentavam dificuldades em situações como cruzamentos com grande fluxo de pedestres, carros estacionados em fila dupla em ciclovias ou a iminência de interdições na via. No entanto, o raciocínio confere aos veículos autônomos o bom senso necessário para dirigir como humanos.
O modelo AR1 consegue isso decompondo cenários e raciocinando em cada etapa para considerar todos os resultados possíveis. Em seguida, utiliza dados contextuais para determinar o curso de ação mais eficaz.
A Nvidia afirma que o AR1 utiliza o raciocínio de cadeia de pensamento, o que lhe permite processar dados ao longo de seu percurso e usar essas informações para planejar uma trajetória, como parar para pedestres que atravessam fora da faixa. A base aberta do modelo é o Cosmos Reason, da própria empresa de tecnologia, que permite aos pesquisadores personalizá-lo para seus casos de uso não comerciais.
Segundo a fabricante de chips, os pesquisadores também podem personalizar o modelo AR1 para realizar testes comparativos ou desenvolver aplicações experimentais para veículos autônomos. O Nvidia Drive Alpamayo-R1 estará disponível no Hugging Face e no GitHub , enquanto um subconjunto dos dados usados para treinar e avaliar os modelos está disponível no Nvidia Physical AI Open Datasets.
O aprendizado por reforço se mostra eficaz para o pós-treinamento do AR1.
Pesquisadores da Nvidia afirmaram que o treinamento por reforço se mostrou eficaz para o pós-treinamento do AR1. Eles destacaram que os desenvolvedores também podem aprender a usar e pós-treinar modelos baseados no Cosmos usando raciocínio passo a passo. Os pesquisadores disseram que exemplos de inferência rápida e pós-treinamento avançado podem ser encontrados no Cosmos Cookbook . O guia completo para desenvolvedores de IA física aborda a curadoria de dados passo a passo, a avaliação de modelos e a geração de dados sintéticos.
Entretanto, a fabricante de chips afirmou que as possibilidades para aplicações baseadas Cosmossão praticamente ilimitadas. A gigante da tecnologia forneceu exemplos de aplicações baseadas Cosmos, incluindo LidarGen, Omniverse NuRec Fixer, Cosmos Policy e ProtoMotions3.
A empresa de tecnologia afirmou que o LidarGen foi o primeiro modelo do mundo a gerar dados lidar para simulações de veículos autônomos. Mencionou também que seu modelo Omniverse NuRec Fixer para simulação de robótica e veículos autônomos utiliza a Cosmos Predict da Nvidia.
O ProtoMotions3 é um framework de código aberto, acelerado por GPU, construído sobre as plataformas Nvidia Newton e Isaac Lab. De acordo com a fabricante de chips, o framework pode ser usado para treinar robôs humanoides simulados fisicamente e humanos digitais. Os modelos de base do mundo Cosmos (WFMs) podem ser usados para gerar cenas realistas.
A Nvidia também mencionou que os modelos de políticas podem ser treinados no Isaac SIM e no Isaac Lab. Os dados gerados pelos modelos de políticas podem então ser usados para o pós-treinamento dos Groot N para robótica.
Aprimore sua estratégia com mentoria + ideias diárias - 30 dias de acesso gratuito ao nosso programa de negociação
