物理AI发展趋势及索辰科技观点更新

另一方面我们也看到，就是说它的这样的一个模型跟它的一个计算机图形仿真模拟平台的一个连接，可以确保它生成的数据的一个准确性。发言人1 01:23其实国内我们看到相应的像索辰科技这样的一些公司，也同样是在这样的一些技术平台层面，提供了比较多的一个技术知识，从它的一个物理CAE求解器方面的一个核心能力去延伸出来，提供了这样的一个平台跟能力。发言人1 01:40我们在接下来的会议，会主要围绕着这两个层面。发言人1 01:44一个就是行业端，我们更多的去为大家去做关于物理AI它到底是解决了一个什么样的一个问题，里面的参与者到底是跟这个模型厂商以及下游。发言人1 01:55我们看到像动驾驶七情这样的一些，包括像巨神智能巨身智能在内的一些厂商，到底是怎么样的一个合作，来去做一个产业链的梳理跟展开。发言人1 02:04第二个层面，我们会具体落到相应的一些国内的公司上面，具体在这个领域做了一些产品的布局，这里面以索甄科技为代表，我们来为大家去做他在这块的一个产品的更新跟介绍。那接下来就把我的时就把时间交给我们的同事陈明卫，来具体给大家做这个详细的行业跟公司的一个解读。发言人2 02:17那接下来就把我的时就把时间交给我们的同事陈明卫，来具体给大家做这个详细的行业跟公司的一个解读。发言人1 02:24那后面也会留这个提问时间给大家。发言人1 02:27接下来就先把这个时间交给这个门卫，哪位更多调研既要添加微信OKOK5892。发言人1 02:37好，这是青牛，我是中信计算机的研究员陈明卫。发言人1 02:40然后来给大家更新一下，就是物理包括整个智燊智能这一块的话，今天的市场也是有一个比较明显的反应。发言人1 02:49首先的话我们觉得是两个因。 发言人1 02:51第一个因素就是说因为房产资源访华这件事，他也是说被叫停三个月之后，然后美国政府批准英维达恢复瑞达去向中国市场销售它给中国定制的这种量规版的H20。发言人1 03:07除此之外，黄睿轩还透露即将发布一款叫RTS pro的一个新的GPU显卡。发言人1 03:14这个是专门为这个数字工厂，数字完生机器人等这些工业应用场景去去去去量身打造的。发言人1 03:22这个RTSpro它是非常适合去教机器人如何成为机器人，就是这个巨身智能的一个经验平台，去教智能工厂去提高效率和质量。发言人1 03:32具体来说的话，它是就聚焦于去加速物理AI从科学计算到渲染生成这种3D图形和视频的一个过程。不同于H20的话，这款新的GPU的话它有基转图形和光线追踪的一个功能。发言人2 03:42不同于H20的话，这款新的GPU的话它有基转图形和光线追踪的一个功能。发言人1 03:48光线追踪的话就是说对于传感器模拟非常重要。发言人1 03:51比如说它可以在这个激光雷达，然后计算机图形这上面去使用。发言人1 03:55也可以去模仿数字工厂，去模拟数字工厂里边的传感器，或是自动驾驶上的，或者机器人上的。发言人1 04:02然后基于这个RTS core，那英维达也相应的提供了open加cosme的这样一个数据生成模型或者说AI库。发言人1 04:12所有的操作在这个邦我上面去进行。发言人1 04:16现在就是根据英维达黄锐勋前段时间的发言，中国已经有数百个项目去采取这个英维达奥米雯去模拟数字完生，然后用于设计和优化这个工厂仓冲突，以比如说自动驾驶等等。发言人1 04:30所以就是他在中国对这个NBI的一个宣传。发言人1 04:35 无论是算利领域还是这个巨声智能领域都表现了。发言人1 04:38因为大家想要继续与中国这块市场加强合作的一个决限。发言人1 04:42从另外一个方面来讲的话，就是世界人工智能大会WAISC将于七月26号到28号在上海举行。发言人1 04:50大会将重点展出的是如何通过AI去赋能一个千行百业。发言人1 04:54所以的话在大会上我们将看到包括像模型应用，包括像巨深智能，包括像智能硬件等等一些这些比较大的一些全面爆发了。发言人1 05:05巨身智能方面的话，包括像特斯拉也将带来它的ta tsa box。发言人1 05:09然后像语数科技将推出它的拳击机器人去在擂台上去互动展示。发言人1 05:14另外还有资源，人、牲畜等等，十余家机器人主机厂的一个展示产品。发言人1 05:19这个是硬件端了，在软件端也是相辅相成的。发言人1 05:23宝晨科技将会在这个WAIC的2025去发布这个机器人的虚拟训练平台，去补其他物理AI布局的最后一块拼图。发言人1 05:33讲了这么多物理I的一个催化，物理I到底是什么呢？发言人1 05:36根据金味达黄仁勋的定义，就是一二年以来AI已经经历了第三代技术范式的转移。发言人1 05:44未来的话将会进入到第四代。发言人1 05:46最早的话这个判别式的AI就是基于固定规则去进行语音识别和图像识别。发言人1 05:52 到二三年的话，叉GPT率领就进入了这个生成式AI2025年的话我们都知道是aden的一个元年。发言人1 06:00未来的话我们说aen和这个物理AI将会定下齐，需一定的去发展。发言人1 06:06这个物理AI跟所谓生成式AI和aen有什么不同的点呢？发言人1 06:10它主要就是说加入了一些限制性的种理解，物理规则能与现实世界进行交互的一个生成是AI比如说这种soa这种视频正常模型为例，就是它的一个现有的这种生成式大模型能力比较局限。发言人1 06:26它基于互联网上大量文本和图像的数据去进行训练的那我们知道互联网上其实数据是有一定的这种良莠不齐或者说有污染性的。发言人1 06:35所以它对于物理规则的理解就会有限。发言人1 06:37他比如说拿到机器人上去训练，很容易出现一个训坏了的一个状况。发言人1 06:42比如说机器人会不符合物理的一个规律的扭曲。发言人1 06:46然后物理A的话，它是基于这个物理求解器或者仿真引擎，再去套上这个生成式AI所以的话它相当于多了几个限制性的函数。发言人1 06:57所以它可以理解物理世界的一些运行规律，就说动力运动、惯性空间等等这样一个函数，它的环境模拟和数据生成是符合物理逻辑的。发言人1 07:06所以的话就像因为妲所说，它可以用于智能驾驶机器人、军工工业制造等等的一些严肃产品。发言人1 07:16那英维达的话主要就是通过这个open加cosme的方案去构建物理AI的框架，实现数字完生。发言人1 07:23我们知道它就是分两步，一个是Oliver去形成了一个虚拟世界的场景，然后cosme去在真实世界里边去生成可以去攻击训练的一些视频参数。发言人1 07:36 首先从奥米们开始讲起，它是一个一站式的数字完生设计平台，它负责生成一个虚拟的环境。发言人1 07:43在18年英睿达推出了一个tran架构，它为这个onlies去提供了一个硬件基础。发言人1 07:49那19年的话online首次推出，它作为这个3D的一个跨应用跨设备的一个写作设计平台。发言人1 07:56它主要是供给给一些像动画、影视、游戏等等这样一些虚拟创作场景的一些创作者去使用的那21年的话，奥密我S7引入了一个叫busy客伍的一个物理引擎。发言人1 08:10这个时候它就能够应用到一些工业，包括数字揽胜等等产品。发言人1 08:15在24年的话，英维达也引入了这个生成式物理AI这个概念，然后把它的offer模型去实现了一个实施数字完成的能力。发言人1 08:25在25年的话，它就与come结合，能够为各个工业的场景去提供端到端的支持。发言人1 08:31对，这个是ones的一个情况。发言人1 08:33它相当于是在虚拟世界去生成一些场景。发言人1 08:37把这个虚拟世界进行渲染，并且生成一些真实世界能够用于训练的数据的话，主要是这个comms模型，它是一个类似于通用的世界模型word model，它能够在虚拟场景中生成合成数据，然后也是符合这种物理直觉和物理规律的那就是coming们成一个虚拟环境之后，然后它可以渲染并且输出给这个com然后通过控制信号，比如说一些环境变化或者输出的一些文本指令等等，来预测场景的演变。发言人1 09:07然后让我然后让cosme去自动生成这样一个合成数据。发言人1 09:11那生成合成数据的话就相当于，以前比如说机器人在没有生成是AI的时候，他基于的都是人给他做的动作，然后去进行训练。发言人1 09:22这个人去做的是这个数据其实是极其绩效的那在生成式AI出现之后，有了生成。数据去给予机器人或者其他场景进行训练。 发言人2 09:28数据去给予机器人或者其他场景进行训练。但是因为没有物理规则的限制，这个训练有可能是会把这个机器人受到污染或者说训坏的那第三步基于这个物理A的话，他有着物理规则的一个约束，就可以实现机器人类人或者说符合物理规律的一些操作。发言人1 09:31但是因为没有物理规则的限制，这个训练有可能是会把这个机器人受到污染或者说训坏的那第三步基于这个物理A的话，他有着物理规则的一个约束，就可以实现机器人类人或者说符合物理规律的一些操作。所以的话我们说物理AI其实带来了两个增量。发言人2 09:49所以的话我们说物理AI其实带来了两个增量。发言人1 09:53第一个就是说因为它是基于生成是AI，所以它是在牺牲一定精度的情况下，可以快速得出仿真的一个结果。发言人1 10:01所以的话它可以实现实时的运维控制，甚至说对未来的一个预测。发言人1 10:06比如说英维达官网上就有这样一个例子，比如说货工厂的货架场景上，比如说一个货架突然倒塌了，那工厂摄像头就可以拍下来，并且让物理AI的模型去自动识别，从而完成tohomework到现实的一个动作调整。发言人1 10:23比如说线的一个叉车，他可以就通过路径规划去有意的避开倒塌的货架那块路段，让机器人做出这个避让的行为。发言人1 10:33另外的话就是刚刚讲的物理同时能够生成更多的数据，然去提供海量的算力去攻击模型训练，尤其是一些真实事件没有办法达成的一些极端条件的算力。发言人1 10:44比如说自动驾驶里边可能有一些极端恶劣的天气，包括交通拥堵等等复杂的场景。发言人1 10:50那这一块它需要更多的，它相当于是一些china case，然后它需要更多的一些数据去进行一个训练。发言人1 10:57那英维达的话通过这个emailservice的一个物理解决方案，就把有限的驾驶场景扩增至类似于数十亿英里的一个训练级，从而加速自动动驾驶模型的一个训练过程。 发言人1 11:09三月份因为达也是官宣与通用汽车去合作，就是把这个com端到端的一个AI训练体系去落地到通用汽车未来的一个自动驾驶车队上。发言人1 11:20另外一个案例的话，就是说金伟达也发布了，当时整个开源人形机器人的功能模型固特N1。发言人1 11:28它其实是具备双系统的一个认知架构的。发言人1 11:30它其实类比的是人类的大脑跟小脑，视觉信号的话首先传输给这个大脑，它大脑的话就是类似于这个视觉语言模型，就是我们俗称的这个LOM大语言模型。发言人1 11:44他们对复杂的任务去进行慢速的改知理解和规划。发言人1 11:50当把这个视觉信号去慢速感知之后，它再传到位小脑。发言人1 11:54小脑的话就是通过conmen去仿真训练出来的一个世界模型。发言人1 12:00它是一个deu tion transfer的一个模型，它能够将规划去快速的转换成一个精准连续的机器人动作。发言人1 12:07最终的话它就可以实现少量数据训练的情况下去具备快速反应的能力。发言人1 12:13准确率的话是超过传统模型15%左右。发言人1 12:16这个是英睿达的一个他自己的方案。发言人1 12:19这一块的话我们刚刚也讲到，它其实在中国也有一定的工厂去进行他的这个方案的采购和应用了。发言人1 12:26对于中国来看的话，我们发现这个索辰其实是在这个物理AI这块走的比较快的那总成的话是在25年3月去推出这个天工开物的物理AI平台，以及说全场景的一个解决方案，去奠定了国内物理AI的一个新模式。发言人1 1