كيف ساعد مختبر بحثي صغير Nvidia على أن تصبح شركة قيمتها 4 تريليون دولار

كيف ساعد مختبر بحثي صغير Nvidia على أن تصبح شركة

عندما انضم بيل دالي إلى مختبر الأبحاث في إنفيديا في عام 2009، كان يضم حوالي عشرة أشخاص فقط وكان يركز على تتبع الأشعة، وهي تقنية عرض تستخدم في الرسوميات الحاسوبية.

هذا المختبر البحثي، الذي كان صغيرًا في السابق، يعمل الآن به أكثر من 400 شخص ساعدوا في تحويل إنفيديا من شركة ناشئة في مجال وحدات معالجة الرسوميات للألعاب في التسعينيات إلى شركة بقيمة 4 تريليون دولار تغذي ازدهار الذكاء الاصطناعي.

الآن، يركز مختبر الأبحاث في الشركة على تطوير التقنية اللازمة لدعم الروبوتات والذكاء الاصطناعي. وبعض أعمال هذا المختبر قد بدأت بالفعل في الظهور في المنتجات. كشفت الشركة يوم الإثنين عن مجموعة جديدة من نماذج الذكاء الاصطناعي العالمية والمكتبات والبنية التحتية الأخرى لمطوري الروبوتات.

دالي، الذي يشغل الآن منصب كبير العلماء في إنفيديا، بدأ الاستشارة لدى إنفيديا في عام 2003 أثناء عمله في جامعة ستانفورد. عندما كان مستعدًا للتنحي عن منصبه كرئيس قسم علوم الكمبيوتر في جامعة ستانفورد بعد بضع سنوات، كان يخطط لأخذ إجازة. كانت إنفيديا لديها فكرة مختلفة.

بيل دالي / إنفيديا

ديفيد كيرك، الذي كان يدير مختبر الأبحاث في ذلك الوقت، ورئيس إنفيديا جينسين هوانغ، اعتقدوا أن وجود منصب دائم أكثر في مختبر الأبحاث كان فكرة أفضل. قال دالي لموقع TechCrunch إن الثنائي قام بدفعه بشكل كامل للتفكير في الانضمام إلى مختبر الأبحاث في إنفيديا وأقنعوه في النهاية.

“في النهاية، كان ذلك مناسبًا تمامًا لمصالحني ومهاراتي”، قال دالي. “أعتقد أن الجميع يبحث دائمًا عن المكان في الحياة حيث يمكنه أن يقدم أكبر مساهمة ممكنة للعالم. وأعتقد أن إنفيديا هي المكان المناسب لي.”

عندما تولى دالي إدارة المختبر في عام 2009، كانت التوسعة هي الأولوية الرئيسية. بدأ الباحثون العمل على مجالات خارج نطاق تتبع الأشعة على الفور، بما في ذلك تصميم الدوائر و VLSI، أو التكامل الدقيق جدًا، وهو عملية تجمع ملايين الترانزستورات على شريحة واحدة.

لم يتوقف المختبر البحثي عن التوسع منذ ذلك الحين.

حدث Techcrunch

سان فرانسيسكو
|
27-29 أكتوبر 2025

“نحاول figuring out what will make the most positive difference for the company because we’re constantly seeing exciting new areas, but some of them, you know, they do great work, but we have trouble saying if [we’ll be] wildly successful at this,” قال دالي.

لفترة من الوقت كان ذلك يتعلق ببناء وحدات معالجة رسوميات أفضل للذكاء الاصطناعي. كانت إنفيديا من أوائل الشركات التي دخلت في ازدهار الذكاء الاصطناعي وبدأت التلاعب بفكرة وحدات معالجة الرسوميات للذكاء الاصطناعي في عام 2010 – أي أكثر من عقد قبل جنون الذكاء الاصطناعي الحالي.

“قلنا، إن هذا مذهل، سيكون له تأثير كبير على العالم”، قال دالي. “يجب علينا البدء في التركيز على هذا الأمر، وجينسين كان يؤمن بذلك عندما أخبرته بذلك. بدأنا في تخصيص وحدات معالجة الرسوميات لدينا لذلك وتطوير الكثير من البرمجيات لدعمه، والتفاعل مع الباحثين في جميع أنحاء العالم الذين كانوا يعملون في ذلك، قبل أن يصبح أمرًا مهمًا بوضوح.”

تركيز على الذكاء الاصطناعي الفيزيائي

الآن، بينما تحتفظ إنفيديا بزعامة قوية في سوق وحدات معالجة الذكاء الاصطناعي، بدأت الشركة في البحث عن مجالات جديدة من الطلب خارج مراكز بيانات الذكاء الاصطناعي. قاد هذا البحث إنفيديا إلى الذكاء الاصطناعي الفيزيائي والروبوتات.

“أعتقد في النهاية أن الروبوتات ستكون لاعبًا كبيرًا في العالم ونريد أن نصنع عقول جميع الروبوتات”، قال دالي. “للقيام بذلك، نحتاج إلى البدء في تطوير التقنيات الرئيسية.”

هنا تأتي سانجا فيدلر، نائبة رئيس أبحاث الذكاء الاصطناعي في إنفيديا. انضمت فيدلر إلى مختبر أبحاث إنفيديا في عام 2018. في ذلك الوقت، كانت تعمل بالفعل على نماذج محاكاة للروبوتات مع فريق من الطلاب في معهد ماساتشوستس للتكنولوجيا. عندما أخبرت هوانغ عما كانوا يعملون عليه في استقبال الباحثين، كان مهتمًا.

“لم أستطع مقاومة الانضمام”، قالت فيدلر لموقع TechCrunch في مقابلة. “إنه موضوع يناسبني بشكل كبير وفي الوقت نفسه كانت الثقافة مناسبة بشكل كبير أيضًا. تعرف، جينسين قال لي، تعال للعمل معي، وليس معًا، وليس لأجلنا، أتعرف؟”

انضمت فيدلر إلى إنفيديا وبدأت في إنشاء مختبر أبحاث في تورنتو يسمى Omniverse، وهو منصة من إنفيديا تركز على بناء المحاكاة للذكاء الاصطناعي الفيزيائي.

سانجا فيدلر / إنفيديا

كانت التحدي الأول لبناء هذه العوالم المحاكية هو العثور على البيانات ثلاثية الأبعاد اللازمة، قالت فيدلر. وتضمن ذلك إيجاد حجم مناسب من الصور المحتملة للاستخدام وبناء التقنية اللازمة لتحويل هذه الصور إلى نموذج ثلاثي الأبعاد يمكن للمحاكيات استخدامه.

“استثمرنا في هذه التقنية التي تُدعى العرض القابل للاشتقاق، والتي تجعل العرض قابلاً للاستخدام مع الذكاء الاصطناعي، أليس كذلك؟” قالت فيدلر. “تذهب [من] العرض من ثلاثي الأبعاد إلى صورة أو فيديو، صحيح؟ ونريد أن نذهب في الاتجاه الآخر.”

نماذج العالم

أصدرت Omniverse النسخة الأولى من نموذجها الذي يحول الصور إلى نماذج ثلاثية الأبعاد، GANverse3D، في عام 2021. ثم بدأت العمل على تحديد نفس العملية للفيديو. قالت فيدلر إنهم استخدموا فيديوهات من الروبوتات والسيارات ذاتية القيادة لإنشاء هذه النماذج ثلاثية الأبعاد والمحاكاة من خلال محرك إعادة بناء الأعصاب Neuric Neural Reconstruction Engine، الذي أعلنت عنه الشركة لأول مرة في عام 2022.

أضافت أن هذه التقنيات كانت العمود الفقري لعائلة نماذج الذكاء الاصطناعي Cosmos التي تم الإعلان عنها في CES في يناير.

الآن، يركز المختبر على جعل هذه النماذج أسرع. عند لعب لعبة فيديو أو محاكاة، تريد أن يكون للتقنية القدرة على الرد في الوقت الحقيقي، قالت فيدلر، أما بالنسبة للروبوتات فهم يعملون على جعل وقت الاستجابة أسرع.

“لا يحتاج الروبوت إلى مراقبة العالم بنفس الوقت، بنفس الطريقة التي يعمل بها العالم”، قالت فيدلر. “يمكنه مراقبته بشكل أسرع 100 مرة. لذا إذا تمكنا من جعل هذا النموذج أسرع بكثير مما هو عليه اليوم، فسوف تكون له فائدة كبيرة لتطبيقات الروبوتات أو الذكاء الاصطناعي الفيزيائي.”

تواصل الشركة إحراز تقدم في هذا الهدف. أعلنت إنفيديا عن مجموعة من نماذج الذكاء الاصطناعي العالمية الجديدة المصممة لإنشاء بيانات اصطناعية يمكن استخدامها لتدريب الروبوتات في مؤتمر الرسوميات الحاسوبية SIGGRAPH يوم الإثنين. كما أعلنت إنفيديا أيضًا عن مكتبات جديدة وبرمجيات بنية تحتية تهدف إلى مطوري الروبوتات.

على الرغم من التقدم – والضجيج الحالي حول الروبوتات، وخاصة البشرية – يبقى فريق الأبحاث في إنفيديا واقعيًا.

قال كل من دالي وفيدلر إن الصناعة لا تزال على بعد سنوات قليلة على الأقل من الحصول على إنسان آلي في منزلك، حيث قارنّت فيدلر ذلك مع الضجيج والجدول الزمني بشأن المركبات الذاتية القيادة.

“نحن نحرز تقدمًا كبيرًا وأعتقد أنك تعرف أن الذكاء الاصطناعي كان المحرك هنا”، قال دالي. “بدءًا من الذكاء الاصطناعي البصري لإدراك الروبوتات، ثم تعرف الذكاء الاصطناعي التوليدي، الذي يكون ذا قيمة كبيرة عند التخطيط للحركات والمهام والتلاعب. مع حل كل من هذه المشكلات الفردية ومع زيادة كمية البيانات التي لدينا لتدريب شبكاتنا، ستزداد هذه الروبوتات.”


المصدر

Exit mobile version