Alle konzentrieren sich darauf, wer die auffälligste humanoide Demo liefert. Jim Fan hat Ihnen gerade das eigentliche Rennen erklärt: Wer kann genügend synthetische Physikdaten generieren, um eine Lücke von 100.000 Jahren zu schließen. Diese Zahl ist keine Übertreibung. Ken Goldberg von Berkeley hat berechnet, dass die Textdaten, die zum Trainieren von LLMs verwendet werden, 100.000 Jahre dauern würden, um von einem Menschen gelesen zu werden. Roboter haben fast keinen Zugang zu dem Äquivalent für physische Manipulation. Jeder Griff, jeder Stolperer, jede Gewichtsverlagerung muss von Grund auf neu gelernt oder simuliert werden. Deshalb liefert Fans Labor innerhalb von neun Monaten drei Modellversionen (N1 im März, N1.5 im Juni, N1.6 im Dezember), während die meisten Robotikunternehmen immer noch reale Demos sammeln. NVIDIA konkurriert nicht nur im Hardware-Bereich. Sie konkurrieren mit ihrer Fähigkeit, unbegrenzte synthetische Trainingsdaten über Omniverse zu generieren. Der GR00T-Stack offenbart die Strategie: GR00T Dreams generiert synthetische Videodaten. GR00T-Gen erstellt Simulationsumgebungen. GR00T-Mimic generiert Trajektorien. Jedes Element existiert, um die Physikdaten zu erzeugen, die im Internet nicht existieren. Fans Rahmen „Physikalischer Turing-Test“ ist präzise. Wir werden Systeme bauen, die über Proteine nachdenken und Theoreme beweisen können, bevor wir Systeme bauen, die zuverlässig Wäsche falten können. Physical Intelligence hat dies letzte Woche demonstriert, als sie die Aufgaben der „Robot Olympics“-Herausforderung von Benjie Holson angegangen sind. Ihr Modell hat in 3 von 5 Kategorien Goldmedaillen gewonnen. Aber beachten Sie, was sie nicht lösen konnten: Aufgaben, die den Einsatz von Werkzeugen mit spezifischen physikalischen Eigenschaften erforderten. Die Grenze ist nicht das Denken. Es sind die Kontaktdynamiken. OpenAI und Anthropic skalieren, indem sie das Internet durchsuchen. Physikalische KI hat kein Internet, das sie durchsuchen kann. Das Team, das gewinnt, ist das, das herausfindet, wie man 100 Millionen Stunden physikalische Erfahrung in Simulationen herstellt und in die reale Welt überträgt. NVIDIA mit seinem Grafik-DNA, der Simulationsinfrastruktur und einem 30-köpfigen Team, das systematisch Grundmodelle open-source macht, könnte besser positioniert sein als jeder andere, um genau das zu tun.