Kaikki keskittyvät siihen, kuka julkaisee näyttävimmän humanoidi-demon. Jim Fan kertoi juuri varsinaisen kilpailun: kuka pystyy tuottamaan tarpeeksi synteettisen fysiikan dataa kaventamaan 100 000 vuoden kuilun. Tuo luku ei ole liioittelua. Ken Goldberg Berkeleyssä laski, että tekstidata, jota käytetään LLM:ien kouluttamiseen, kestäisi ihmisen lukea 100 000 vuotta. Roboteilla ei ole juuri lainkaan sellaista fyysistä manipulointia varten. Jokainen ote, jokainen kompastus, jokainen painonsiirto täytyy oppia alusta asti tai simuloida. Tästä syystä Fan's Lab toimittaa kolme malliversiota yhdeksässä kuukaudessa (N1 maaliskuussa, N1.5 kesäkuussa, N1.6 joulukuussa), kun taas useimmat robotiikkayritykset keräävät edelleen todellisia demoja. NVIDIA ei kilpaile pelkästään laitteistolla. He kilpailevat kyvystään tuottaa rajatonta synteettistä koulutusdataa Omniversen kautta. GR00T-pino paljastaa strategian: GR00T Dreams tuottaa synteettistä videodataa. GR00T-Gen luo simulaatioympäristöjä. GR00T-Mimic generoi lentoratoja. Jokainen komponentti on olemassa fysiikan datan valmistamiseksi, jota ei ole internetissä. Fanin "fyysinen Turingin testi" -kehys on tarkka. Rakennamme järjestelmiä, jotka voivat järkeillä proteiineista ja todistaa teoreemoja ennen kuin rakennamme järjestelmiä, jotka pystyvät luotettavasti taittamaan pyykkiä. Fyysinen älykkyys osoitti tämän viime viikolla, kun he tarttuivat Benjie Holsonin "Robot Olympics" -haasteisiin. Heidän mallinsa voitti kultamitalit kolmessa viidestä kategoriasta. Mutta huomaa, mitä he eivät pystyneet ratkaisemaan: tehtävät, jotka vaativat työkalujen käyttöä ja joilla on tiettyjä fyysisiä ominaisuuksia. Rajaseutu ei ole järkeilyä. Kyse on kontaktidynamiikasta. OpenAI ja Anthropic skaalautuvat kaapamalla internetiä. Fyysisellä tekoälyllä ei ole internetiä kaapattavaksi. Voittava tiimi on se, joka keksii, miten tuottaa 100 miljoonaa tuntia fysiikkakokemusta simulaatiossa ja siirtää sen todelliseen maailmaan. NVIDIA grafiikka-DNA:llaan, simulaatioinfrastruktuurillaan ja 30-henkisellä tiimillään, joka systemaattisesti avaa lähdekoodin perustusmallit, saattaa olla paremmassa asemassa kuin kukaan muu tekemään juuri tämän.