Усі зосереджені на тому, хто випустить найяскравіший гуманоїдний демо. Джим Фан щойно розповів вам про саму гонку: хто зможе створити достатньо даних синтетичної фізики, щоб закрити 100 000-річний розрив. Ця цифра не є перебільшенням. Кен Голдберг з Берклі підрахував, що текстові дані, які використовуються для навчання LLM, потребують 100 000 років, щоб людина могла прочитати. Роботи майже не мають доступу до таких еквівалентів для фізичних маніпуляцій. Кожне захоплення, кожне спотикання, кожне зміщення ваги потрібно вивчати з нуля або змоделювати. Ось чому лабораторія Fan випускає три версії моделей за дев'ять місяців (N1 у березні, N1.5 у червні, N1.6 у грудні), тоді як більшість компаній з робототехніки все ще збирають реальні демонстрації. NVIDIA конкурує не лише за апаратним забезпеченням. Вони конкурують у своїй здатності генерувати необмежені синтетичні тренувальні дані через Omniverse. Стек GR00T розкриває стратегію: GR00T Dreams генерує синтетичні відеодані. GR00T-Gen створює середовища для симуляції. GR00T-Mimic генерує траєкторії. Кожен компонент існує для створення фізичних даних, яких немає в інтернеті. Рамка Фана «Фізичного тесту Тюрінга» є точною. Ми будемо створювати системи, які зможуть міркувати про білки та доводити теореми, перш ніж створити системи, які надійно складають білизну. Фізичний інтелект продемонстрував це минулого тижня, коли взявся за завдання «Robot Olympics» Бенджі Голсона. Їхня модель здобула золоті медалі у 3 із 5 категорій. Але зверніть увагу на те, що вони не змогли вирішити: завдання, що вимагають використання інструментів із певними фізичними властивостями. Фронтир — це не міркування. Це контактна динаміка. OpenAI та Anthropic масштабуються, скрапінгуючи з інтернету. Фізичний ШІ не має інтернету, який можна було б використати. Команда, яка перемагає, — це той, хто знайде, як створити 100 мільйонів годин фізичного досвіду в симуляції та передати його у реальний світ. NVIDIA зі своєю графічною ДНК, інфраструктурою симуляції та командою з 30 осіб, яка систематично відкриває базові моделі, може бути краще підготовлена для цього.