Nvidia เร่งเดิมพันในตลาด "หุ่นยนต์" เพื่อขับเคลื่อนการเติบโตในอนาคต
Nvidia บริษัทชิปสัญชาติอเมริกา กำลังมองหาการเติบโตครั้งใหม่ผ่านเทคโนโลยีหุ่นยนต์ ในขณะที่เผชิญกับการแข่งขันที่เพิ่มขึ้นในธุรกิจชิป AI หลักของตนเอง
Nvidia ซึ่งเป็นบริษัทเซมิคอนดักเตอร์ที่มีมูลค่ามากที่สุดในโลก กำลังเตรียมเปิดตัวคอมพิวเตอร์ขนาดกะทัดรุนสำหรับหุ่นยนต์ฮิวแมนนอยด์รุ่นล่าสุดที่มีชื่อว่า Jetson Thor ภายในครึ่งแรกของปี 2025
บริษัทกำลังวางตำแหน่งให้ตัวเองเป็นผู้นำด้านแพลตฟอร์มเทคโนโลยีที่ Nvidia เชื่อว่ากำลังจะเกิด "การปฏิวัติหุ่นยนต์" ในไม่ช้า โดยนำเสนอ “โซลูชันแบบครบวงจร” ตั้งแต่ซอฟต์แวร์สำหรับการฝึกหุ่นยนต์ AI ไปจนถึงชิปที่ติดตั้งภายในตัวหุ่นยนต์
“ช่วงเวลาสำคัญของหุ่นยนต์ AI กำลังจะมาถึง” Deepu Talla รองประธานฝ่ายหุ่นยนต์ของ Nvidia กล่าว พร้อมเสริมว่าตลาดได้เข้าสู่ “จุดเปลี่ยนสำคัญ”
การมุ่งเน้นไปที่หุ่นยนต์ครั้งนี้เกิดขึ้นในขณะที่ Nvidia เผชิญกับการแข่งขันจากผู้ผลิตชิปรายอื่น เช่น AMD และกลุ่มบริษัทคลาวด์คอมพิวติ้งอย่าง Amazon, Microsoft และ Google ซึ่งต้องการลดการพึ่งพา Nvidia ในธุรกิจเซมิคอนดักเตอร์
ในเดือนกุมภาพันธ์ Nvidia เป็นหนึ่งในนักลงทุนรายใหญ่ เช่น Microsoft และ OpenAI ที่ร่วมลงทุนในบริษัท Figure AI ซึ่งเป็นบริษัทหุ่นยนต์ฮิวแมนนอยด์ มูลค่า $2.6 พันล้าน
แม้ว่าตลาดหุ่นยนต์ยังคงเป็นกลุ่มธุรกิจเฉพาะที่ยังสร้างผลตอบแทนไม่มากนัก และบริษัทสตาร์ทอัพหลายแห่งยังเผชิญกับความท้าทายในการขยายขนาดและลดต้นทุน แต่ Talla มองว่าความก้าวหน้าทางเทคโนโลยี AI และการฝึกหุ่นยนต์ในสภาพแวดล้อมจำลองกำลังเป็นจุดเปลี่ยนที่สำคัญ
“ในช่วง 12 เดือนที่ผ่านมาการจำลอง (Simulation) ได้พัฒนาจนสามารถทำการทดลองในสภาพแวดล้อมเสมือนจริงได้อย่างมีประสิทธิภาพมากขึ้น” Talla กล่าว
Nvidia กำลังพัฒนาเครื่องมือสำหรับการเทรนหุ่นยนต์ใน 3 ระยะ:
1. ซอฟต์แวร์สำหรับฝึกโมเดล AI พื้นฐาน (DGX)
2. แพลตฟอร์มจำลองสภาพแวดล้อมจริง (Omniverse)
3. ฮาร์ดแวร์ที่เป็น “สมอง” ของหุ่นยนต์ (Jetson)
ปัจจุบันบริษัทอย่าง Amazon ได้ใช้เทคโนโลยีจำลองหุ่นยนต์ของ Nvidia ในคลังสินค้า 3 แห่งในสหรัฐฯ ขณะที่ Toyota และ Boston Dynamics ก็เป็นหนึ่งในลูกค้าที่ใช้ซอฟต์แวร์ฝึกหุ่นยนต์จาก Nvidia
ปัจจุบันตลาดหุ่นยนต์ทั่วโลกมีมูลค่าประมาณ $7.8 หมื่นล้าน และคาดว่าจะเติบโตถึง $1.65 แสนล้านภายในปี 2029
อย่างไรก็ตาม David Rosen หัวหน้าห้องปฏิบัติการ Robust Autonomy Lab จาก Northeastern University ชี้ว่าความท้าทายยังคงอยู่ โดยเฉพาะเรื่องความปลอดภัยในการใช้งานจริงของหุ่นยนต์ที่ขับเคลื่อนด้วย AI
“เรายังไม่มีเครื่องมือที่มีประสิทธิภาพในการตรวจสอบความปลอดภัยของระบบ Machine Learning ในหุ่นยนต์ นี่คือหนึ่งในคำถามวิทยาศาสตร์ที่ยังคงเปิดกว้าง” Rosen กล่าว
- 8
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2024 Blockdit
