上一次我與英偉達公司（NVIDIA）就機器人技術進行深入交流，還是我們在 "會議 "活動中邀請克萊爾-德勞內（Claire Delaunay）上臺發言的時候。那已經是很久以前的事了。去年七月，她離開了英偉達，轉而與初創公司合作并從事投資。事實上，兩周前她又回到了 TechCrunch 的 Disrupt 舞臺，討論她作為農業科技公司 Farm-ng 董事會顧問的工作。

這并不是說 Nvidia 在發布了最近幾份財報后急于尋求正面的支持，但有必要指出該公司的機器人戰略近年來取得了多大的成效。在許多人看來，機器人技術超越制造業成為主流仍是癡人說夢之時，Nvidia 卻在這一領域投入了大量資金。四月標志著 TK1 推出十年。Nvidia 當時是這樣描述這款產品的："Jetson TK1 將 Tegra K1 的功能集成到一個小巧、低功耗的平臺中，讓開發變得像在 PC 上開發一樣簡單。"

今年 2 月，該公司指出："目前，全球有 100 萬開發人員正在使用 Nvidia Jetson 平臺進行邊緣人工智能和機器人技術的開發，以構建創新技術。此外，6000 多家公司（其中三分之一是初創公司）已將該平臺與他們的產品集成。"

你很難找到一個沒有花時間使用過該平臺的機器人開發者，坦白說，從業余愛好者到跨國公司，用戶范圍之廣令人矚目。這正是像 Arduino 這樣的公司所希望看到的。

上周，我參觀了該公司在加州圣克拉拉的大型辦公室。這些大樓于 2018 年啟用，從圣托馬斯高速公路上是不可能錯過的。事實上，有一座人行天橋橫跨公路，連接著新舊總部。新總部主要由兩棟大樓組成：Voyager 和 Endeavor，分別占地 50 萬平方英尺和 75 萬平方英尺。

兩座大樓之間是一條戶外人行道，兩旁綠樹成蔭，下面是縱橫交錯的大棚架，棚架上支撐著太陽能電池陣。近年來，南灣大型科技總部之爭已進入白熱化階段，但當你在印鈔票時，購買土地和建造辦公室可能是引導鈔票的最佳方式。問問蘋果、谷歌和 Facebook 就知道了。

與此同時，Nvidia 進入機器人領域也得益于各種機緣巧合。從設計和制造到創建能夠執行日益復雜任務的低功耗系統，該公司對硅技術的了解不亞于世界上任何一家公司。對于一個越來越重視人工智能和 ML 的世界來說，這些都是基礎。與此同時，Nvidia 在游戲方面的廣博知識已被證明是 Isaac Sim（其機器人仿真平臺）的巨大資產。這真是一場完美的風暴。

在 8 月份的 SIGGRAPH 大會上，首席執行官黃仁勛解釋說："我們意識到光柵化已經達到了極限。2018 年是'賭上公司'的時刻。這要求我們重塑硬件、軟件和算法。在我們用人工智能重塑 CG 的同時，我們也在為人工智能重塑 GPU。"

在一些演示之后，我與 Nvidia 副總裁兼嵌入式與邊緣計算部總經理 Deepu Talla 坐了下來。當我們開始交談時，他指了指遠處墻上運行 Jetson 平臺的思科電話會議系統。說到 Jetson，我們往往會聯想到典型的 自主移動機器人（AMR）。

"大多數人認為機器人是一種有形的東西，通常有胳膊、腿、翅膀或輪子--也就是你認為的由內而外的感知。"他在談到辦公設備時指出："就像人類一樣。人類有傳感器來觀察周圍環境，收集態勢感知。還有一種叫外向型機器人。這些東西不會移動。想象一下，你的大樓里有攝像頭和傳感器。它們能夠看到發生了什么。我們有一個名為 Nvidia Metropolis 的平臺。它具有視頻分析功能，可擴展至交通路口、機場和零售環境。

當你們在 2015 年展示 Jetson 系統時，最初的反應如何？它來自一家大多數人都會聯想到游戲的公司。

是的，不過這種情況正在改變。但你說得沒錯。這就是大多數消費者所習慣的。當時人工智能還是個新生事物，你必須解釋清楚你所理解的用例是什么。2015 年 11 月，詹森（黃）和我去舊金山展示了一些東西。我們舉的例子是自主無人機。如果你想做一架自主無人機，需要什么條件？你需要有這么多傳感器，需要處理這么多幀，需要識別這些。我們做了一些粗略的計算，以確定我們需要多少計算量。如果你今天想這么做，你有什么選擇？當時還沒有這樣的技術。

Nvidia 的游戲歷史是如何影響其機器人項目的？

我們剛成立公司時，游戲是我們制造 GPU 的資金來源。后來，我們在 GPU 中加入了 CUDA，使其可以用于非圖形應用。CUDA 從根本上讓我們進入了人工智能領域。現在，由于光線追蹤等技術的出現，人工智能正在為游戲提供幫助。說到底，我們是在用 GPU 構建微處理器。我們談到的所有中間件都是一樣的。CUDA對于機器人、高性能計算、云計算中的人工智能都是一樣的。不是每個人都需要使用 CUDA 的所有部分，但都是一樣的。

Isaac Sim 與 [Open Robotics'] Gazebo 相比如何？

Gazebo 是一個很好的基本模擬器，可以進行有限的模擬。我們并不想取代 Gazebo。Gazebo 對于完成基本任務很有幫助。我們提供了一個簡單的 ROS 橋接器，將 Gazebo 與 Isaac Sim 連接起來。但 Isaac 能做別人做不了的事。它建立在 Omniverse 的基礎之上。你在 Omniverse 中擁有的所有功能都能在 Isaac Sim 中實現。它還可以插入任何人工智能模式、任何框架，以及我們在現實世界中做的所有事情。你可以將它插入所有的自主模式。它還具有視覺保真度。

你并不想與 ROS 競爭。

不會，不會！請記住，我們正在努力打造一個平臺。我們希望與每個人建立聯系，幫助其他人利用我們的平臺，就像我們利用他們的平臺一樣。競爭毫無意義。

你們與研究型大學合作嗎？

當然有。迪特爾-福克斯是 Nvidia 機器人研究的負責人。他還是華盛頓大學機器人學教授。我們的許多研究成員也有雙重背景。在很多情況下，他們都隸屬于大學。我們發表論文。當你在做研究時，研究必須是公開的。

你們是否就部署或車隊管理等問題與最終用戶合作？

可能沒有。例如，如果約翰迪爾在銷售拖拉機，農民不會與我們交談。通常是車隊管理。我們有工具可以幫助他們，但車隊管理是由提供服務或制造機器人的人完成的。

機器人技術何時成為 Nvidia 的一塊拼圖？

我想說，2010 年代初。那是人工智能出現的時候。我認為深度學習第一次出現在整個世界是在 2012 年。最近有一份關于布萊恩-卡坦扎羅（Bryan Catanzaro）的資料。他隨即在 LinkedIn 上說：[全文摘自 LinkedIn 帖子]"我并沒有真正說服詹森，而只是向他解釋了深度學習。他立刻形成了自己的信念，并將 Nvidia 轉為一家人工智能公司。這讓我深受鼓舞，有時我仍然不敢相信自己能在現場見證 Nvidia 的轉變。"

2015 年，我們不僅開始為云計算提供人工智能，還開始為捷信和自動駕駛提供 EDGE。

當你與人討論生成式人工智能時，如何讓他們相信這不僅僅是一種時尚？

我認為這可以用結果來說話。你已經可以看到生產力的提高。它可以為我撰寫電子郵件。雖然不是完全正確，但我不必從零開始。它能幫我完成 70%。有些顯而易見的事情，你已經可以看到，它的功能絕對比以前好了一大步。總結一些不完美的地方。我不會讓它替我閱讀和總結。所以，你已經可以看到一些生產力提高的跡象了。