فيزيكال تجمع 10 ملايين دولار لتمكين الروبوتات عبر عوالم ثلاثية الأبعاد عالية الدقة

أغلقت فيزيكال (Physicl)، المشروع الجديد من رائد الأعمال المتسلسل أليكس دي فيجان، جولة تمويل بذري بقيمة 10 ملايين دولار بقيادة إنوفيا كابيتال (Inovia Capital). تنبثق الشركة الناشئة من الفريق الذي بنى nfinite، والذي قضى عقداً في تطوير منصة تحول بيانات المنتجات الفوضوية إلى أصول ثلاثية الأبعاد واقعية للتجارة الإلكترونية. عندما بدأ الذكاء الاصطناعي التوليدي بإزاحة ذلك العمل، أدرك دي فيجان مشكلة أصعب يمكن أن يبرع فيها نفس خط الإنتاج: تعليم الروبوتات فهم العالم المادي والتلاعب به.

لماذا تُعد دقة المحاكاة حاسمة للروبوتات

تدريب الروبوتات على الفيديو وحده ينتج سياسات هشة. بيانات التشغيل عن بعد في العالم الحقيقي مكلفة وبطيئة الجمع. توفر المحاكاة عالية الدقة بديلاً قابلاً للتوسع، ولكن فقط إذا كانت العوالم الافتراضية تحترم الفيزياء الحقيقية — هندسة صحيحة، خصائص مواد، إضاءة، وديناميكيات تلامس. يطلق منتج ستوديو (Studio) من فيزيكال مع 10,000 بيئة ثلاثية الأبعاد منسقة و100,000 أصل، مما يتيح للمهندسين توليد مجموعات بيانات اصطناعية مستهدفة لحالات حافة مثل اكتشاف الأجسام في الفوضى أو تحت ظلال متغيرة.

المتبني المبكر سباشال (SpAItial)، باني نماذج العالم، استخدم بيانات فيزيكال لتدريب نظامه الأخير إيكو-3 (Echo-3)، الذي يعيد بناء محاكاة ثلاثية الأبعاد من صور ثنائية الأبعاد. يبرز التعاون تزايداً في المكدس التقني: بُناة النماذج الأساسية يحتاجون إلى كوربورات اصطناعية ضخمة ومُرسّخة فيزيائياً، ويحتاجون أدوات لتوليدها باستمرار من تيارات حساسة خام — صور، ليدار، فيديو — بمقياس تريليونات الرموز.

لماذا هذا مهم لبنية GPU / الذكاء الاصطناعي التحتية: سير عمل فيزيكال — استيعاب لقطات حقيقية غير متجانسة، إعادة بناء مشاهد ثلاثية الأبعاد عالية الدقة، وعرض مليارات إطارات التدريب — هو خط إنتاج مرتبط جوهرياً بـ GPU. كل مرحلة (إعادة بناء NeRF/3D Gaussian، محاكاة فيزيائية، عرض قابل للتفاضل، توليد مجموعات بيانات) تتوسع مع الحوسبة. مع نمو نماذج الأساس للروبوتات، سيتسارع الطلب على عناقيد GPU عند الطلب التي يمكنها اجتياز مهام البيانات الاصطناعية بحجم بيتابايت. إنفيديا (AiGpu) مُتموضعة لخدمة ملف الحمل هذا بالضبط.