在首席科学家 Bill Dally 的领导下，英伟达的研究实验室从一个专注于图形技术的小团队，发展成为拥有 400 多名研究员的核心部门。该实验室通过早期布局 AI 专用 GPU，成功推动了公司转型为 AI 巨头。如今，实验室正将重心转向物理 AI 与机器人技术，旨在为未来的机器人提供核心“大脑”，并已将部分研究成果转化为实际产品。
从小型团队到核心引擎
2009 年，当 Bill Dally 加入时，英伟达的研究实验室只有十几名员工，主要研究光线追踪技术。在 Dally 接管后，实验室迅速扩张，开始探索更多领域。
- 招募关键人物：公司首席执行官黄仁勋亲自说服时任斯坦福大学计算机科学系主任的 Dally 全职加入。
- 扩展研究领域：实验室的研究范围很快超出了图形学，拓展到电路设计和超大规模集成电路 (VLSI) 等对芯片制造至关重要的领域。
“我一直在寻找一个能让我为世界做出最大贡献的地方。对我来说，这个地方无疑就是英伟达。” — Bill Dally
抓住 AI 浪潮的先机
英伟达很早就预见到了 AI 的潜力。早在 2010 年，远在当前 AI 热潮之前，实验室就开始探索将 GPU 用于人工智能。
- 早期信念：Dally 和他的团队相信 AI 将“彻底改变世界”，并说服了黄仁勋加倍投入。
- 核心战略：
- 专门为 AI 优化 GPU。
- 开发支持 AI 的大量软件。
- 与全球顶尖的 AI 研究人员合作。
这个长达十多年的提前布局，为英伟达在后来的 AI 时代占据绝对领先地位奠定了基础。
新的目标：物理 AI 与机器人
随着在 AI GPU 市场取得主导地位，英伟达开始寻找数据中心之外的新增长点。机器人和物理 AI 成为了新的焦点。
“最终，机器人将在世界上扮演举足轻重的角色，我们希望为所有机器人制造大脑。” — Bill Dally
为了实现这一目标，公司于 2018 年引进了 AI 研究副总裁 Sanja Fidler。她领导团队在多伦多建立了一个专注于为物理 AI 构建模拟环境的研究实验室。
攻克技术挑战
开发机器人“大脑”需要解决一系列复杂的技术问题，其中最核心的是如何让 AI 理解物理世界。
- 数据难题：首要挑战是获取用于训练的 3D 数据。团队需要开发新技术，将 2D 图像和视频转化为可供模拟器使用的 3D 模型。
- 关键技术：实验室投资研发了“可微分渲染”技术，这是一种能让 AI 从图像反向推导出 3D 模型的关键方法。
- 追求速度：目前，实验室的重点是让这些世界模型运行得比实时更快。机器人不需要以正常速度观察世界，如果能以 100 倍的速度在模拟环境中学习，其训练效率将极大提升。
尽管目前围绕人形机器人的讨论非常火热，但研究团队保持着清醒的认识。他们认为，通用机器人进入家庭还需要数年时间，其发展路径可能类似于自动驾驶汽车。随着数据不断积累和关键技术逐一被攻克，机器人的能力将持续成长。