CES मध्ये लास वेगासमध्ये, Nvidia ने अनेक AI प्रगतीवर प्रकाश टाकला, विशेषत: उत्पादनशील भौतिक AI वर लक्ष केंद्रित केले, ज्यामुळे कारखाने आणि गोदाम स्वयंचलनामध्ये क्रांती घडवण्याचे वचन दिले आहे. Nvidia चे उपाध्यक्ष Rev Lebaredian, ओम्निव्हर्स आणि सिम्युलेशन तंत्रज्ञान, त्यांनी स्पष्ट केले की AI च्या विकासासाठी डाटा सेंटर्ससाठी नवीन संगणकीय फ्रेमवर्क आवश्यक आहे, ज्याला AI फॅक्टरी बांधण्यासारखे म्हटले जाते. मोठ्या भाषा मॉडेल्सच्या विपरीत जे पुढच्या शब्द किंवा पिक्सलचा अंदाज घेतात, भौतिक AI मॉडेल्सला त्रि-आयामी जगाचे आकलन करावे लागते, ज्याचा परिणाम आरोग्य क्षेत्रापासून स्मार्ट शहरांपर्यंत होतो. Lebaredian एक अशी काळाची अपेक्षा करतात जिथे कोट्यवधी भौतिक व आभासी रोबोट्स उद्योगात परिवर्तन घडवून आणतील. Nvidia रोबोट्सना तीन प्रकारांमध्ये वर्गीकृत करते: ज्ञान रोबोट्स (एजेंटिक AI), सर्वसाधारण व मानवाकृती रोबोट्स आणि स्वायत्त वाहने.

हे रोबोट्स, भौतिक AI मॉडेल्सद्वारे निर्देशित, त्यांच्या वातावरणाचे आकलन करू शकतात, पारंपारिक भाषा मॉडेल्सप्रमाणे नाही जे फक्त मजकूर किंवा प्रतिमा तयार करतात. Nvidia ची उद्दिष्टे AI ला 10 दशलक्ष कारखान्यांमध्ये आणि 200, 000 गोदामांमध्ये आणण्याचे आहेत, सध्याच्या हजारो मानविय प्रात्यक्षिके किंवा स्वायत्त वाहनांमधून व्यापक डेटा वापरण्याच्या पद्धतीला सोप्पे करणे. सिंथेटिक डेटा, जो Nvidia च्या DGX, Omniverse आणि AGX प्रणालींसारख्या साधनांद्वारे तयार केला जातो, AI मॉडेल्सला अधिक परिष्कृत करण्यात अत्यंत महत्त्वाचा आहे. Nvidia Cosmos ची ओळख, जी या प्रणालीला वाढवते, Nvidia Cosmos जनरेटिव्ह वर्ल्ड फाउंडेशन मॉडेल्स (WFMs) वापरते, वास्तविक-जागतिक परिस्थितीचे अनुकरण करण्यासाठी आणि फोटोरेअलिस्टिक, फिजिक्स-आधारित सिंथेटिक डेटा तयार करण्याचे सुलभपणे करण्यासाठी. हे नवकल्पना रोबोट्स आणि स्वायत्त वाहने प्रशिक्षण गतीने वाढवते, विकास अधिक कार्यक्षम बनवते. Nvidia ने एजेंटिक AI साठी Nemotron मॉडेल्स सुद्धा सादर केले, उच्च कार्यक्षमता आणि कमी खर्चासाठी अनुकूलित, मानवांसहित डिजिटल कार्यबलास समर्थन देणारी. हे मॉडेल्स Nvidia च्या संसाधनांचा फायदा घेऊन कार्यक्षमता वाढवतात आणि रोबोट्सना जटिल कार्ये अधिक कार्यक्षमतेने शिकवतात.