Iedereen is gefocust op wie de meest opvallende humanoïde demo levert. Jim Fan heeft je net verteld over de werkelijke race: wie genoeg synthetische fysica-gegevens kan genereren om een kloof van 100.000 jaar te dichten. Dat getal is geen hyperbool. Ken Goldberg van Berkeley heeft berekend dat de tekstgegevens die gebruikt worden om LLM's te trainen, 100.000 jaar zouden kosten voor een mens om te lezen. Robots hebben bijna geen toegang tot dat equivalent voor fysieke manipulatie. Elke greep, elke struikelpartij, elke gewichtverschuiving moet vanaf nul worden geleerd of gesimuleerd. Dit is waarom het lab van Fan drie modelversies in negen maanden uitbrengt (N1 in maart, N1.5 in juni, N1.6 in december) terwijl de meeste robotica bedrijven nog steeds echte werelddemo's verzamelen. NVIDIA concurreert niet alleen op hardware. Ze concurreren op hun vermogen om onbeperkte synthetische trainingsgegevens te genereren via Omniverse. De GR00T-stack onthult de strategie: GR00T Dreams genereert synthetische videogegevens. GR00T-Gen creëert simulatieomgevingen. GR00T-Mimic genereert trajecten. Elk onderdeel bestaat om de fysica-gegevens te fabriceren die niet op het internet bestaan. De framing van Fan's "Physical Turing Test" is precies. We zullen systemen bouwen die kunnen redeneren over eiwitten en stellingen kunnen bewijzen voordat we systemen bouwen die betrouwbaar de was kunnen vouwen. Physical Intelligence heeft dit vorige week aangetoond toen ze de "Robot Olympics" uitdagingstaken van Benjie Holson aanpakten. Hun model behaalde gouden medailles in 3 van de 5 categorieën. Maar let op wat ze niet konden oplossen: taken die gereedschapgebruik met specifieke fysieke eigenschappen vereisen. De grens is niet redeneren. Het is contactdynamica. OpenAI en Anthropic schalen door het internet te scrapen. Fysieke AI heeft geen internet om te scrapen. Het team dat wint, is degene die uitvindt hoe je 100 miljoen uur aan fysica-ervaring binnen simulatie kunt fabriceren en het naar de echte wereld kunt overbrengen. NVIDIA, met zijn grafische DNA, simulatie-infrastructuur en een team van 30 personen dat systematisch basismodellen open-source maakt, zou beter gepositioneerd kunnen zijn dan wie dan ook om precies dat te doen.