Все сосредоточены на том, кто представит самый эффектный демонстрационный образец гуманоидного робота. Джим Фан только что сказал вам о настоящей гонке: кто сможет сгенерировать достаточно синтетических физических данных, чтобы закрыть 100,000-летний разрыв. Это число не является гиперболой. Кен Голдберг из Беркли подсчитал, что текстовые данные, используемые для обучения LLM, потребуют 100,000 лет, чтобы прочитать человеку. У роботов почти нет аналогичных данных для физической манипуляции. Каждое схватывание, каждое спотыкание, каждое изменение веса нужно изучать с нуля или моделировать. Вот почему лаборатория Фана выпускает три версии модели за девять месяцев (N1 в марте, N1.5 в июне, N1.6 в декабре), в то время как большинство компаний по робототехнике все еще собирают реальные демонстрации. NVIDIA не конкурирует только на аппаратном уровне. Они конкурируют по своей способности генерировать неограниченные синтетические обучающие данные через Omniverse. Стек GR00T раскрывает стратегию: GR00T Dreams генерирует синтетические видеоданные. GR00T-Gen создает симуляционные среды. GR00T-Mimic генерирует траектории. Каждый компонент существует для производства физических данных, которых нет в интернете. Формулировка Фана "Физический тест Тьюринга" точна. Мы создадим системы, которые смогут рассуждать о белках и доказывать теоремы, прежде чем создадим системы, которые смогут надежно складывать белье. Physical Intelligence только что продемонстрировала это на прошлой неделе, когда они справились с задачами "Робот Олимпиады" Бенджи Холсона. Их модель завоевала золотые медали в 3 из 5 категорий. Но обратите внимание, что они не смогли решить: задачи, требующие использования инструментов с конкретными физическими свойствами. Граница не в рассуждении. Это динамика контакта. OpenAI и Anthropic масштабируются, собирая данные из интернета. Физическому ИИ некуда собирать данные. Команда, которая победит, — это та, которая поймет, как произвести 100 миллионов часов физического опыта внутри симуляции и перенести это в реальный мир. NVIDIA со своей графической ДНК, инфраструктурой симуляции и командой из 30 человек систематически открывает исходные модели, возможно, лучше всех подготовлена для того, чтобы сделать именно это.