Nachrichtenzusammenfassung:
- Der Blueprint ermöglicht die Verarbeitung und Kuratierung von Daten in großem Maßstab, die Generierung synthetischer Daten, bestärkendes Lernen und die Bewertung physischer KI-Modelle für Vision-KI-Agenten, Robotik und autonome Fahrzeuge.
- Cloud-Service-Anbieter wie Microsoft Azure und Nebius bieten den Blueprint an, um globale Rechenleistung in agentenbasierte schlüsselfertige Datenproduktions-Engines zu verwandeln.
- Führende Entwickler physischer KI wie FieldAI, Hexagon Robotics, Linker Vision, Milestone Systems, Skild AI, Uber und Teradyne Robotics nutzen den Blueprint, um die Entwicklung von Robotik, Vision-KI-Agenten und autonomen Fahrzeugen zu beschleunigen.
GTC—NVIDIA hat heute den NVIDIA Physical AI Data Factory Blueprint angekündigt, eine offene Referenzarchitektur, die die Generierung, Augmentation und Bewertung von Trainingsdaten vereinheitlicht und automatisiert. Dadurch werden Kosten, Zeit und Komplexität beim Training physischer KI-Systeme in großem Maßstab reduziert.
Der Blueprint ermöglicht es Entwicklern, NVIDIA Cosmos™ Open-World-Foundation-Modelle und führende Coding-Agenten zu nutzen, um begrenzte Trainingsdaten in umfangreiche, vielfältige Datensätze zu verwandeln – darunter seltene Edge-Fälle und Long-Tail-Szenarien, deren Erfassung in der realen Welt kostspielig, zeitaufwendig und oft unpraktikabel ist.
NVIDIA arbeitet mit Microsoft Azure und Nebius zusammen, um den offenen Blueprint in ihre Cloud-Infrastruktur und -Dienste zu integrieren, sodass Entwickler aus beschleunigter Rechenleistung umfangreiche Trainingsdaten gewinnen können. Führende Entwickler physischer KI wie FieldAI, Hexagon Robotics, Linker Vision, Milestone Systems, RoboForce, Skild AI, Teradyne Robotics und Uber nutzen den Blueprint, um die Entwicklung von Robotik, Vision-KI-Agenten und autonomen Fahrzeugen zu beschleunigen.
„Physische KI ist die nächste Herausforderung der KI-Revolution, deren Erfolg von der Fähigkeit abhängt, riesige Datenmengen zu generieren“, erklärt Rev Lebaredian, Vice President of Omniverse and Simulation Technologies bei NVIDIA. „Gemeinsam mit führenden Cloud-Anbietern stellen wir eine neuartige Agent-Engine bereit, die Rechenleistung in hochwertige Daten umwandelt, die für die nächste Generation autonomer Systeme und Roboter erforderlich sind. In dieser neuen Ära ist Rechenleistung gleichbedeutend mit Daten.“
Eine einheitliche Engine für die Entwicklung physischer KI
Physische KI folgt den Skalierungsgesetzen: Mit zunehmender Daten-, Rechen- und Modellkapazität verbessert sich die Leistung. Der Blueprint für die physische KI Data Factory dient als eine einheitliche Referenzarchitektur, die Teams durch modulare, automatisierte Workflows von Rohdaten zu modellfertigen Trainingssätzen führt:
- Kuratieren und Suchen: NVIDIA Cosmos Curator verarbeitet, verfeinert und kommentiert große Datensätze aus der realen Welt sowie synthetische Datensätze.
- Augmentieren und Vervielfältigen: Cosmos Transfer erweitert und diversifiziert kuratierte Daten exponentiell. Dabei werden reale und simulierte Eingaben vervielfacht, um seltene und Long-Tail-Szenarien in verschiedenen Umgebungen und unter unterschiedlichen Lichtverhältnissen besser zu erfassen.
- Bewerten und Validieren: NVIDIA Cosmos Evaluator, der von Cosmos Reason unterstützt wird und jetzt auf GitHub verfügbar ist, bewertet, verifiziert und filtert generierte Daten automatisch, um die physikalische Genauigkeit und die Trainingsbereitschaft zu gewährleisten.
NVIDIA nutzt den Blueprint für die physische KI Data Factory, um NVIDIA Alpamayo zu trainieren und zu bewerten, die weltweit ersten auf offenem Reasoning basierenden Vision-Language-Aktionsmodelle für autonomes Fahren im Long-Tail-Bereich. Skild AI nutzt den Blueprint, um allgemeine Roboter-Foundation-Modelle weiterzuentwickeln, während Uber ihn nutzt, um die Entwicklung autonomer Fahrzeuge zu beschleunigen.
Agentenbasierte Orchestrierung in großem Maßstab
Viele Robotik-Entwickler sind nicht für die Errichtung und Verwaltung der komplexen KI-Infrastruktur gerüstet, die für die Generierung von Daten in großem Maßstab erforderlich ist.
NVIDIA OSMO, ein Open-Source-Orchestrierungs-Framework, vereinheitlicht und verwaltet diese Workflows in Rechenumgebungen. Dadurch werden manuelle Aufgaben reduziert, sodass sich Entwickler auf die Entwicklung ihrer Modelle konzentrieren können.
OSMO lässt sich jetzt in führende Kodierungsagenten wie Claude Code, OpenAI Codex und Cursor integrieren. Dadurch werden KI-native Operationen ermöglicht, mit denen Agenten Ressourcen proaktiv verwalten, Engpässe beseitigen und die Bereitstellung von Modellen in großem Maßstab beschleunigen.
Das globale Ökosystem physischer KI vorantreiben
Cloud-Service-Anbieter spielen eine entscheidende Rolle bei der Bereitstellung der beschleunigten KI-Infrastruktur, maschinellen Lernprozessen und Orchestrierungsdiensten, die Entwickler für die Entwicklung und Bereitstellung physischer KI in großem Maßstab benötigen.
Microsoft Azure integriert den Physical AI Data Factory Blueprint in eine offene physische KI-Toolchain, die jetzt auf GitHub verfügbar ist. Der Blueprint bietet eine Integration mit Azure-Diensten – darunter Azure IoT Operations, Microsoft Fabric, Real-Time Intelligence, Microsoft Foundry und GitHub Copilot – um unternehmensgerechte, agentengesteuerte Workflows für das schnelle Training und die Validierung physischer KI-Systeme in großem Maßstab bereitzustellen.
FieldAI, Hexagon Robotics, Linker Vision und Teradyne Robotics gehören zu den ersten, die die Azure-Toolchain für physische KI testen, um die Generierung, Augmentation und Bewertung von Daten in ihren Pipelines für Wahrnehmung, Mobilität und bestärkendes Lernen zu beschleunigen und zu skalieren.
Nebius hat OSMO in seine KI-Cloud integriert, sodass Entwickler mit dem Blueprint produktionsreife Datenpipelines bereitstellen können, die auf ihre Anforderungen zugeschnitten sind. Die Infrastruktur von Nebius unterstützt den physischen KI-Stack End-to-End, indem sie NVIDIA RTX PRO™ 6000 Blackwell Server Edition-GPUs mit ultraschnellem Objekt-Datenspeicher, nativem Datenmanagement und -kennzeichnung, serverloser Ausführung und integrierter verwalteter Inferenz kombiniert.
Erste Anwender wie Milestone Systems, Voxel51 und RoboForce nutzen den Blueprint auf der Nebius-Infrastruktur, um die Entwicklung von Modellen für KI-Agenten für die Videoanalyse, autonome Fahrzeuge und humanoide Industrieroboter zu beschleunigen.
Der NVIDIA Physical AI Data Factory Blueprint wird voraussichtlich im April auf GitHub verfügbar sein.
Sehen Sie sich die GTC-Keynote von NVIDIA-Gründer und CEO Jensen Huang an und besuchen Sie die Sessions.