上一次我与英伟达公司（NVIDIA）就机器人技术进行深入交流，还是我们在 "会议 "活动中邀请克莱尔-德劳内（Claire Delaunay）上台发言的时候。那已经是很久以前的事了。去年七月，她离开了英伟达，转而与初创公司合作并从事投资。事实上，两周前她又回到了 TechCrunch 的 Disrupt 舞台，讨论她作为农业科技公司 Farm-ng 董事会顾问的工作。

这并不是说 Nvidia 在发布了最近几份财报后急于寻求正面的支持，但有必要指出该公司的机器人战略近年来取得了多大的成效。在许多人看来，机器人技术超越制造业成为主流仍是痴人说梦之时，Nvidia 却在这一领域投入了大量资金。四月标志着 TK1 推出十年。Nvidia 当时是这样描述这款产品的："Jetson TK1 将 Tegra K1 的功能集成到一个小巧、低功耗的平台中，让开发变得像在 PC 上开发一样简单。"

今年 2 月，该公司指出："目前，全球有 100 万开发人员正在使用 Nvidia Jetson 平台进行边缘人工智能和机器人技术的开发，以构建创新技术。此外，6000 多家公司（其中三分之一是初创公司）已将该平台与他们的产品集成。"

你很难找到一个没有花时间使用过该平台的机器人开发者，坦白说，从业余爱好者到跨国公司，用户范围之广令人瞩目。这正是像 Arduino 这样的公司所希望看到的。

上周，我参观了该公司在加州圣克拉拉的大型办公室。这些大楼于 2018 年启用，从圣托马斯高速公路上是不可能错过的。事实上，有一座人行天桥横跨公路，连接着新旧总部。新总部主要由两栋大楼组成：Voyager 和 Endeavor，分别占地 50 万平方英尺和 75 万平方英尺。

两座大楼之间是一条户外人行道，两旁绿树成荫，下面是纵横交错的大棚架，棚架上支撑着太阳能电池阵。近年来，南湾大型科技总部之争已进入白热化阶段，但当你在印钞票时，购买土地和建造办公室可能是引导钞票的最佳方式。问问苹果、谷歌和 Facebook 就知道了。

与此同时，Nvidia 进入机器人领域也得益于各种机缘巧合。从设计和制造到创建能够执行日益复杂任务的低功耗系统，该公司对硅技术的了解不亚于世界上任何一家公司。对于一个越来越重视人工智能和 ML 的世界来说，这些都是基础。与此同时，Nvidia 在游戏方面的广博知识已被证明是 Isaac Sim（其机器人仿真平台）的巨大资产。这真是一场完美的风暴。

在 8 月份的 SIGGRAPH 大会上，首席执行官黄仁勋解释说："我们意识到光栅化已经达到了极限。2018 年是'赌上公司'的时刻。这要求我们重塑硬件、软件和算法。在我们用人工智能重塑 CG 的同时，我们也在为人工智能重塑 GPU。"

在一些演示之后，我与 Nvidia 副总裁兼嵌入式与边缘计算部总经理 Deepu Talla 坐了下来。当我们开始交谈时，他指了指远处墙上运行 Jetson 平台的思科电话会议系统。说到 Jetson，我们往往会联想到典型的 自主移动机器人（AMR）。

"大多数人认为机器人是一种有形的东西，通常有胳膊、腿、翅膀或轮子--也就是你认为的由内而外的感知。"他在谈到办公设备时指出："就像人类一样。人类有传感器来观察周围环境，收集态势感知。还有一种叫外向型机器人。这些东西不会移动。想象一下，你的大楼里有摄像头和传感器。它们能够看到发生了什么。我们有一个名为 Nvidia Metropolis 的平台。它具有视频分析功能，可扩展至交通路口、机场和零售环境。

当你们在 2015 年展示 Jetson 系统时，最初的反应如何？它来自一家大多数人都会联想到游戏的公司。

是的，不过这种情况正在改变。但你说得没错。这就是大多数消费者所习惯的。当时人工智能还是个新生事物，你必须解释清楚你所理解的用例是什么。2015 年 11 月，詹森（黄）和我去旧金山展示了一些东西。我们举的例子是自主无人机。如果你想做一架自主无人机，需要什么条件？你需要有这么多传感器，需要处理这么多帧，需要识别这些。我们做了一些粗略的计算，以确定我们需要多少计算量。如果你今天想这么做，你有什么选择？当时还没有这样的技术。

Nvidia 的游戏历史是如何影响其机器人项目的？

我们刚成立公司时，游戏是我们制造 GPU 的资金来源。后来，我们在 GPU 中加入了 CUDA，使其可以用于非图形应用。CUDA 从根本上让我们进入了人工智能领域。现在，由于光线追踪等技术的出现，人工智能正在为游戏提供帮助。说到底，我们是在用 GPU 构建微处理器。我们谈到的所有中间件都是一样的。CUDA对于机器人、高性能计算、云计算中的人工智能都是一样的。不是每个人都需要使用 CUDA 的所有部分，但都是一样的。

Isaac Sim 与 [Open Robotics'] Gazebo 相比如何？

Gazebo 是一个很好的基本模拟器，可以进行有限的模拟。我们并不想取代 Gazebo。Gazebo 对于完成基本任务很有帮助。我们提供了一个简单的 ROS 桥接器，将 Gazebo 与 Isaac Sim 连接起来。但 Isaac 能做别人做不了的事。它建立在 Omniverse 的基础之上。你在 Omniverse 中拥有的所有功能都能在 Isaac Sim 中实现。它还可以插入任何人工智能模式、任何框架，以及我们在现实世界中做的所有事情。你可以将它插入所有的自主模式。它还具有视觉保真度。

你并不想与 ROS 竞争。

不会，不会！请记住，我们正在努力打造一个平台。我们希望与每个人建立联系，帮助其他人利用我们的平台，就像我们利用他们的平台一样。竞争毫无意义。

你们与研究型大学合作吗？

当然有。迪特尔-福克斯是 Nvidia 机器人研究的负责人。他还是华盛顿大学机器人学教授。我们的许多研究成员也有双重背景。在很多情况下，他们都隶属于大学。我们发表论文。当你在做研究时，研究必须是公开的。

你们是否就部署或车队管理等问题与最终用户合作？

可能没有。例如，如果约翰迪尔在销售拖拉机，农民不会与我们交谈。通常是车队管理。我们有工具可以帮助他们，但车队管理是由提供服务或制造机器人的人完成的。

机器人技术何时成为 Nvidia 的一块拼图？

我想说，2010 年代初。那是人工智能出现的时候。我认为深度学习第一次出现在整个世界是在 2012 年。最近有一份关于布莱恩-卡坦扎罗（Bryan Catanzaro）的资料。他随即在 LinkedIn 上说：[全文摘自 LinkedIn 帖子]"我并没有真正说服詹森，而只是向他解释了深度学习。他立刻形成了自己的信念，并将 Nvidia 转为一家人工智能公司。这让我深受鼓舞，有时我仍然不敢相信自己能在现场见证 Nvidia 的转变。"

2015 年，我们不仅开始为云计算提供人工智能，还开始为捷信和自动驾驶提供 EDGE。

当你与人讨论生成式人工智能时，如何让他们相信这不仅仅是一种时尚？

我认为这可以用结果来说话。你已经可以看到生产力的提高。它可以为我撰写电子邮件。虽然不是完全正确，但我不必从零开始。它能帮我完成 70%。有些显而易见的事情，你已经可以看到，它的功能绝对比以前好了一大步。总结一些不完美的地方。我不会让它替我阅读和总结。所以，你已经可以看到一些生产力提高的迹象了。