Bagaimana laboratorium penelitian sekali kecil membantu Nvidia menjadi perusahaan $ 4 triliun dolar

Ketika Bill Dally bergabung dengan Nvidia's Research Lab pada tahun 2009, hanya mempekerjakan sekitar selusin orang dan fokus pada penelusuran Ray, teknik rendering yang digunakan dalam grafik komputer.
Laboratorium penelitian yang dulu kecil itu sekarang mempekerjakan lebih dari 400 orang, yang telah membantu mengubah Nvidia dari startup GPU video game di tahun sembilan puluhan menjadi perusahaan $ 4 triliun dolar yang memicu ledakan kecerdasan buatan.
Sekarang, laboratorium penelitian perusahaan memiliki pandangan untuk mengembangkan teknologi yang diperlukan untuk memberi daya robotika dan AI. Dan beberapa pekerjaan lab itu sudah muncul dalam produk. Perusahaan meluncurkan Senin a Model AI Dunia Set Baruperpustakaan, dan infrastruktur lainnya untuk pengembang robotika.
Dally, sekarang kepala ilmuwan Nvidia, mulai berkonsultasi untuk Nvidia pada tahun 2003 ketika ia bekerja di Stanford. Ketika dia siap untuk mundur dari menjadi ketua departemen Departemen Ilmu Komputer Stanford beberapa tahun kemudian, dia berencana untuk mengambil cuti panjang. Nvidia punya ide yang berbeda.
David Kirk, yang menjalankan laboratorium penelitian pada saat itu, dan CEO Nvidia Jensen Huang, berpikir posisi yang lebih permanen di laboratorium penelitian adalah ide yang lebih baik. Dally mengatakan kepada TechCrunch bahwa pasangan itu mengenakan “pers pengadilan penuh” tentang mengapa ia harus bergabung dengan laboratorium penelitian Nvidia dan akhirnya meyakinkannya.
“Ini akhirnya menjadi sangat cocok untuk minat dan bakat saya,” kata Dally. “Saya pikir semua orang selalu mencari tempat dalam hidup di mana mereka dapat membuat kontribusi terbesar, Anda tahu, bagi dunia. Dan saya pikir bagi saya, itu pasti nvidia.”
Ketika Dally mengambil alih lab pada tahun 2009, ekspansi adalah yang pertama dan terutama. Para peneliti mulai bekerja di area di luar penelusuran ray segera, termasuk desain sirkuit dan VLSI, atau integrasi skala yang sangat besar, sebuah proses yang menggabungkan jutaan transistor pada satu chip.
Laboratorium penelitian tidak berhenti berkembang sejak itu.
Acara TechCrunch
San Francisco
|
27-29 Oktober 2025
“Kami mencoba mencari tahu apa yang akan membuat perbedaan paling positif bagi perusahaan karena kami terus -menerus melihat area baru yang menarik, tetapi beberapa dari mereka, Anda tahu, mereka melakukan pekerjaan yang hebat, tetapi kami kesulitan mengatakan jika [we’ll be] sangat sukses dalam hal ini, ”kata Dally.
Untuk sementara itu membangun GPU yang lebih baik untuk kecerdasan buatan. Nvidia lebih awal dari ledakan AI di masa depan dan mulai mengutak -atik gagasan AI GPU pada 2010 – lebih dari satu dekade sebelum kegilaan AI saat ini.
“Kami mengatakan ini luar biasa, ini akan benar -benar mengubah dunia,” kata Dally. “Kami harus mulai menggandakan ini dan Jensen percaya bahwa ketika saya mengatakan kepadanya. Kami mulai mengkhususkan GPU kami untuk itu dan mengembangkan banyak perangkat lunak untuk mendukungnya, terlibat dengan para peneliti di seluruh dunia yang melakukannya, jauh sebelum itu jelas relevan.”
Fokus fisik AI
Sekarang, ketika Nvidia memegang pemimpin yang memerintah di pasar GPU AI, perusahaan teknologi telah mulai mencari bidang -bidang permintaan baru di luar pusat data AI. Pencarian itu telah membuat Nvidia ke AI dan robotika fisik.
“Saya pikir akhirnya robot akan menjadi pemain besar di dunia dan kami pada dasarnya ingin membuat otak semua robot,” kata Dally. “Untuk melakukan itu kita perlu mulai, Anda tahu, mengembangkan teknologi utama.”
Di situlah Sanja Fidler, wakil presiden AI Research di Nvidia, masuk. Fidler bergabung dengan laboratorium penelitian Nvidia pada tahun 2018. Pada saat itu, ia sudah mengerjakan model simulasi untuk robot dengan tim siswa di MIT. Ketika dia memberi tahu Huang tentang apa yang sedang mereka kerjakan di resepsi peneliti, dia tertarik.
“Saya tidak bisa menahan diri untuk tidak bergabung,” kata Fidler kepada TechCrunch dalam sebuah wawancara. “Hanya saja, Anda tahu, itu hanya topik yang sangat cocok dan pada saat yang sama juga merupakan budaya yang hebat. Anda tahu, Jensen memberi tahu saya, ikut bekerja sama dengan saya, bukan dengan kami, bukan untuk kami, Anda tahu?”
Dia bergabung dengan Nvidia dan mulai bekerja membuat laboratorium penelitian di Toronto bernama Omniverse, sebuah platform NVIDIA, yang berfokus pada pembangunan simulasi untuk AI fisik.

Tantangan pertama untuk membangun dunia simulasi ini adalah menemukan data 3D yang diperlukan, kata Fidler. Ini termasuk menemukan volume gambar potensial yang tepat untuk digunakan dan membangun teknologi yang diperlukan untuk mengubah gambar ini menjadi rendisi 3D yang dapat digunakan simulator.
“Kami berinvestasi dalam teknologi ini yang disebut rendering yang dapat dibedakan, yang pada dasarnya membuat rendering dapat diubah menjadi AI, kan?” Kata Fidler. “Kamu pergi [from] Rendering sarana dari 3D ke gambar atau video, bukan? Dan kami ingin itu pergi ke arah lain. “
Model Dunia
Omniverse merilis versi pertama dari modelnya yang mengubah gambar menjadi model 3D, Ganverse3dpada tahun 2021. Maka itu harus bekerja untuk mencari tahu proses yang sama untuk video. Fidler mengatakan mereka menggunakan video dari robot dan mobil self-driving untuk membuat model dan simulasi 3D ini Mesin rekonstruksi saraf neurikyang pertama kali diumumkan perusahaan pada tahun 2022.
Dia menambahkan teknologi ini adalah tulang punggung perusahaan Keluarga Cosmos Model AI Dunia yang diumumkan di CES pada bulan Januari.
Sekarang, lab fokus membuat model ini lebih cepat. Ketika Anda memainkan video game atau simulasi, Anda ingin teknologi dapat merespons secara real time, kata Fidler, untuk robot mereka bekerja untuk membuat waktu reaksi lebih cepat.
“Robot tidak perlu menonton dunia secara bersamaan, dengan cara yang sama seperti dunia bekerja,” kata Fidler. “Itu bisa menontonnya seperti 100x lebih cepat. Jadi jika kita dapat membuat model ini secara signifikan lebih cepat daripada sekarang, mereka akan sangat berguna untuk aplikasi robot atau fisik AI.”
Perusahaan terus membuat kemajuan pada tujuan ini. Nvidia mengumumkan armada Model AI Dunia Baru Dirancang untuk membuat data sintetis yang dapat digunakan untuk melatih robot di Konferensi Grafik Komputer Siggraph pada hari Senin. NVIDIA juga mengumumkan perpustakaan baru dan perangkat lunak infrastruktur yang ditujukan untuk pengembang robotika juga.
Terlepas dari kemajuan – dan hype saat ini tentang robot, terutama humanoid – tim peneliti NVIDIA tetap realistis.
Baik Dally dan Fidler mengatakan industri ini masih setidaknya beberapa tahun dari memiliki humanoid di rumah Anda, dengan Fidler membandingkannya dengan hype dan timeline mengenai kendaraan otonom.
“Kami membuat kemajuan besar dan saya pikir Anda tahu AI benar -benar menjadi enabler di sini,” kata Dally. “Dimulai dengan AI visual untuk persepsi robot, dan kemudian Anda tahu AI generatif, itu sangat berharga untuk perencanaan tugas dan gerak dan manipulasi. Saat kami menyelesaikan masing -masing masalah kecil ini dan seiring jumlah data yang kami miliki untuk melatih jaringan kami tumbuh, robot ini akan tumbuh.”