A demanda de memória da IA física será muito maior do que as pessoas esperam

$MU disse que robôs humanoides carregam 10x o conteúdo de memória de um veículo L2+ médio
O carro médio hoje tem cerca de 16GB de DRAM, enquanto veículos autônomos L4 podem exigir mais de 300GB
Espera-se que robôs humanoides usem plataformas de computação comparáveis a veículos autônomos de alto nível
Dado isso, se a IA física for dimensionada para 100M de robôs humanoides, ou robôs equivalentes em computação, a necessidade total de DRAM seria:
- 100M x 300GB = 30EB
Isso equivale a cerca de 75% da capacidade global de DRAM em 2026
Já podemos ver prova disso com o NVIDIA Jetson Thor. Direcionado para casos de uso de IA física, ele vem com 128GB de LPDDR5X e 273GB/s de largura de banda de memória, o dobro da capacidade de memória do Jetson AGX Orin
______________________
A razão para esses requisitos de memória é que os robôs não estão executando um único modelo pequeno
Eles precisam processar múltiplas câmeras, sensores, dados de profundidade, áudio, entradas táteis e propriocepção enquanto executam loops de percepção, raciocínio e controle em tempo real
Modelos visão-linguagem-ação como o NVIDIA GR00T N1 também adicionam pressão de memória, pois combinam compreensão visual, raciocínio linguístico e geração de políticas motoras
______________________
A oportunidade pode ser ainda maior
A IA física requer modelos mundiais, simulação, geração de dados sintéticos, treinamento de políticas, aprendizado de frota e retreinamento contínuo
A plataforma NVIDIA Cosmos é um exemplo disso, usando conjuntos de dados de vídeo massivos e modelos fundamentais mundiais para treinar e avaliar sistemas de IA física
Isso não apenas aumenta a demanda por DRAM, mas também explode a demanda por NAND