A procura de memória para IA Física será muito maior do que as pessoas esperam

$MU disse que os robôs humanoides transportam 10 vezes o conteúdo de memória de um veículo médio L2+
O carro médio hoje tem cerca de 16GB de DRAM, enquanto veículos autónomos L4 podem exigir mais de 300GB
Espera-se que os robôs humanoides utilizem plataformas de computação comparáveis a veículos autónomos de alta gama
Dado isso, se a IA Física for escalada 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 a prova disto com o Jetson Thor da NVIDIA. Direcionado para casos de uso de IA Física, 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 estes requisitos de memória é que os robôs não estão a executar um único modelo pequeno
Precisam de processar múltiplas câmaras, sensores, dados de profundidade, áudio, entradas tácteis e propriocepção enquanto executam loops de perceção, raciocínio e controlo em tempo real
Modelos de visão-linguagem-ação como o GR00T N1 da NVIDIA também adicionam pressão de memória, pois combinam compreensão visual, raciocínio linguístico e geração de política motora
______________________
A oportunidade pode ser ainda maior
A IA Física requer modelos mundiais, simulação, geração de dados sintéticos, treino de políticas, aprendizagem de frota e retreino contínuo
A plataforma Cosmos da NVIDIA é um exemplo disto, utilizando conjuntos de dados de vídeo massivos e modelos fundamentais mundiais para treinar e avaliar sistemas de IA Física
Isto não só aumenta a procura por DRAM, como também explode a procura por NAND