Nhu cầu bộ nhớ của AI vật lý sẽ lớn hơn nhiều so với mọi người dự kiến

$MU đã cho biết robot hình người mang dung lượng bộ nhớ gấp 10 lần một phương tiện L2+ trung bình
Xe hơi trung bình hiện nay có khoảng 16GB DRAM, trong khi xe tự hành L4 có thể yêu cầu hơn 300GB
Robot hình người được dự kiến sẽ sử dụng nền tảng tính toán tương đương với các phương tiện tự hành cao cấp
Với điều đó, nếu AI vật lý mở rộng quy mô lên 100M robot hình người, hoặc robot có khả năng tính toán tương đương, tổng nhu cầu DRAM sẽ là:
- 100M x 300GB = 30EB
Điều đó tương đương với khoảng 75% công suất DRAM toàn cầu năm 2026
Chúng ta đã có thể thấy bằng chứng về điều này với NVIDIA’s Jetson Thor. Hướng tới các trường hợp sử dụng AI vật lý, nó đi kèm với 128GB LPDDR5X và băng thông bộ nhớ 273GB/s, gấp đôi dung lượng bộ nhớ của Jetson AGX Orin
______________________
Lý do cho các yêu cầu bộ nhớ này là robot không chạy một mô hình nhỏ duy nhất
Chúng cần xử lý nhiều camera, cảm biến, dữ liệu độ sâu, âm thanh, đầu vào xúc giác và cảm giác bản thể trong khi chạy các vòng lặp nhận thức, lý luận và điều khiển thời gian thực
Các mô hình thị giác-ngôn ngữ-hành động như GR00T N1 của NVIDIA cũng tạo thêm áp lực bộ nhớ, vì chúng kết hợp hiểu biết thị giác, lý luận ngôn ngữ và tạo chính sách vận động
______________________
Cơ hội có thể còn lớn hơn nữa
AI vật lý yêu cầu các mô hình thế giới, mô phỏng, tạo dữ liệu tổng hợp, huấn luyện chính sách, học tập đội tàu và đào tạo lại liên tục
Nền tảng Cosmos của NVIDIA là một ví dụ về điều này, sử dụng các tập dữ liệu video khổng lồ và các mô hình nền tảng thế giới để huấn luyện và đánh giá các hệ thống AI vật lý
Điều này không chỉ làm tăng nhu cầu về DRAM, mà còn làm bùng nổ nhu cầu về NAND