Realtime AI wordt steeds belangrijker in de fabrieken en aangrenzende magazijnen. Niet alleen voor het in topconditie houden van de kapitaalintensieve productiemiddelen, maar ook steeds vaker voor het grondig simuleren van de bestaande of de in ontwikkeling zijnde infrastructuur. GPU-gigant NVIDIA opteert voor een virtuele gymzaal waar flink getraind kan worden om deze simulaties steeds inclusiever en preciezer te maken.
Wie uit het tijdperk stamt waar het qua specs/prijs -verhouding behoorlijk loonde om zelf je computer samen te stellen kent NVIDIA nog als videokaart merk. En hoewel ook toen naar hoge resolutie en framerate gestreefd werd (vooral door de gamers), was het de CPU die de meeste aandacht kreeg omdat hij de grootste invloed had op de uiteindelijke prestatie van het systeem. AI heeft dat uitgangspunt inmiddels richting uitgang verwezen. GPU-architecturen zijn namelijk ideaal voor het rekenen met neurale netwerken. Dat heeft NVIDIA geen windeieren gelegd. En eerlijk is eerlijk: ze hebben behoorlijk aan de weg getimmerd om AI met steeds krachtigere hard- en software omgevingen te ondersteunen. Zo introduceerde ze enkele weken gelden de NVIDIA GB200 NVL72, een vloeistofgekoeld racksysteem aan dat gaat rekenen met modellen met een biljoen parameters, dit in trainingmodus doet met 720 petaflops en 1,4 exaflops voor echie,
“Er zijn op dit moment maar een paar, misschien drie exaflop machines op de planeet,” zei NVIDIA COE Jensen Huang over de machine, die 600.000 onderdelen bevat en 3000 kilo weegt. “Maar dit is een exaflop AI-systeem natuurlijk maar één enkel rek.”
Het systeem blijkt dus schaalbaar en ja, er komt daarom ook een systeem dat 11,5 exaflops gaat doen met de 240 terabytes aan werkgeheugen waarover het beschikt. De superchips die het nieuwe realtime AI brein van NVIDIA zijn kracht geven zijn overigens genoemd naar de aan Berkley verbonden wiskundige David Harold Blackwell die, een genie in game theory, de eerste zwarte wetenschapper was die tot de National Academy of Science werd toegelaten. Dit was in 1965.
Tijdens de presentatie in zijn GTC-keynote demonstreerde Huang ook hoe ontwikkelaars digitale tweelingen kunnen gebruiken om hun grootschalige, realtime AI’s volledig in simulatie te ontwikkelen, testen en verfijnen voordat ze worden uitgerold in industriële infrastructuur, wat een aanzienlijke tijd- en kostenbesparing oplevert.
In de bovenstaande demo fungeert een digitale twin van een magazijn van 100.000 vierkante meter – gebouwd met behulp van het Omniverse-platform voor het ontwikkelen en verbinden van OpenUSD-toepassingen – als simulatieomgeving voor tientallen digitale werknemers en meerdere autonome mobiele robots (AMR’s), vision AI-agenten en sensoren.
Elke AMR, waarop de Isaac Perceptor multi-sensor stack draait, verwerkt visuele informatie van zes sensoren, die allemaal gesimuleerd worden in de digitale tweeling. Tegelijkertijd creëert het NVIDIA Metropolis-platform één centrale kaart van de activiteit van werknemers in het hele magazijn door gegevens van 100 gesimuleerde, aan het plafond gemonteerde camera feeds met multi-camera tracking samen te voegen. Deze gecentraliseerde bezettingskaart helpt bij het berekenen van optimale AMR-routes door de NVIDIA cuOpt engine.
Deze cuOpt engine is een AI-microservice voor optimalisatie die telkens nieuwe records breekt complexe routingproblemen met meerdere beperkingen met behulp van evolutionaire algoritmen op te lossen. Dit gebeurt allemaal in realtime, terwijl Isaac Mission Control de hele vloot coördineert met behulp van kaartgegevens en routegrafieken van cuOpt om AMR-commando’s te verzenden en uit te voeren.
NVIDIA staat ook op de Hannover Messe: hal 3 stand 76
