Transcription
大家好。嗯，正如你们昨天在主题演讲中看到的，今天会议的一个重要主题是制造业回流。这是因为我们正在目睹许多正在发生的趋势汇聚。我们有地缘政治趋势，迫使我们改变供应链。嗯，我们在 COVID 期间深刻体会到了供应链脆弱的含义。我们需要更多的韧性。[清嗓子] 所以这也是另一个动力。嗯，总的来说，制造东西和生产东西又变得很酷了。嗯，在过去的几十年里，酷的东西都是我们看不见的。一切都是数字化的，比如软件和软件服务。嗯，但制造实体物品很重要。英伟达嗯嗯，我们最终制造和销售的东西是世界上最复杂的实体物品之一。有如此多的组件，复杂的供应链，嗯，以及制造过程中的许多步骤，嗯，我们就是无法生产足够的产品。为了做到这一点，我们必须将大部分制造业带回美国本土，但我们在这样做时面临许多挑战。我们已经失去了许多制造事物所需的技能。我们正在制造的东西比以往任何时候都更复杂。它们需要新的技能和新技术来制造，这本身也是一个机会。嗯，这次我们有可能以不同的方式做到这一点。因此，为了探索这一点以及我们为美国需要做什么，我们请来了一些朋友，嗯，来自这个领域的不同部分，他们可以为解决这个问题的不同部分做出贡献。嗯，有了这个，我将让每个人介绍自己。布兰登，我们从你开始，也许你们每个人在介绍自己之后，也可以告诉我们一点关于您最期待在本次小组讨论中谈论的内容。>> 您最期待在本次小组讨论中谈论的内容。>> 嗯，感谢有机会坐在“酷孩子桌”旁。我们很感激。>> 麦克风怎么样？好的。好的。布兰登·胡特曼。我在卡特彼勒。嗯，我是数据与人工智能副总裁。我隶属于我们的数字组织。CAT Digital 负责我们为实体产品提供的所有数字功能。所以，我们销售的产品面向建筑、采矿、能源和交通领域。我们构建了这些功能。嗯，我的团队负责所有这些数据以及支持它的 AI。我还负责卡特彼勒内部一个名为 AI 加速器的职能部门。AI 加速器主要关注我们如何将 AI 应用于我们业务运营的核心方式。制造业和供应链将是重点，我很高兴能成为今天小组讨论的一部分。我认为真正让我兴奋的一件事是，我们显然制造了非常大的东西，而这些大东西>> 它们真的非常大。>> 它们相当大。是的。比如你也许可以>> 他答应让我去看他>> 并玩弄他们制造的一些大东西。如果你想到一个复杂的供应链的认知管理，无论是在卡特彼勒内部还是外部，然后将其与移动材料和必须建造事物的物理世界相结合，我认为我们终于达到了技术让我们取得前所未有突破的时刻。我认为，重塑业务的大型 ERP 转型时代已经过去，我们对此感到兴奋。它使我们能够以快得多的速度前进。>> 好的。谢谢。比尔。>> 嗯，大家好。我是比尔·普鲁卡。我在礼来公司。嗯，我们是一家制药公司，你知道，致力于让世界各地的患者生活得更好。嗯，我属于礼来的技术部门。我在企业 AI 团队，向就在那里的首席 AI 官汇报。嗯，我领导一个专注于制造领域 AI 的团队。所以，我们有一个团队专注于使用 AI、机器学习和机器人等工具来提高我们制造网络的产能和弹性。所以，我们有很多用例，嗯，嗯，我们已经完成了，在礼来公司工作并在这方面工作确实是一项令人兴奋的工作。我想我最兴奋的是，我们正处于一个许多事物汇聚的时代，对吧？我们有非常强大的 AI 进步，特别是基础模型和多模态基础模型，这些模型可以真正理解视觉语言，你知道，所有这些东西结合在一起，这确实令人兴奋，还有很多计算进步，这些进步对此有所帮助，无论是在训练方面还是在边缘方面，嗯，我认为这些结合在一起确实令人兴奋，还有机器人类型的进步，嗯，我认为关于这一点最好的事情是，礼来公司处于一个可以投资并利用它来扩展的好位置，因为我们今年早些时候宣布了，你知道，在建设美国工厂方面投资 500 亿美元。嗯，我们在世界各地也有正在建设的工厂。所以，这确实是恰逢其时，因为我们拥有所有这些技术。嗯，有很多机会可以生产更多的药物。嗯，我们正处于一个我们可以实际投资并这样做的位置。所以，这确实令人兴奋。有了这个关于机器人方面的铺垫，普拉兹，也许你可以介绍一下自己。>> 谢谢。嗯，普拉兹·维利吉，Agility Robotics 的首席技术官，嗯，我们的机器人 Digit 正在进入物流和制造业的劳动力队伍。你可能在主题演讲中看到了那个绿色的机器人。那是一个模拟。但它不仅仅是模拟。嗯，它每天都在工厂里运行，全班次运行，嗯，搬运东西，嗯，工作，你知道，做真实的劳动。我们已经达到了拥有人形机器人、这种灵活自动化能力，能够真正进入这些用例并产生真正影响的阶段。它不仅仅是，它不仅仅是假设。这是一个真正进入市场的真实产品。因此，在 Agility Robotics，我们从所有对物理 AI 的兴趣和兴奋中受益匪浅。我们基本上可以获得英伟达一直在开发的物理 AI 堆栈几乎每一层的优势，这对我们来说非常棒。我想我最兴奋的是，我个人在机器人领域已经有 20 多年了。我曾从事过，你知道，空中、地面、海上、室内、室外、自动驾驶等各种机器人领域的工作。我可以自信地说，在过去的两年里，我看到了我们能力和技术的加速，这是我过去二十年来从未经历过的。它正在快速发展，我们正在解锁那些人们认为需要 10 到 20 年才能实现的能力，而现在只需要几个月或几年就能实现，这对于我认为所有在座的小组成员来说都非常令人兴奋。>> 太棒了。还有来自台积电的朋友凯文，与英伟达关系非常密切。>> 凯文>> 出于显而易见的原因>> 来自台积电，如果你不知道台积电代表什么，那就是台湾半导体制造公司。嗯，我在这里>> 我认为这里的每个人可能都知道 [笑声] 关于台积电>> 我不知道观众，以防万一，所以，所以我是那里的副首席执行官，高级副总裁，我负责公司范围的业务战略发展、技术路线图、客户，客户参与和全球销售。所以，我经常与我的朋友英伟达互动。所以，非常高兴能在这里分享我们在美国建立最先进半导体制造能力的过程。嗯，我还想借此机会感谢我们的主持人，你知道，雷夫和英伟达团队。嗯，你知道，在追求 AI 之旅的过程中，我无法想到比英伟达更好的合作伙伴。嗯，我将与英伟达的合作关系分为两个方面。一是我们为英伟达提供最先进的半导体技术解决方案和制造能力，以便英伟达能够构建世界一流的领先 AI 解决方案。所以，你可能在整个会议中听到了关于 Blackwell 的信息，我猜你可能听了很多人谈论 Blackwell，我们非常自豪最近在一周半前交付了 Blackwell，实际上在亚利桑那州，詹森在那里庆祝了第一块 Blackwell 芯片的产出，我们全新的亚利桑那工厂，太棒了，太棒了，这是一个里程碑 [掌声]，这不仅对英伟达和台积电来说是一个重要的时刻，对美国来说也是。>> 是的。顺便说一句，我听说一个传闻，詹森把第一片晶圆送给了特朗普总统。那是一份相当昂贵的礼物，你知道。 [笑声] 但是，我们会为你生产大量的晶圆。嗯，我们合作的第二个方面是，我们真正利用英伟达产生的领先 AI 技术来帮助我们增强我们从工厂建设、工厂建造到整个制造流程的先进制造能力。所以，我称这种关系为自我强化的虚拟循环。嗯，这是一个很棒的合作关系。谢谢。谢谢。最后但同样重要的是，我们有来自西门子朋友的露丝。西门子基础设施。是的。>> 智能基础设施。>> 所以，我叫露丝·格拉茨基，我是西门子工业公司总裁兼首席执行官。作为西门子，我们有几个支柱，也感谢 [清嗓子] 我代表团队感谢你们给我们贡献的机会。如果你听了昨天的讲座，你听到了詹森对我们名字的赞扬。>> 我们爱西门子，我们也爱英伟达。所以>> 詹森 [笑声] 与西门子首席执行官罗兰·布什博士 [清嗓子] 是好朋友，我们与你们关系非常密切。>> 我们今天在这里的原因当然是我们做了很多数字领域的工作。所以，数字模拟、数字设计与英伟达有着紧密的联系。我喜欢让所有这些模拟变得逼真，并符合标准，然后真正地让这一切变得无缝。这是我领导的我们与英伟达关系中的一个关键部分，但总的来说，作为一个组织，你可能听说过西门子在自动化领域。所以，我们是少数几个能够与客户合作的参与者之一，不仅是在工业设施的 PLC 领域，而且还能从自动化方面进入基础设施和建筑领域，然后继续进入配电和公用事业领域。所以，我们也是电气设备的制造商。嗯，我们在美国有许多工厂。所以，我们不仅有机会开发数字工具集并将其推广给我们的客户群，还可以在我们自己的工厂中尝试它们，也就是说，“喝我们自己的香槟”。最后但同样重要的是，我们独特之处在于我们还带来了公用事业能力，因为所有设施都像凯文正在建造的那样。嗯，这些都是大型电力消耗者，而美国的公用事业电网目前相当紧张。因此，所有公用事业公司都在努力对这些大型负荷进行建模。我如何维持电网稳定？如何确保普通消费者的可靠性和弹性？所以，我们也可以在这方面提供帮助。所以，有了这个，我们可以真正触及这个整体挑战的许多不同方面，当涉及到真正有效地将制造业迁回国内时。>> 这非常重要，电力能源是我们所做一切的生命线，它本质上是我们可以提供的电力的上限，这是所有进步的上限。>> 因此，尽一切可能高效地利用这种电力非常重要，感谢你帮助我们做到这一点。谢谢你，露丝，帮助我们建造这些。 [笑声] 是的。>> 嗯，现在，让我们开始吧。嗯，嗯，让我们与我们制造商中的每个人或参与制造业的人谈谈将制造业带到美国的最大的障碍是什么。你们看到了什么？让我们从凯文开始。也许你可以告诉我们一点关于你在亚利桑那州的障碍。>> 是的。是的，当然。我很乐意 [清嗓子]。所以在谈论障碍之前，让我先让观众了解一下我们今天在美国建立最先进半导体能力的情况。我们实际上在特朗普政府第一任期内，五年前就启动了这个项目，我们称之为亚利桑那项目。嗯，想想吧。所以，建立复杂的制造能力需要很长时间。所以，到目前为止，我们已经承诺投入高达 1650 亿美元，1650 亿美元来建设一个最先进的半导体制造设施集群。那里总共有六个先进的硅片制造设施。所以，嗯，是的，当我们开始这个项目时，我们确实遇到了一些挑战。我认为最具挑战性的是生态系统，你知道，请记住，在美国，我们近二十年来没有像我们想要的那样大规模地建造半导体制造设施。所以，我们在供应链方面确实面临挑战，更重要的是劳动力，建造一家半导体工厂需要大量经过专业培训的熟练人员来，你知道，帮助我们安装一些人类最先进的工具并操作这些工具。所以，我们在整体生态系统方面确实面临很多挑战。但快进五年，通过与政府和我们的生态系统合作伙伴密切合作。顺便说一句，我们得到了联邦政府、州政府以及地方市政和市政府的大力支持。快进五年。嗯，现在我们已经有了第一家工厂，已经开始全面生产芯片，每月 20,000 片晶圆，四纳米，所以你们中的一些人使用 iPhone，你们的芯片可能已经由我们亚利桑那州工厂生产的芯片提供动力了。嗯，我们还有另外三家工厂正在同时建设中。所以，这是惊人的进展。所以，我只想借此机会真正感谢所有政府层级以及我们的生态系统合作伙伴的支持。这是一段非凡的旅程。谢谢。 [掌声] 让我们去比尔那里。也许你可以告诉我们你在礼来公司在美国制造方面看到的挑战。>> 是的。所以，我们，你知道，我们已经在国内拥有许多制造工厂。正如我在介绍中所说，我们已经宣布了，你知道，在美国增加投资 500 亿美元。嗯，显然，大型建筑有很多挑战，卡特彼勒可能比我更能谈论这个问题。我认为从 AI 的角度来看，嗯，我们真正希望做的一件事是确保一旦这些工厂投入运行，它们就能尽快达到满负荷运行。所以，这确实是我们面临的一个挑战，我们知道我们有很多新工厂将在同一时间上线。我们如何才能快速扩展它们并从中获得洞察？嗯，所以我们所做的就是研究我们现有工厂的不同流程。例如，我们建造了一个制药原料制造阶段的数字孪生，我们能够利用它来改进、测试和优化一个工艺步骤。现在，目标是说，我如何快速地将它广播到所有即将上线的工厂？所以，我真正要说的最大挑战是，我们看到所有这些即将上线的东西，以及我们如何利用我们拥有的工厂的洞察力，这些工厂略有不同，但仍然可以回答能够帮助我们更快前进的问题。>> 布兰登，你想补充点什么吗？>> 当然。是的。所以，2025 年对卡特彼勒来说是值得骄傲的一年。我们今年庆祝了我们成立 100 周年。所以，这意味着我们已经制造了 [掌声] 制造和建造了 100 年。你想到围绕它的基础设施。我们显然有我们已经配备的新工厂，但我们也有很多已经存在了很长时间的工厂。当你深入了解这些工厂的运行方式时，你会发现有些东西不是数字原生的 [清嗓子] 或数字启用的。 [鼻息声] 所以，你必须花时间，你知道，真正地揭开这些系统的面纱，如何开始让一些数据更加同质化。我认为我们面临的另一个挑战是，当你想到核心制造过程时，你知道，为了让 AI [鼻息声] 和数字孪生工作，你需要数据。理想情况下，你会有来自加工中心、工具等车间数据的连接。在很多情况下，我们没有，这仅仅是因为一些资产的年龄。所以，[清嗓子] 然后通过这个过程，你知道，你如何开始采用一个低保真度的资产并构建一个数字孪生，然后你可以开始进入并，你知道，以真实的方式与 AI 合作，这是一个卡特彼勒这样的公司面临的真正挑战，你知道，我认为拥有一个运行整个企业的单一系统的时代已经过去了，而现实是，要让 AI 规模化运作，你必须采取这种异构环境，并弄清楚如何将其拼接起来，以便 AI 能够跨越整个制造和价值链运作。>> 当我们之前交谈时，你告诉我你不能仅仅关闭>> 你的工厂并对它们进行重新设计和改造。>> 对卡特彼勒来说，这是一个非常激动人心的时刻。我们的需求处于历史最高水平。所以，你知道，进去，你知道，它，你知道，不像用一个叉车搬运东西来重新设计一条生产线。我的意思是，你谈论的是大量的设备必须进来，一条生产线可能会关闭，而做这样的事情确实是实实在在的工作，而这，你知道，有时需要几个月或几年才能做到。所以，我们的挑战是如何让 AI 规模化并围绕一些限制因素运作。不过，如果你想到机器人及其在工厂检查方面的能力，那就太有趣了。现在，>> 这些以前需要我们对非常复杂的加工中心进行传感器化，而现在我们可以引入更多由 AI 驱动的机器人，并利用传感器、热成像和检测主轴速度以及这些类型的东西来 [清嗓子] 获得加工中心的良好读数，而不是花六个月的时间来更换它或用传感器重新安装它。露丝，也许你可以补充一点，因为西门子不仅是制造商，而且你还帮助大家提供制造的核心基础设施。你看到了行业中发生了什么，尤其是在美国？所以，从我们自己的角度来看，嗯，我认为美国缺乏熟练劳动力，我想这也是我们必须与之斗争的一个问题，在我们最近在沃斯堡的一项投资中，我们试图建立一个大型工厂，但最终没有劳动力可用，所以我们不得不，别笑，我们不得不雇佣当地的教师，然后从食品行业招聘，从星巴克和麦当劳招聘，并从零开始培训人员。而帮助我们加速这一进程的是真正由 AI 驱动的工具。以及虚拟现实解决方案来培训那些背景完全不同的人。这样做使我们能够在创纪录的时间内实现规模化，这是我在美国看到的关键挑战之一。首先，为了回流而回流不会让任何人取得任何进展，因为它需要有商业意义。总的来说，我们必须找到在美国以可接受的成本点生产的方法。特别是对于劳动密集型产品，这是一个挑战。这最终意味着机器人，这最终意味着高度自动化，不是为了取代劳动力，而是为了让我们的劳动力从事更高技能的工作。这回到了教育方面。嗯，上市时间是另一个话题。我喜欢，我们都在一场比赛中，看谁是第一个。不像台积电，当然，你们五年前就开始了，现在处于一个很好的位置，但我们所有的客户都希望尽快建立他们的工厂。而如今，实现这一目标的唯一方法就是回到数字设计、数字模拟、疏通工厂、优化流程，使其恰到好处。提前调试，提前配置你能配置的。所以，当你的最终工厂建成时，你就可以下载并开始工作了。我喜欢这是上市时间的挑战。但有趣的是，它也建立在之前的对话之上，我喜欢比尔和嗯，这里的卡特彼勒提出的主题，美国仍然有大量的制造业是现有工厂，嗯，我们也需要解决这个产能问题，并找到提高吞吐量的方法，因为有，我不知道有多少十亿和万亿的资本支出在那里，让它闲置未使用，我喜欢这绝对不是应对挑战的答案，而是现有工厂的整合，并以智能的方式进行，并允许这些工厂接入数字解决方案和 AI。我认为这是我们看到的真正挑战。这完美地引出了我想问你的下一个问题。嗯，在这个我们所处的 AI、软件 2.0 的新时代，你知道，随着我们在软件世界中拥有所有新功能，你认为这些功能将如何帮助我们解决这些再工业化方面的困难？我们如何应用这些软件技术来解决你刚才讨论的问题？>> 是的。所以，总的来说，我已经谈到了数字模拟，关于真正的数字设计，这都是关于从一开始就进行优化。是的。无论这是制造过程，无论这是通用设计，无论这是功耗，我喜欢你提到的任何问题。我喜欢 AI 是帮助在某些领域进行优化的方式，但仍需谨慎，因为 AI 还没有达到完美的程度。但这是真正关于整体设计优化。但还有更基本用例，比如智能解决方案和 AI。想想质量控制。我们如何确保一个仍在学习、没有 20 年的部落知识和经验的劳动力始终生产出高质量的产品？在我们的领域，AI 有非常具体的应用，或者我们谈到了劳动力挑战，我们的挑战之一是语言，因为我们出于各种原因决定建造工厂，我们有一个大量的越南语 [清嗓子] 语言群体，第一次有人来找我说，嘿，我们需要雇佣一名翻译，我喜欢教育我们的劳动力，并真正以适当的方式培训他们。我喜欢说实话，我不确定我是在咯咯笑还是在窃笑，但这感觉很奇怪。现在。今天，有了像我们的工业副驾驶这样的解决方案，我们可以让操作员用他们的母语与机器对话，以帮助故障排除、帮助扩展、帮助优化。所以，这些是非常非常具体的用例，我喜欢 AI 和创新技术帮助我们更快地扩展，而我们的客户也会从中受益。>> 嗯，你认为数字孪生如何帮助我们解决这些问题？所以，总的来说，嗯，我们的愿景以及我们正在努力的是真正的设计数字孪生。我认为这对每个人都有意义。但想象一个世界，我们有一个数字孪生，比如说一个礼来工厂，我们在后台有人进行优化、故障排除、疏通、重新安排生产线、为下一款需要推出的产品做准备。我们能够在数字环境中做到这一切。天知道，也许在美国境外，对于一个位于亚洲某地的工厂。我们把它做得恰到好处，当数字模型完美时，我们只需下载到现实世界，事情就开始运转，并且不断地进行这种优化和比较。现实世界在做什么与这个优化的数字孪生相比，进行调整、疏通、提高质量，并最终为虚拟工具，我喜欢让来自世界各地的团队能够协作，以防万一，我喜欢需要故障排除，或者有更复杂的问题需要解决。我的意思是，这是我们的数字孪生版本，不仅仅是在设计阶段和工程阶段，最终将这个数字模型一直带到运营、维护、预测性维护，然后也包括下一次的建设。>> 布兰登，你在 CAT 如何使用数字孪生？>> 这可能是我最兴奋的领域之一，我猜原谅那些在房间里已经成为数字孪生狂热者十多年的人，我认为他们终于达到了有用的程度，以前是，你知道，概念一直都在。你组装了一个数字孪生，你试图用你拥有的所有数据来丰富它，你把它放在一个模拟环境中，然后你发现两周后，周围的世界已经改变了，它就没用了，然后你又得重建它。我们现在已经达到了这一点，你知道，雷夫对你的团队表示赞赏，我们用 Omniverse 所做的，你现在可以在几天内构建一个数字孪生。 [鼻息声] 你可以让你这个数字孪生与现实世界的数据集成。你现在可以引入英伟达构建的基础模型或你自己的基础模型来获得真实的模拟。然后你就可以开始使用它了，现在是真正的 AI，而不是仅仅让 AI 在你拥有的静态数据集上运行。所以，所有这些东西的结合使我们能够做以前从未想象过的事情。而我们喜欢它的地方是，数字孪生就是数字孪生。它代表了工厂里正在运行的东西，它将是我们真正的游戏规则改变者，嗯，我认为它将使我们能够真正地，你知道，就像那些已经完成的视频，你知道，你看到东西在里面运行，它们现在实际上是有用的。 [鼻息声] 有真实的现实世界决策驱动着它，我们对此感到非常兴奋。普拉兹，也许你可以补充一下，告诉我们你如何使用猫工厂的数字孪生 [清嗓子] 并将你的机器人放入这些工厂。使用数字孪生来>> 是的。所以我可以，我可以利用你们大家设定的精彩讨论，对吧？嗯，所以我们有所有这些因素汇聚在一起。我们面临着劳动力招聘困难，我们希望用灵活的自动化改造现有工厂。而在这里，嗯，Agility 提供的是一个数字劳动力。一个本身可以在数字孪生和现实世界之间转移，并成为同一个生态系统的一部分。 [清嗓子] 你有一个由 AI 策略驱动的数字工人，可以在 Omniverse 中运行。我的意思是，我们在 Isaac Lab 中进行训练，同样的策略可以在数字模拟中进行训练，而且我们知道它们将如何转移到现实世界，因为那就是我们，我们是数字孪生，你知道，它在虚拟和现实世界之间移动，对吧？这就是我们机器人的核心。嗯，所以这为那些进行设计的人提供了很多优势，这也是我们与客户合作进行数字孪生项目的领域之一，就是提供 [鼻息声] 一个 Digit 可以使用的数字孪生，用于其中的一部分。嗯，我认为通过以这种方式部署机器人获得的另一个好处是你可以获得洞察力。将先进机器人添加到此类流程中的主要优势之一是，你有效地在工作流程中部署了一个复杂的传感器感知系统，而你可能以前从未有过可观察性。Digit 处理的每个对象，都可以记录质量控制信息。它可以记录它在哪里，它是如何被命令的，它看到了什么，它可以报告回数字孪生，为你提供这些额外的可观察性点。所以，所有这些部分都很好地结合在一起。>> 这是非常有趣的一部分。我认为大多数人没有意识到从自动化中获得的遥测数据的价值，从自动化中获得的洞察力。一旦你有了自动化，你就可以更多地了解实际发生的事情，这可以帮助你改进 [清嗓子] 一切。今天的讨论一直是，你知道，我们将从哪里获得所有数据来支持这种 AI 革命在这些环境中。而你获得它的方式是，你放置了能够生成大量此类数据的系统，以便能够构建你需要的模型。比尔，也许你可以告诉我们你如何利用 AI 和机器人来制造你的产品，嗯，以及这可能如何帮助你的劳动力提升技能。>> 好的，太棒了。嗯，是的，我的意思是，我们嗯，我们在工厂里有很多机器人，所以有很多自动化。嗯，如果我们想到今天，你知道，我们很多高产量的工作，所以如果我们想到，你知道，组装设备，这些主要是机器、机器人、大量的自动化 [清嗓子] 在那里，嗯，我们的仓库大部分是自动化的，所以我们有自动存储和检索设施，嗯，我们有自动车辆向生产线输送材料，嗯，所以我们在我们的运营中使用了大量的机器人，但我们的限制在于，嗯，在边缘情况，对吧？所以，对于高产量的事情，你知道，你可以为它制造一个定制机器人，或者你可以有一个非常针对该问题的机器人，你可以获得良好的投资回报。嗯，但在一般情况下，我们有很多不寻常的小情况，嗯，也许需要做某事或照看机器，而且不需要经常做，而且这项任务需要很多多样性。所以，这正是我们一直在关注 AI 和机器人，比如将它们结合起来，并在 NVIDIA 堆栈中进行大量工作，学习 Isaac SIM，所有这些工具，当我们研究如何训练和部署这些机器人在我们的系统中。所以，我认为这是我们真正感兴趣的一个领域，并了解我们如何扩大自动化范围，特别是在我们可能面临人体工程学挑战或无菌挑战的领域，因为我们的药物必须是无任何污染的。嗯，总的来说，AI，我想我们有很多工作要做。嗯，如果我从，你知道，从我们的 [清嗓子] 生产线的角度来看，我们必须，例如，我们必须设置它们。所以，你可能有许多选项可以选择，当你设置运行一批药物时。嗯，在这种情况下，我们有一个例子，你知道，我们说，好吧，有多少种组合可以选择？结果发现有数百万种组合，他们可以在这条生产线上使用来设置和配置它。而且人们普遍认为其中一些比其他更好，但他们不知道具体是哪种。嗯，所以我们实际上在这种情况下使用了强化学习，并推荐了人们应该如何设置生产线，我们在现实世界中观察到了这一点，并展示了影响。所以，在有自由裁量选择的地方，你可以做出选择，我们能够设置并学习，然后我们希望将其扩展。然后，如果我们从运行我们的工厂的角度来看 AI。所以，一旦它们运行起来，你已经设置好了，现在它正在运行。嗯，我们做了很多异常检测和其他类型的机器学习，以真正理解和获得洞察力，如何做得更好。>> 嗯，我猜是劳动力，你接下来要说的是吗？>> 是的。帮助你的现有劳动力提升技能。>> 是的，这是另一个关键的关键部分。所以，我们确实在企业层面启用了许多聊天和副驾驶工具，之类的。嗯，所以我们甚至在制造领域构建了工具，帮助我们，你知道，将所有 SOP 放在一个地方，访问知识。所以，有时人们会记录他们在生产线上做过的有用的事情。有时这些是多种语言，我们使用工具将它们整合在一起，让人们能够访问它们并与之聊天。嗯，这非常有用。这是一种将机构知识或个人知识汇集起来帮助人们提升技能的方式。嗯，在这方面最后一点可能是关于引导执行的部分。所以，当人们接受培训时，你知道，也许他们正在使用虚拟环境进行培训，但引导执行，我认为当人们工作时，有很多机会利用视觉语言模型，他们知道他们应该采取的步骤，但他们是否遵循了这些步骤，他们是否能得到鼓励，并确保事情第一次就做对。所以，我认为有很多机会，这只是触及了表面。>> 非常令人兴奋。凯文，你说你从特朗普一任期开始就启动了亚利桑那州的工厂。>> 这花了很长时间。我们需要你们做得更快。 [笑声] 我们这里有很大的需求，我认为我认为我们等不及了。所以，你如何实施 AI 以便你能够>> 缩短这些时间表。>> 你知道我的工作最大的挑战是，客户不断想要更多的晶圆。他们说你能跑得更快吗？你能跑得更快吗？>> 这是个好问题。好问题，但这是一个问题，这是一个挑战，所以让我回顾一下，也许给所有人一点关于半导体制造的想法，我相信半导体制造可能是人类发明过的最复杂和最昂贵的制造过程。如果你曾经在工厂里，你会看到一些最昂贵、最复杂的机器，而且>> 我去过你们的亚利桑那工厂，他们带我进了一个房间>> EUV>> 是的，那个有>> 哦，一打 ASML 机器>> 据说那是世界上最贵的房间>> 每个，所以那是>> 100 到 200 亿美元的房间>> 是的，别抱怨晶圆价格 [笑声] 所以，所以，嗯，不仅是机器，还有数百种不同的化学材料被使用。如果你回到你的化学课 101，元素周期表中的所有元素可能都会在我们的工厂里找到，而且有数百种，如果不是数千种独特的加工步骤才能完成整个流程。所以，这是一个非常非常复杂的过程。所以，如果你去工厂，你会发现我们的团队已经广泛使用了自动化能力。基本上没有多少人，很少有人在工厂里，我们已经使用了各种机器人，还不是人形机器人，但有各种形状的机器人来帮助我们，将晶圆从一个阶段移动到另一个阶段。所以，鉴于 AI 知识的加速，所以我们开始，我们开始采用大量的能力，比如 3D 模拟能力，Omniverse 就是一个例子。所以，现在我们的工厂建设团队使用 Omniverse 来构建 3D 虚拟工厂。可以帮助我们解决问题，在实际进行物理建设之前预见问题，还可以帮助我们设置工厂内的管道和工具配置，使我们能够实现最佳的晶圆产量。所以，所有这些都导致了更高效的制造，更低的成本，节省了金钱，让我们能够为那里的朋友们购买更多的 GPU。我们喜欢这样。 [笑声] 我们喜欢这样。我，这是一个如此美好的事情，对吧？我们设计了一个芯片，你为我们制造>> 然后我们建造了电脑，然后你从我们那里买回来，然后你运行我们的软件来建造你的工厂，来建造更多的芯片，并继续这个虚拟循环，强化虚拟循环。你能让我再举一个例子吗？这是詹森最喜欢的话题，叫做酷光刻。所以，你知道，在制造过程中有一个步骤，我们称之为计算量最大的步骤，叫做 OPC 光学邻近校正。所以，为了在真实的晶圆上打印原子级别的图案，你实际上必须先扭曲图案，以保留真实设备上的保真度。所以，这涉及到非常密集的计算，在传统方式下，你需要数十万个 CPU 来长时间工作。现在，通过采用英伟达的加速计算平台，叫做酷光刻平台，实际上可以大大加快 OPC 的处理时间。所以，当我们在 2017 年开始与 Lydia 合作时，我记得詹森说，哦，这是一个很好的计算问题，你知道，在詹森看来，一切都是计算问题。所以，所以我们的工作，我们的工作>> 通常事实证明他是对的 [笑声]>> 我们的工作是为英伟达提供最高效的计算能力。所以，这是一个很棒的合作关系。是的，詹森在主题演讲中强调了酷光刻是昨天主题演讲中最重要的 CUDA X 库之一，我们为你构建它，这样你就可以为我们构建。>> 谢谢。>> 是的。>> 好的。有了这个，让我们开始吧，嗯，让我们逐一与我们的小组成员交流，并提出一个开放式问题，关于你们最期待的下一步。也许我们就按顺序来。从你开始，布兰登。>> 是的。基于普拉兹刚才所说的，嗯，如果你想到，特别是，你知道，回顾一下你拥有的现有工厂，以及获取工厂内数据和正在发生的事情的能力，我认为引入机器人，并关注它们可以带回来的传感器和数据，你知道，我们已经进行了一些初步分析，以前需要几个月才能完成的映射现在可以在 [清嗓子] 几天内完成，并且从实时通道获得的数据的保真度使你能够处理那些需要有人四处走动查看加工中心，记下笔记，完成检查的事情。我只是认为机器人的一些基本应用，对于那些简单易得的成果，然后它提供了保真度，这是一种 AI 的 AI [鼻息声]，它提供了保真度，然后你可以引入并理解生产线上的情况，并理解我可能有一个有风险的加工中心，然后，你知道，在此之前运行一些模型来帮助模拟和激活我可能拥有替代供应来源，我可以激活以保持生产线运行。所以，只是以一种非常简单的方式将机器人引入工厂。我认为我们还兴奋的是，由于我们制造的性质，我们的工厂，你知道，工厂里有很多事情在发生。当你看看我们可以让机器人介入并帮助处理一些更危险的工作的安全方面时，我们对机会感到非常兴奋，而感知模型在检查和质量控制以及这些 [清嗓子] 类型的事情方面将非常有益。 [鼻息声]>> 是的，比尔。>> 太棒了。是的，我认为我最兴奋的是在自主领域。嗯，我们正在努力的一些事情是，你知道，自主系统可以真正学习一个系统。所以，学习一个物理系统，也许是一个制造步骤或一个完整的工厂，并可以开发它的模型或世界模型。所以，就像你展示的在 Omniverse 工作一样，你有一个世界模型，它在因果关系上理解它可以做什么。所以，不仅仅是关联，不仅仅是查看数据，而是真正理解如果我这样做，可能会发生什么，并理解这一点，然后用于规划。所以，一旦我们开发了这些能够更好地因果理解我们制造过程的系统，我们如何利用它来进行规划？所以，你有一个系统在思考规划，并最终以某种方式在世界上采取行动。我们可以从两个维度来考虑。所以，如果是软件，那么就是软件代理，它们可以利用这种规划信息来做出改变以实现它们的目标，然后是机器人，这是真正的令人兴奋的领域，当我们需要与世界进行物理互动时，我们如何利用这种规划，这种高级理解来真正地对我们如何自动化我们的流程产生影响。所以，我认为这是将所有这些结合起来，并真正看到这种代理范式时代，你知道，我们真正将其与对世界的因果理解相结合，并赋予它规划和行动的能力。>> 是的。所以，我认为一件非常令人兴奋的事情是，当我们看看自动化部署在哪里时，你知道，回到早些时候的观点，它必须要有商业意义，对吧？而自动化历史上依赖于以下两者之一。它依赖于结构，或者它依赖于投资 NRE 来处理非结构化事物，在同时拥有大量结构和大量投资的情况下，你可以建造非常棒的工厂，但其他领域并非总是如此，对吧？这限制了我们能够使用机器人的地方。现在，我认为物理 AI 的有趣之处在于，它允许我们打破这种关系，它允许我们进入非结构化环境，拥有灵活性，而无需相应地大幅增加部署成本来开发它并处理所有边缘情况中的不确定性等等，因为现在我们可以构建捕捉这些的模型。所以我认为我们将看到的是，物理 AI 的这场革命将真正使我们能够进入以前从未有商业意义的领域，而现在它们有了，现在我们可以进入它们，我认为这就是我们能够做到的，这也是为什么有如此大的兴趣，我认为这也是我们将在未来几年看到的。>> 太令人兴奋了。凯文。好的。嗯，这是 AI 会议，对吧？所以，我认为 AI 毫无疑问是我们这个时代，也许是所有时代中最具影响力的技术。AI 将触及我们生活的方方面面。但 AI 背后的驱动力是永不满足的节能计算。所以，我们非常兴奋能与英伟达这样的合作伙伴合作，真正致力于提供先进的硅技术来驱动未来的 AI 能力。所以，这就是令人兴奋之处。所以，也许我可以和你分享一点个人轶事。嗯，本周实际上是我加入台积电九周年。嗯，当我加入台积电时，我认为我在半导体行业的最佳日子已经过去了。但快进到今天，我真的看到了我们面前的半导体制造的黄金时代。同样在美国，我们将生产大量。
这里有大量先进的硅，足以支持人工智能革命。这确实是半导体行业的最佳时期，但最好的日子还在我们前面。是的，谢谢。>> 太棒了。这对我们人类和美国来说都是非常乐观的话语。>> 和……露丝。>> 是的，在此基础上，我们有非常相似的观点。所以>> 我们需要很多电力。[笑声]>> 我们需要很多电力。>> 所以我实际上会分三点来回答这个问题。所以从商业角度来看，我很高兴看到现在这些工具，数字孪生工具，仿真设计工具，我们已经有了不太完善的版本，但它们已经存在一段时间了，但它们在汽车领域、高端、高度自动化等工业市场以及那些能够负担得起这项技术并使其投资有意义的客户那里得到了一定程度的使用。所以我认为我们现在正处于一个将这些技术的访问权限社会化的边缘，我真的希望将其推广到更广泛的制造业领域。所以从商业角度来看，这是非常令人兴奋的。其次，关于创新，我是一名电力工程师，所以就在五年前，我们还在开玩笑说，电力很无聊，对吧？我每年增长 3%，没有创新，什么都不会发生。天哪，我错了。我现在，感谢英伟达的工厂。你们正在以一种我们这个世界正在朝着好的方向根本性转变的速度和创新程度推动我们，并且需要很多聪明的大脑来弄清楚。我该如何养活这些工厂？我们如何才能更节能？我们如何解决这个行业集体所见过的最大机遇和挑战之一？我就是喜欢挑战。这也是我的答案。但是第三，在你刚才说的话的基础上，我们在这里所面临的挑战为美国提供了重新培训教育的机会，并消除那些真正没有人想要的、没有吸引力的底层制造业工作。如果我们能够提升这些员工的技能，并将他们引入到围绕人工智能、数字解决方案和数据处理等令人兴奋的工作中，我们就有机会全面提升社会。作为一个人类，我对此感到最兴奋。>> 我认为[抽鼻子]我认为我们都对此感到兴奋。好的。在向大家提问之前，我们先进行最后一轮快速问答。你们每个人都快速地……你们会给制造商什么一条建议，以帮助他们走上数字化转型之路？>> 你想让我先说吗？>> 是的。我们按同样的顺序来。不要从技术开始。每次我做这样的演讲，我都会不可避免地被问到，“你们的人工智能战略是什么？”我的回答是，“我们没有人工智能战略。我们有商业战略。我们有增长计划。我们确切地知道技术在哪里发挥作用，以实现这一点。你可能会花费大量时间去追逐那些将技术推向你无法理解它如何与业务协同工作的领域。所以，我对技术领导者的警告是，在真正尝试将技术推向一个……从商业战略开始之前，请确保你已经达成了共识，并且你理解它的功能以及它在哪里发挥作用。>> 这是非常明智和睿智的建议，>> 比尔。>> 是的，我认为这是一个很好的建议。我认为从人工智能的角度来看，我的建议是，你必须拥抱一定程度的不确定性。你知道，我来自礼来公司更科学的一面，然后当我进入制造业时，我真的了解到那里的文化非常由确定性驱动，对吧？所以，你想每次都以完全相同的方式做同样的事情，以确保……没有差异。你总是试图限制这种差异，这对于制造产品来说确实至关重要，对吧？你不想让产品有任何差异。你希望它每次都完全相同。所以你想把它牢牢地固定住，确保这是真的，但然后你也需要学习是否有更好的方法来制造产品，对吧？所以，我认为这确实是其中的一个方面，就是说，是的，我们想每天都做同样的事情来制造它，但我们能做得更好吗？对吧？如果我们从未尝试过其他方法，我们怎么知道这是最好的方法呢？所以，这不仅仅是……创造巨大的不确定性，而是我们如何以一种可控的方式做到这一点？所以，这实际上是为了推动实验，以便你可以利用你产生的差异来学习更好的做事方式。所以我认为这是我看到的最大挑战之一，就是不确定性和尝试新事物的意愿，以及承担一些风险。所以我认为，如果你愿意这样做，你就能找到有效的方法，一旦你找到了有效的方法，就真的要努力在整个组织中快速推广它们。>> 我会说，要全面地思考你如何解决问题。你知道，将人形机器人引入工厂的第一步通常是升级 Wi-Fi，对吧？因为[笑声]你们有这些制造工厂，它们的整个工厂的上传速度就像 15 Mbps 的 DSL 线一样，对吧？他们说，“我们想部署一个人形机器人。”我说，“我甚至无法下载 OTAA 更新的软件。”所以，有很多部分不仅仅是机器人本身。它……它在流程中扮演什么角色？它在与什么通信？它如何为你的特定应用带来商业价值和投资回报？所以，我想说，呼应这些……其他很棒的观点，你必须全面地思考大局是如何组合在一起的，自动化、数字孪生、人工智能模型将如何协同工作，然后不要忽略你自己的基础设施来实际启用这些东西。你的数据放在哪里？你如何将数据输入和输出你的工厂？你在与什么通信？你必须一起考虑所有这些，才能真正实现并取得成功。凯文，是的，我可能会回到我之前提到的关于生态系统的挑战。我认为要建立一个长期可持续的制造环境，你真的必须建立整个生态系统。例如，今天台湾可能是谈论高科技制造中心时最糟糕的……从晶体管到电路到电路板再到……你知道的盒子和托盘。所以，这需要多年的努力，台湾花了四十多年的时间才建立起整个生态系统。所以，在美国，我认为我们必须专注于建立整个供应链生态系统。你需要从第一天开始，从一开始你就需要带着你的供应商，带着你的合作伙伴，你需要与地方政府、州政府和联邦政府建立非常好的关系和伙伴关系。我们非常幸运地得到了各级政府的大力支持，所以我认为这使我们能够逐步建立起生态系统，以支持我们制造商的长期生存能力。>> 和露丝。>> 我来做最后的发言。首先，我同意我的各位小组成员刚才所说的一切。总的来说，我想说……正确地确定优先级，因为数字化，特别是人工智能，是一个迷人的话题，但我们谁也负担不起迷失其中。所以，仔细阐述你想要解决的业务问题，然后分块进行，因为美国制造业……是的，有财富 500 强公司，但美国制造业的绝大部分仍然是中小型企业，它们可能会被吓倒，因为我们刚才谈论的这些内容很复杂。所以，这是仔细的优先级排序，我……在这一点上，真正选择你能打的仗。最后但同样重要的是，回到我们开始的地方。不要忘记，你需要电力来做这一切。所以，不要忘记与你的公用事业公司交谈。>> 是的，我们不会忘记。[笑声]好的。这样，我们就可以开始提问了。我想我们有五分钟的时间来提问。我们怎么做？把麦克风递给他们。>> 你好，我是……拉米·奇图里。我认为将制造业带回美国的最大挑战是，如果你看任何产品，都有一个巨大的供应链依赖性。所以，仅仅建造一个工厂是不够的。我认为最大的挑战是如何消除这些依赖性，以便你有一个合理的成功机会。你说的依赖性是指供应链依赖性吗？>> 是的。>> 有人想回答吗？我认为>> 我，是的，我可以先说。所以，你可以想象，作为一个全球性公司，我……我们遇到了挑战，但我必须说，在这方面，感谢……科伊已经迫使我们真正……我……更仔细地看看我们的工厂，我们从哪里采购材料，并在采购时更加有意识……我……从全球其他地区。所以，从这个角度来看，我百分之百同意……你的评估，这需要成为战略的一部分，但有解决的方法，而且……我们越是靠近家乡，并支持本地制造业作为重新制造战略的一部分……我……如果我们齐心协力，这就可以解决。>> 是的，我完全同意。所以，为了在这里取得长期成功，我们必须将供应链带进来。所以，所谓的本土制造业。这不仅仅是建造工厂，我们把我们的供应商从亚洲带到美国。是的。>> 如果我能快速评论一下，我想补充的另一件事是，制造业并非孤立存在。就像要真正让它运转起来，你必须了解……你必须从你的市场获得良好的需求信号。我的客户想要什么？我应该建造什么？将其构建为数字孪生。回到你的工厂。显然，我们已经讨论了工厂的数字孪生……我们现在正在 Omniverse 中对供应链进行建模。它不必是实体的东西，它可以是流程的东西，输入和输出。一旦你有了端到端的画面，你就可以真正开始模拟你的业务是什么样的。如果你只是试图模拟每一个小部分，并希望你能把它们拼凑起来，你总是会感觉像是在追赶。它奏效了吗？好的，好了。坦纳·萨西，来自川崎。我们正在进行一项内部调查。我们发现的是，有太多的不同系统可以集成到我们的……我们的流程中。你们有什么建议？你们怎么开始？因为有 Omniverse，有视觉系统，有机器人。这是一个非常庞大广阔的领域。我只是好奇你们有什么建议。>> 比尔，也许你想接这个。>> 是的，这是一个很好的……这是一个很好的问题。显然，有很多工具和很多令人兴奋的模型和……你想尝试的东西。所以，是的，我的意思是，我们……我们……你知道，我们显然会寻找那些我们可以应用于多个……多个问题的产品，你知道，因为最终你将不得不评估……我们是否可以引进该产品？我们是否必须进行……你知道，安全评估等等，所以你可能无法选择所有东西。我认为……当涉及到……像英伟达这样的产品时，我认为优势在于，如果你已经有很多英伟达的硬件，你知道这些产品将在上面有效地运行。所以，我认为这取决于你的应用。但是，我认为这是一个……这是一个很好的问题。而且你不想被麻痹，我认为，有这么多的不同选择，你知道，我只能想到我自己学习云……好的，我必须做一些云认证……好的，哪个云？你知道，我该如何选择哪个云？哪个云会赢？你可以思考和思考永远，但如果你只是深入研究一个并学好它，你学到的东西将转移到其他地方，所以我认为……不要被它麻痹，所以你确实必须选择……但深入研究一个比不断地切换和思考“如果我使用其他东西会怎么样”要好。>> 是的，谢谢。我们在这里华盛顿，当我们想到……你知道，重新制造……你知道，当我们有了新的联邦政策激励措施时，这是在创造就业的背景下。所以，我们确实听到了人工智能工具如何帮助培训工人。但是，你知道，我……我们应该如何看待机器人和人工智能将如何影响通过重新制造创造的就业机会？>> 也许我来回答这个问题。你知道，有一种恐惧认为自动化，特别是像人工智能提供的先进自动化，会抢走工作。如果你看看人类历史，你知道，总有一种恐惧，当有更多的人，更多的人进入劳动力市场时，要做的工作量是固定的，而且……不会有足够的工作给所有人。但事实并非如此。随着我们引入更多的工人，更多的劳动力，我们最终会找到更多的工作要做。我们生产更多的东西。所以，当我们……将这些……人工智能劳动力引入我们的劳动力队伍时，人类将为他们创造更多我们以前甚至没有想过的工作。而且，在这个制造业领域，正如我们现在所说的，我们面临劳动力短缺。没有足够的人来做我们今天以我们需要的速度继续生产我们所需的东西所必需的工作。考虑到人口结构挑战，以及考虑到年轻一代今天想要的工种的变化，我们正面临一场危机。所以，我们必须……我们必须想办法自动化这种我们今天没有足够人来做的劳动，而且我们明天肯定也不会有足够的人来做。好的，我想就这样，我们正好准时。谢谢大家。这是一场精彩的小组讨论。感谢我们的小组成员。掌声]