Ang susunod na totoong malaking trend ng AI, marami pa ang hindi nakakaalam nito

Sa nakaraang dalawang taon ng pag-unlad ng AI, halos palagi akong unang sumusubok sa mga update. Agent, multi-modal, sunod-sunod na iteration ng modelo—upang maging tapat, karamihan ay wala na akong gaanong pakiramdam. Oo, tumataas ang kakayahan, pero karamihan ay umiikot pa rin sa “pagpapaganda ng content”, di nagbabago ang direksyon.

Hanggang nitong buwan, nang sunod-sunod kong subukan ang Astra, Atlas, Cosmos, doon ako unang beses na natigilan talaga.

Hindi dahil mas maganda ang nagagawa nito, kundi ngayon ko lang talaga naramdaman: tumatawid na ang AI sa bagong linya—mula “content generation” papuntang “pag-unawa sa mundo, at handa nang kumilos”.

Ilagay ko na ang konklusyon: ang susunod na tunay na halaga ay wala sa labanan ng dami ng model parameters, kundi—ang tatlong-dimensional na mundo ay muling sinusulat bilang AI-readable, AI-simulatable, at AI-operable na interface. Kung naiintindihan mo lang siya bilang “mas magkakaroon ng 3D content demand”, mamimiss mo ang pagbabago sa mismong pinakapundasyon.

Medyo malakas pakinggan ang sinasabi ko. Pero matapos kong maranasan ito, hindi ko talaga kayang sabihing nagkataon lang ito.

1/ Astra: Ang Unang Gumuho ay ang Estruktura ng Gastos

Pinagawa ko sa GPT-6 Astra ng isang eksena ng apartment interior. Dati, kahit gaano pa ka-ganda ang output, pag inimport mo sa modeling software, papel de basura lang—walang structural information, di magagamit.

Ngayon, iba na. Diretso nitong nilikha ang asset na buo ang estruktura: maaaring i-edit sa Blender, puwede ring i-import sa Unreal Engine 5 para agad mag-roam nang real-time.

Alam ng mga may karanasan sa 3D workflow kung gaano kamahal ang prosesong ito—modeling, material, lighting, rendering, post-processing, bawat hakbang ay kailangang mano-mano sa bawat propesyonal na software, napakababa ng tolerance sa error, napakataas ng time cost.

Ngayon? Natural language na ang entrance.

Nagawa na ng larawan at video ang eksenang ito—kapag bumaba ang gastos ng tool, hindi lumiliit ang demand, kundi napapalaya. Gaming, ecommerce, construction, ads, industrial design—lahat ito nakapila. Hindi ito prediction, kundi nangyayari na ngayon.

2/ Atlas: Mula "Paglikha ng Bagay" Patungong "Pag-unawa sa Espasyo"

Kung napansin ko ang pagbabago dahil kay Astra, sa Atlas ng World Labs na inilunsad nitong Setyembre ko talaga naintindihan kung gaano pa ito posibleng lumayo.

Isipin mo ang kaibahan na ito: kung magge-generate ka ng tasa, concern mo lang itsura; pero para maiintindihan ang isang kusina, kailangang alam ng modelo kung saan ilalagay ang tasa, gaano kataas ang mesa, anong direksyon dapat abutin ang kamay, at ano ang susunod na mangyayari sa espasyo.

Ang una ay paggawa ng bagay, ang ikalawa ay pag-unawa sa espasyo. Hindi lang resolusyon ang pagitan, kundi buong dimensyon.
May sinabi rin ang World Labs na ilang beses kong binasa: "Nagiging pangkalahatang interface ng espasyo ang 3D."

Dati, ang teksto ang nag-uugnay sa tao at makina. Kung magiging media ng sabay na paglikha, pag-edit, at pag-simulate ng espasyo ng tao at AI ang three-dimensional, ibig sabihin, hindi na lang design file ang 3D, kundi nagiging bagong computation carrier. Medyo malayo pa pakinggan, pero sa aktual na pagsubok ko—nagiging konkretong realidad na ito.

3/ Cosmos: Mula "Pagkaunawa" Hanggang "Pagkilos"

Sa bahagi ng Nvidia Cosmos, halos kumpirmado kong hindi ko lang sobra pinapaliwanag ang nararamdaman ko.

Ang kasalukuyang visual na modelo ay kayang-kaya nang sagutin kung “ano ang nasa eksena”. Pero ang totoong hamon sa robotics at self-driving, simula’t simula ay di identification, kundi kung “ano ang susunod na mangyayari”.

Ang ginagawa ng Cosmos, binibigyan nito ng internal na world state simulation system ang modelo—sinasanay kung ano ang posibleng resulta ng bawat kilos, at saka pinipili ang optimal na ruta. Literal na parang dinagdagan ng AI ng internal simulator na puwedeng patakbuhin.

Wala ito, ang makina ay kayang makaramdam lang ng kasalukuyan; meron nito, magkakaroon ng kakayahan ang makina na “subukan muna bago kumilos”. Ang hakbang na ito para sa Physical AI ay kasing halaga ng unang breakthrough ng malalaking modelo sa reasoning noon.

4/ Tunay na Winning Move: Synthetic Data

Masyadong mahal ang tunay na world data.

Puwedeng aralin ng language model ang napakaraming tekstong website, pero hindi matututo ang robot mula sa web kung paanong hawakan ang tasa; hindi rin puwedeng asahan lang ang aktuwal na self-driving test para masaklaw ang lahat ng extreme scenarios. At ang pinaka-importanteng training data—matinding panahon, biglaang insidente, bihirang road condition—siyang pinakamahirap makuha.

Pero pag napino na ang 3D reconstruction plus world model, mag-iiba ang lohika: magtatayo muna ng digital base scene gamit ang limitadong real data, tapos systematicong babaguhin ang weather, location, attributes ng object, lighting sa virtual—mula sa konting seed data, puwedeng padamihin ng walang katapusan ang mga training sample.

Kaya ayon sa analisis ng U.S. Stock Investment Network, lumilipat na ang kumpetisyon ng Physical AI:

Dati, paramihan ng real data; sa susunod, paramihan ng—quality ng real data × kakayahan sa space reconstruction × simulation accuracy × efficiency ng synthetic data amplification.

Nakikinabang na US Stock Companies

Pinagtabi-tabi ko ang apat na antas ng “direktang makikinabang”, mas pa-front mas siguradong kikita, mas tataas ang flexibility habang papalapit sa dulo, pero mas concentrated ang risk:

Unang Antas · Infrastructure: NVDA

Kahit sino mang robot o self-driving ang manalo sa huli, kailangan pa rin nila ng computing power, simulation, synthetic data at training platform. At sabay-sabay na hawak ng NVIDIA ang GPU, Omniverse, Isaac, Cosmos—hindi lang chips ang binebenta nila, kundi ang buong base system para matutunan ng makina ang real world. Eto ang hindi nakatutok sa one-winner-takes-all.

Ikalawang Antas · 3D Reconstruction at Digital Twin: PTC, ADSK

Bago maging digital world na pwedeng pagtrainan ng AI ang reality, kailangan munang may magtayo ng industrial 3D, digital twin, at design workflow. Sila ang “data entrance” ng real world patungong models.

Ikatlong Antas · Space Awareness: OUST, MBLY

LIDAR, machine vision—ang nagta-translate ng physical environment para maging machine-readable space data. Kapag nawala ito, lahat ng nasa taas ay puro drawing lang; pero dito rin pinaka-competitive, pinakamatindi ang labanan sa presyo at accuracy.

Ikaapat na Antas · End Application: TSLA, SYM

Sila ang tunay na nagde-deploy ng AI sa realidad. Pinakamalaki ang flexibility, pero pinakamalaki rin ang risk: kayang tumakbo ng modelo, pero hindi nangangahulugang kaya nang mass production ang robots; epektibo ang simulation, pero hindi ibig sabihing madaling i-apply sa realidad.

Sa susunod, huwag lang tumingin kung gaano ka-astig ang mga video demo, tumutok sa tatlong bagay: Talaga bang nagpapababa ng real-world training time ang simulation; Talaga bang pinapabuti ng synthetic data ang success rate ng modelo; Handa ba ang customers magbayad nang paulit-ulit para dito.

Ang nakaraang AI revolution, ginawa ang human knowledge na puro token.
Ang susunod, marahil ay gawing nacocompute, nasisimulate, natetrain na data ang buong real world.

Pinabasa ng wika ang AI sa tao; pero ang 3D, malamang ito na ang magpapapasok talaga sa AI sa mundo natin.

Bagong Update ng VIP US Stock Investment Network

Pagpapakita ng Function ng AI Quantitative Analysis Tool ng US Stock Market Investment Network

Ang US Stock Investment Network ay isang fintech company na nakatutok sa research ng US stock market, itinatag sa Silicon Valley noong 2008. Itinatag ni dating NYSE analyst Ken, kasama ng mga Morgan Stanley analysts, Google at Meta engineers, gamit ang AI at big data at sinamahan ng mahigit sampung taong aktwal na karanasan at industry quant models, nakagawa ng isang stock market database na araw-araw ay nagpoproseso ng napakaraming stock data: pagkuhan ng malalaking option orders, real-time tracking ng mga galaw ng malalaking pondo, pagbabago sa institutional holdings, Trump breaking news.