Quando Bill Dally ingressou no laboratório de pesquisa da Nvidia em 2009, a equipe era composta por cerca de uma dúzia de pessoas, com foco em ray tracing, uma técnica de renderização utilizada em computação gráfica.
Esse outrora pequeno laboratório agora conta com mais de 400 colaboradores, que ajudaram a transformar a Nvidia de uma startup de GPUs para videogames nos anos 90 em uma empresa de 4 trilhões de dólares, impulsionando a revolução da inteligência artificial.
Atualmente, o laboratório está voltado para o desenvolvimento da tecnologia necessária para alimentar a robótica e a IA, e parte desse trabalho já se reflete em produtos. Na segunda-feira, a empresa revelou um conjunto novo de modelos de IA mundial, além de bibliotecas e infraestrutura para desenvolvedores de robótica.
Dally, atualmente cientista-chefe da Nvidia, começou a prestar consultoria para a empresa em 2003 enquanto trabalhava em Stanford. Quando se preparava para deixar o cargo de chefe do departamento de Ciência da Computação alguns anos depois e entrar em um período sabático, a Nvidia tinha outros planos.
David Kirk, que administrava o laboratório na época, e o CEO Jensen Huang acreditavam que uma posição mais permanente no laboratório seria o ideal. Dally contou que os dois fizeram uma forte pressão para que ele se juntasse à equipe, até que acabou sendo convencido.
“Acabou sendo um encaixe perfeito para meus interesses e meus talentos. Acho que todos estão em busca do lugar na vida onde podem causar a maior contribuição para o mundo. Para mim, definitivamente, essa é a Nvidia.”
Quando Dally assumiu o laboratório em 2009, a expansão foi a prioridade. Os pesquisadores passaram a explorar áreas além do ray tracing, como design de circuitos e VLSI (integração em larga escala), um processo que combina milhões de transistores em um único chip. Desde então, o laboratório não parou de crescer.
Evento TechCrunch
San Francisco | 27 a 29 de outubro de 2025
“Tentamos identificar o que poderá fazer a diferença mais significativa para a empresa, pois constantemente surgem áreas novas e empolgantes. Embora algumas apresentem um trabalho excelente, nem sempre é possível garantir um sucesso estrondoso”, afirmou Dally.
Por um tempo, o foco foi aprimorar as GPUs para inteligência artificial. A Nvidia já antecipava o futuro boom da IA e começou a experimentar GPUs otimizadas para essa finalidade em 2010 – mais de uma década antes da atual febre da IA. “Dissemos: ‘Isso é incrível, isso vai mudar completamente o mundo'. Precisamos intensificar nossos esforços, e Jensen acreditou em mim quando expressei essa visão. Começamos a especializar nossas GPUs e desenvolver um vasto software de suporte, dialogando com pesquisadores do mundo inteiro, muito antes de isso se tornar visivelmente relevante”, disse Dally.
Foco em IA Física
Agora, com a Nvidia dominando o mercado de GPUs para IA, a empresa está explorando novas demandas além dos data centers de IA, direcionando seus esforços para a IA física e a robótica. “Acredito que, eventualmente, os robôs serão protagonistas no mundo, e queremos ser os responsáveis pelo cérebro de todos eles. Para isso, precisamos desenvolver tecnologias-chave”, ressaltou Dally.
É aqui que entra Sanja Fidler, vice-presidente de pesquisa em IA da Nvidia. Fidler ingressou no laboratório de pesquisa da empresa em 2018, quando já trabalhava com modelos de simulação para robôs junto a uma equipe de estudantes do MIT. Em um encontro de pesquisadores, ao apresentar o projeto para Huang, ela despertou grande interesse. “Não pude resistir em me juntar. Era um tema que se encaixava perfeitamente, além de ser uma cultura que combinava muito comigo. Jensen me chamou para vir trabalhar com ele”, relatou.
Ela passou a atuar na criação de um laboratório em Toronto, batizado de Omniverse – uma plataforma da Nvidia voltada para construir simulações para a IA física.
O primeiro desafio para construir esses mundos simulados consistiu em obter os dados 3D necessários, conforme explicou Fidler. Isso incluía encontrar o volume adequado de imagens e desenvolver a tecnologia para converter essas imagens em representações 3D que os simuladores pudessem utilizar. “Investimos em uma tecnologia chamada renderização diferenciável, que basicamente torna o processo de renderização compatível com a IA. Você parte de renderizar, ou seja, de transformar o 3D em imagem ou vídeo, e queremos que o processo funcione na direção inversa”, detalhou.
Modelos Mundiais
Em 2021, a Omniverse lançou a primeira versão de seu modelo capaz de converter imagens em modelos 3D, o GANverse3D. Em seguida, passou a trabalhar na mesma abordagem para vídeos. Fidler explicou que foram utilizados vídeos capturados por robôs e veículos autônomos para criar modelos 3D e simulações, por meio do Neuric Neural Reconstruction Engine, anunciado em 2022.
Essas tecnologias formaram a espinha dorsal da família Cosmos de modelos de IA mundial, apresentada no CES em janeiro. Atualmente, o laboratório foca em tornar esses modelos mais rápidos. Enquanto, em videogames ou simulações, a resposta em tempo real já é essencial, para os robôs, os esforços buscam reduzir ainda mais os tempos de reação. “O robô não precisa reproduzir o mundo exatamente na velocidade em que ele ocorre; ele pode processá-lo, por exemplo, 100 vezes mais rápido. Se conseguirmos acelerar significativamente esse modelo, ele será de imenso valor para aplicações robóticas ou de IA física”, afirmou Fidler.
A Nvidia segue avançando nessa direção. Recentemente, a empresa anunciou uma nova geração de modelos de IA mundial desenhados para criar dados sintéticos utilizados no treinamento de robôs, além de apresentar bibliotecas e softwares de infraestrutura destinados a desenvolvedores de robótica.
Apesar de todo esse progresso – e da atual empolgação em torno dos robôs, sobretudo os humanóides – a equipe de pesquisa da Nvidia mantém uma visão realista. Tanto Dally quanto Fidler afirmam que ainda faltam alguns anos para termos um robô humanóide em nossas residências, comparando essas expectativas com o burburinho e os prazos dos veículos autônomos.
“Estamos fazendo progressos enormes e, acredito, a IA tem sido a grande facilitadora nesse processo. Começamos com a IA visual para a percepção dos robôs e avançamos para a IA generativa, que tem se mostrado extremamente valiosa para o planejamento de tarefas, movimentos e manipulação. À medida que solucionamos cada um desses desafios e aumentamos a quantidade de dados para treinar nossas redes, esses robôs continuarão a evoluir”, concluiu Dally.
