Cadence و Nvidia توسعان شراكتهما لتدريب الروبوتات على محاكاة أكثر دقة

قررت Cadence و Nvidia التعامل مع أحد أكثر النقاط حساسية في الروبوتات: الفجوة بين ما يتعلمه الروبوت في المحاكاة وكيف يتصرف بالفعل في العالم الحقيقي. أعلنت الشركتان عن توسيع شراكتهما في 15 أبريل 2026 في مؤتمر CadenceLIVE Silicon Valley في سانتا كلارا. هدفهما بسيط في الصيغة لكنه معقد في التنفيذ: جعل بيانات التدريب للروبوتات واقعية جداً بحيث يصل الذكاء الاصطناعي المادي إلى النشر الفعلي بشكل أسرع، بدلاً من أن يعلق بين المختبر والإنتاج.

بالنسبة إلى Nvidia، هذا استمرار لرهانها على الذكاء الاصطناعي المادي—فئة من الأنظمة التي يجب أن لا تولد فقط نصاً أو صوراً، بل تتصرف في الفضاء، وتعمل مع الأجسام، وتتحرك، وتأخذ في الاعتبار مقاومة المواد والاحتكاك والتصادمات والكتلة. بالنسبة إلى Cadence، هذا امتداد منطقي يتجاوز الصورة المألوفة للشركة كمزود لبرامج تصميم الرقاقات. بعيداً عن أدوات EDA، لديها محركات فيزياء قوية ومحاكيات متعددة الفيزياء التي يمكنها نمذجة تشوه المعادن وتدفق السوائل واتصال الأسطح والعمليات الأخرى التي تعتمد عليها الروبوتات بشكل كبير.

هذه بالضبط النماذج التي يريد الشركاء دمجها في حلقة تعلم الروبوتات. المشكلة التي يحاولان حلها معروفة جيداً في صناعة بأكملها. تدريب الروبوت في العالم الحقيقي بطيء وغالي الثمن وغالباً ما يكون غير آمن: تحتاج إلى أجهزة ومساحة ومهندسين وحماية من الأعطال وعدد ضخم من التكرارات.

تتيح المحاكاة تشغيل السيناريوهات بشكل أسرع وأرخص، لكن فقط طالما تعكس البيئة الافتراضية فيزياء العالم الحقيقي بدقة. إذا كان جسم ما في المحاكاة ينزلق بشكل مختلف عن الواقع، أو إذا كانت السطح مثالية جداً، أو إذا تم حساب اتصال الإمساك بطريقة مبسطة، فستتعلم النموذج سلوكاً خاطئاً. نتيجة لذلك، يبدأ الروبوت الذي بدا مقنعاً على الشاشة في ارتكاب أخطاء في المستودع أو الورشة أو خط التجميع.

كلما كانت البيانات الاصطناعية أكثر دقة، كان التدريب أكثر فائدة—هذا هو المنطق الكامل وراء هذه الصفقة. من الناحية التقنية، يجب أن تربط المكدس المشترك عدة طبقات في خط أنابيب عمل واحد. من جانب Nvidia، يتضمن هذا مكتبات Isaac المفتوحة لمحاكاة وتدريب الروبوتات، ونماذج Cosmos لنمذجة العالم، وأجهزة Jetson للنشر على الحافة وفي الأجهزة نفسها.

من جانب Cadence—محاكيات متعددة الفيزياء عالية الدقة وبيئات اختبار إضافية مثل VTD و VTDx للسيناريوهات المعقدة. في الوصف الرسمي للشراكة، تتحدث الشركتان عن خط أنابيب منسق بواسطة وكلاء الذكاء الاصطناعي: سيقوم هؤلاء الوكلاء بتنسيق المراحل من تحضير وتنسيق التدريب إلى تحسين السياسات والتحقق من البيانات الحقلية والتغذية الراجعة بعد النشر. بمعنى آخر، لا يتعلق الأمر بصورة ثلاثية الأبعاد جميلة، بل بحلقة مغلقة حيث يتم التحقق المستمر من التدريب الافتراضي مقابل السلوك الفعلي للآلة.

على مستوى أوسع، هذا أيضاً إشارة إلى كيفية تغير سوق البنية التحتية للذكاء الاصطناعي. تبني Nvidia باستمرار روابط بين الحوسبة والمحاكاة والتوائم الرقمية والبرامج الصناعية: عمقت الشركة بالفعل شراكاتها مع Siemens و Dassault Systèmes، والآن تقوي الروبوتات من خلال Cadence. بالنسبة إلى Cadence، هذه فرصة لاحتلال مكان ليس فقط في سلسلة تطوير الرقاقات الدقيقة، بل أيضاً في الطبقة المتنامية من الأدوات للذكاء الاصطناعي المادي.

في البيان الصحفي حول الشراكة الموسعة، تتحدث الشركتان أيضاً عن الذكاء الاصطناعي الوكيل والتوائم الرقمية لمصانع الذكاء الاصطناعي؛ في بعض المهام الهندسية، تعد Cadence بتسريع سير العمل حتى 100 مرة، على الرغم من أن العامل الأساسي في الروبوتات يظل ليس السرعة في حد ذاتها، بل دقة المحاكاة والثقة عند نشر الأنظمة في بيئة حقيقية. الاستنتاج الرئيسي هنا هو هذا: السباق في الروبوتات يتعلق بشكل متزايد أقل بالنموذج وحده وأكثر بجودة البيانات وفيزياء المحاكاة والتغذية الراجعة المستمرة بعد النشر. إذا سمحت مزيجة Cadence و Nvidia بفعالية بتضييق الفجوة من المحاكاة إلى الواقع، فسيتمكن مصنعو الروبوتات من اختبار مهارات جديدة بشكل أسرع، وكسر أجهزة أقل في المراحل المبكرة، وإطلاق الأنظمة للمهام الحقيقية بثقة أكبر.

هذا لا يعني حل المشكلة نهائياً: العالم الحقيقي لا يزال أوسخ وأكثر ضوضاء وأقل توقعاً من أي نسخة رقمية. لكن الشراكة تظهر إلى أين يتجه السوق: نحو محاكيات أكثر دقة وتكاملاً أوثق للبرامج والأجهزة وطريقة أكثر عملية من تدريب النموذج إلى روبوت يعمل.