英伟达GTC Keynote演讲中的机器人亮点

本文剖析英伟达GTC Keynote演讲中机器人业务的最新进展，包括物理AI、GR00T基础模型及Omniverse平台，揭示英伟达在通用机器人领域的战略布局与生态构建。虽然二级市场投资者主要聚焦于英伟达的数据中心计算业务，但英伟达实际上对机器人领域寄予厚望，并在机器人模型训练、模拟仿真以及边缘计算等方面进行了深度布局。

之前的文章便探讨了人形机器人发展所需的计算力问题：通用人形机器人的训练计算需求可能是智能驾驶的数倍，甚至高出一个数量级。同时，人形机器人的实际部署依赖于端侧边缘计算，对计算性能要求极高。此外，收集真实世界数据用于训练人形机器人的成本高昂且效率低下，因此在模拟仿真环境中使用合成数据进行训练已成为行业共识。

英伟达在上述三个关键领域均有战略布局，尤其在模拟仿真训练方面领先一步，并与除特斯拉外的几乎所有人形机器人公司建立了合作关系，从而构建生态体系。例如，英伟达的Isaac Sim模拟平台上汇集了众多共享算法包、工具包和训练资源，许多由合作企业贡献。长远来看，Isaac Sim有望成为机器人训练领域的“CUDA”标准。

今日是英伟达GTC大会第三天，也是重头戏，因为CEO黄仁勋发表了Keynote演讲。在这场演讲中，机器人和物理AI被反复提及，黄仁勋在结尾压轴部分重点阐述了英伟达机器人业务的最新进展，从中可见公司对该领域的重视，以及机器人AI的当前发展趋势。

1、物理AI（Physical AI）

黄仁勋开场即强调物理AI，认为它是继生成式AI和智能体AI之后的下一波AI浪潮。目前的生成式AI在某种程度上能模拟简单物理世界，如多模态大模型，但它缺乏对真实物理规律的深刻理解，导致在现实交互中可能出现问题。如果机器人仅搭载此类AI，其与环境的互动将难以为继。

物理AI是英伟达的核心关注点，它能理解三维物理世界，包括摩擦、惯性、因果关系和物体持久性等概念，从而推动自动驾驶和通用机器人技术的发展。电子游戏玩家熟知的物理引擎概念，在大型游戏开发中至关重要——优秀的引擎能让游戏动作对环境产生逼真影响。鉴于英伟达早期以游戏业务为主，因此在物理AI领域已积累深厚基础。

2、行业AI（AI for Every Industry）

黄仁勋指出，英伟达已构建CUDA-X库，用于加速各行业的应用。为机器人和制造业提供的平台和模型包括Omniverse-Cosmos以及Isaac GR00T通用大模型等。

随后，他详述了英伟达在自动驾驶领域的进展：自AlexNet问世以来，公司便全力投入该领域。目前，几乎所有自动驾驶公司都采用英伟达技术，例如特斯拉数据中心大量使用英伟达GPU，Waymo则在数据中心和车辆上均有应用。英伟达提供三种计算设备：训练计算机、模拟计算机以及机器人/自动驾驶车辆计算机，并配以软件栈、模型和算法（涵盖训练计算、模拟仿真、边缘计算，以及以CUDA为核心的软件工具包）。同时宣布与通用汽车合作，共同打造自动驾驶车队。

此外，黄仁勋发布了NVIDIA Halos——从芯片到部署的全栈自动驾驶安全系统，并解释了Omniverse-Cosmos如何赋能自动驾驶，帮助系统理解真实物理世界并构建虚拟环境。

3、机器人

在Keynote结尾压轴环节，黄仁勋聚焦机器人相关进展。他表示，未来世界将面临严重劳动力短缺，到本世纪末，全球至少缺口5000万工人。人类愿意为每年5万美元的劳动力买单，因此机器人将成为下一个万亿美元级市场。

物理AI和机器人发展迅猛，但面临数据获取、模型架构、Scaling Law（如如何扩展数据和计算）等挑战。英伟达为此构建了Omniverse平台，作为物理AI的操作系统。为扩展Omniverse，公司开发了Cosmos——一种具备生成能力和物理世界理解的生成式世界基础模型（WFMs）。结合Omniverse，可生成无限虚拟环境，并融入真实物理规律，助力机器人在虚拟中训练。

英伟达宣布与谷歌DeepMind和迪士尼合作，推出开源Newton项目——一个模拟真实机器人动作的物理引擎。迪士尼将在下一代娱乐机器人中采用Newton。现场，黄仁勋展示了灵活行走、关节灵敏的小机器人Blue，并与之互动。

此外，黄仁勋发布了人形机器人基础模型GR00T N1——全球首个开源、可定制的人形机器人基础模型，使用合成和真实数据训练，采用“快思考-慢思考”双系统架构。英伟达还推出Isaac GR00T Blueprint，用于合成大量动作数据以支持机器人训练。