首批增量配电改革试点即将落地 官方将批复100个项目

在全球人工智能（AI）和机器人技术浪潮的推动下，2025年正成为物理AI发展的关键节点。根据Market Research Future的预测，全球机器人市场2024年规模为740亿美元，预计到2032年将增长至4470亿美元，年复合增长率（CAGR）达18.4%。与此同时，Statista数据显示，AI驱动的机器人市场2024年为190亿美元，到2030年将达到643.5亿美元，CAGR为23.37%。这一快速增长的背后，是物理AI作为核心技术的崛起——它将AI从数字领域扩展到物理世界，使机器能够通过传感器和实时计算与现实环境直接互动。从工业生产中的机械臂，到城市街道上的自动驾驶汽车，再到服务于日常生活的人形机器人，物理AI正在重塑多个行业的未来。这一宏大前景的实现，不仅依赖于算力的提升，更需要仿真技术、合成数据和生态协作的全面突破。而NVIDIA，作为AI硬件与软件的领导者，正通过其在GTC 2025上的最新战略，试图引领这一变革的前沿。

近日，NVIDIA在GTC上举办了一场备受瞩目的新闻预简报会，主题聚焦于“物理AI”的最新进展。这场会议汇集了英伟达Omniverse与仿真技术副总裁拉尔夫·利伯蒂（Ralph Liberty）和英伟达汽车部门副总裁奥利·肯尼（Ollie Kenny），向全球媒体和行业观察者展示了NVIDIA在机器人、自动驾驶和仿真技术领域的宏伟蓝图。会议透露的内容不仅勾勒出人工智能从数字世界走向物理现实的清晰路径，还预示着一个由AI驱动的机器人时代即将来临。NVIDIA通过此次简报，向外界传递了一个明确信号：物理AI将成为其未来战略的核心支柱，旨在重塑多个行业的运作方式并推动技术边界的进一步拓展。

物理AI：从数字到现实的桥梁

物理AI（Phy-AI）是一种基于传感器输入（如摄像头、激光雷达、雷达、超声波等）和指令生成动作的人工智能技术。这种技术将AI从传统的计算任务扩展到物理世界，使其能够驱动机器人执行复杂的现实任务。物理AI的三大应用领域包括：设施机器人（如工厂和仓库中的自动化设备）、运输机器人（以自动驾驶汽车为代表）以及人形机器人或机械手。这一分类清晰地勾勒出NVIDIA对物理AI的全面布局。

物理AI的核心在于其“感知-决策-行动”的闭环能力。传统的AI模型擅长处理数据和生成预测，但物理AI需要实时处理来自现实世界的多模态输入，并在动态环境中做出决策。例如，一个工厂机器人需要根据摄像头捕捉的物体位置调整抓取动作，而一辆自动驾驶汽车则需在毫秒内判断是否刹车。这种实时性、复杂性和对物理规律的依赖，使得物理AI的开发远比数字AI更具挑战性。

NVIDIA的应对之道是“三位一体”的“三计算机”技术体系：DGX用于AI模型的预训练和后训练，Omniverse与Cosmos提供仿真环境以进行训练、测试和验证，而AGX则将精炼后的模型部署到现实世界。这一体系不仅展示了NVIDIA在硬件和软件上的综合实力，也凸显了其对仿真技术的重视——Ralph表示，物理AI“诞生于仿真之中”，需要海量的、物理上准确的合成数据来驱动。

Omniverse与Cosmos：仿真驱动的创新引擎

要实现物理AI的高效仿真，Omniverse和Cosmos无疑是NVIDIA物理AI战略的核心技术。Omniverse作为一个数字孪生和仿真操作系统，允许开发者构建虚拟世界，整合来自工程设计和传感器生态系统的现实数据。而Cosmos则是一个世界基础模型平台，旨在通过AI增强这些虚拟环境，提供对物理世界的理解和预测能力。

Omniverse：数字孪生的基石

Omniverse以库、API和微服务的形式提供，封装为一系列“蓝图”（Blueprints），为开发者提供了从设计到部署的参考工作流程。在本次GTC上，NVIDIA宣布了多个蓝图的更新和扩展，例如：

·AI工厂数字孪生蓝图：与Cadence、ETAP、施耐德电气等合作伙伴共同开发，用于设计和优化千兆瓦级AI工厂。这一蓝图在建设开始前即可模拟布局，最大化总体拥有成本（TCO）和电力使用效率。

·MEGA蓝图：用于在工业数字孪生中测试机器人队伍，已进入早期访问阶段。Keyence子公司Denso将其集成到仓库管理软件中，而人形机器人开发者（如梅赛德斯-奔驰、Agility Robotics等）也在利用其为部署做准备。

·Earth-2天气分析蓝图：提供高分辨率、节能的天气预测和灾害准备能力，吸引了G42、Spire等气候科技公司的采用。

这些蓝图的意义在于，它们将复杂的仿真技术模块化，使开发者能够快速构建适用于特定行业的解决方案。发言人指出，Omniverse的开放性正在吸引更多软件生态系统采用其库，从而统一和协调物理世界与工业数据，为物理AI模型的大规模训练奠定基础。

Cosmos：AI与经典仿真的融合

Cosmos则代表了NVIDIA对AI驱动仿真的最新探索。Omniverse基于经典物理学（牛顿力学、流体动力学等）提供基础仿真，而Cosmos通过AI从现实观察中提取物理规律，填补仿真的“最后一英里”。Cosmos与Omniverse的协同作用，能够助力开发者快速完成大规模仿真工作。例如，给定起始和结束帧，Cosmos Predict可以生成中间的视频序列，而Cosmos Reason则能深入理解物理交互，用于数据标注或任务规划。

在本次GTC上，NVIDIA推出了一系列Cosmos世界基础模型，包括Cosmos Print、Predict、Reason和Transfer。这些模型在开放许可下提供，开发者可根据需求定制。例如，Cosmos Transfer结合经典仿真和AI生成逼真的合成数据，避免了传统仿真中昂贵的艺术创作成本。这种“混合方法”不仅保持了物理真实性，还创造了一个“无限的合成数据生成引擎”。

此外，NVIDIA宣布开源一个统一的物理AI训练数据集，包括2000小时的自动驾驶数据、32万条人形机器人运动轨迹和1250个仿真就绪资产。这一举措无疑将加速社区开发，进一步巩固NVIDIA在物理AI领域的领导地位。

行业应用：从医疗到汽车的全面渗透

而是通过一系列专用平台和开放生态，推动其在多个行业的深度落地与广泛应用。物理AI作为一种跨界技术，其独特之处在于能够将AI的计算能力与现实世界的物理交互相结合，解决传统技术难以触及的复杂问题。从医疗领域的智能诊断，到工业生产中的自动化优化，再到交通运输的自动驾驶革命，NVIDIA正通过其在GTC 2025上展示的技术矩阵，逐步渗透到各行业的核心环节。

Isaac for Healthcare：医疗领域的突破

在医疗领域，NVIDIA推出了Isaac for Healthcare平台，针对价值10万亿美元的医疗行业面临的人才短缺和患者护理可及性问题。该平台包括Mona（预训练模型）、Omniverse（物理仿真）和Holoscan（实时AI部署），专注于医学成像和手术等关键服务。GE医疗已采用该平台为其50万台设备引入自主诊断成像功能，延续双方近20年的合作。

Isaac GR00T N1：人形机器人的未来

人形机器人被视为下一个价值10万亿美元的产业，NVIDIA的Isaac GR00T平台应运而生。GR00T N1是全球首个开放、可定制的人形机器人基础模型，支持快慢双系统架构，能处理复杂任务并适应不同环境。在GTC上，GR00T N1已在Fourier GR1和Neo Gamma机器人中展示其实力。此外，NVIDIA与Google DeepMind合作开发的Newton物理引擎，以及Isaac GR00T的合成运动生成蓝图，进一步降低了人形机器人开发的数据成本。例如，仅用150个L40 GPU，11小时内生成78万条合成轨迹，相当于6500小时的人类演示。

DRIVE与HALOS：自动驾驶的安全革命

在汽车领域，Ollie介绍了DRIVE平台和全新HALOS安全系统的进展。DRIVE已覆盖全球自动驾驶生态系统，8家顶级L4公司和20家领先导航公司采用其技术。此次GTC宣布的通用汽车（GM）合作尤为引人注目：GM不仅在云端DGX上训练模型，还利用Omniverse和Cosmos优化工厂规划，并采用AGX和安全认证的DRIVE OS开发高级驾驶辅助系统（ADAS）。这与CES上宣布的丰田和现代合作类似，但GM的全面覆盖（从制造到车载）更具代表性。

HALOS则是一个端到端的自动驾驶安全系统，整合硬件、软件和AI模型，覆盖设计、部署和验证全生命周期。其核心在于安全护栏，利用DGX、Omniverse和AGX确保AI的可解释性和可靠性。发言人强调，安全是汽车行业的首要标准，HALOS的投资（涉及1.5万名工程师和1000多项专利）将帮助合作伙伴更快推出安全的自动驾驶产品。

从突破挑战到变革开启的征途

尽管NVIDIA的物理AI战略令人振奋，但其面临的挑战不容忽视。Ralph指出，创建泛化机器人“大脑”是历史性难题，而如今的突破依赖于Transformer和LLM技术。然而，这种技术需要海量数据支撑，而现实数据的采集成本高昂且有限。虽然NVIDIA推出的一系列工具和平台让大规模数据仿真训练实现了加速，但如何确保仿真的物理准确性和多样性仍是整个业界还在继续突破的一个技术瓶颈。仿真必须提供“物理上准确的合成数据”和“具有物理反馈的虚拟世界”，否则模型可能出现偏差或“幻觉”，影响现实部署效果。

在自动驾驶领域，Ollie提供了更具体的展望和挑战分析。他预测，类似Waymo的机器人出租车将在未来几年内扩展到更多城市，因其成本结构允许配备昂贵的冗余系统（如激光雷达、12个摄像头、冗余刹车等），每辆车计算机和传感器成本可达10万美元，仍有投资回报。然而，全球范围的乘用车完全自动驾驶则面临更大障碍，因消费者不会为每辆车额外支付高昂费用，需依赖更先进的AI模型和仿真数据。预计这一目标可能要到2030年以后实现，这不仅取决于技术进步，还需与政府协作制定法规并提升公众接受度。而在此方面，Cosmos作为基础模型能够通过例如生成“道路上重型静止小物体”的场景，帮助训练感知系统应对雷达难以识别的挑战。

从行业影响来看，NVIDIA的开放策略（如开源数据集、模型和框架）将加速物理AI的普及，这将降低开发者进入物理AI领域的门槛。诚然，这种开放性也可能对某些依赖闭源生态的潜在竞争对手造成冲击。

未来，NVIDIA的生态系统布局显示其目标不仅限于技术提供者角色，更试图成为物理AI的“基础设施提供者”。Omniverse和Cosmos的结合正吸引更多软件生态采用其库，统一物理世界和工业数据，这为大规模训练物理AI模型奠定了基础。HALOS安全系统将帮助合作伙伴更快推出安全可靠的自动驾驶产品。

结语

NVIDIA在GTC 2025上关于物理AI展示无疑是一场技术盛宴。从Omniverse和Cosmos的仿真创新，到Isaac和DRIVE的行业应用，再到HALOS的安全承诺，NVIDIA正在构建一个从数字到物理的完整AI生态。不难看出，加速计算正在推动AI创新的下一波浪潮，而物理AI可能是其中最具变革性的部分。

NVIDIA的战略不仅关乎技术本身，更关乎其如何重塑人类与机器的互动方式。未来十年，无论是工厂中的机器人、道路上的自动驾驶汽车，还是医院中的智能设备，物理AI都可能成为现实世界的无形推手。而NVIDIA，正站在这一变革的前沿。