GTC 2026上，英偉達展現的六大機器人趨勢

NVIDIA在GTC 2026大會上，華特迪士尼幻想工程公司采用NVIDIA物理引擎打造的自由漫游機器人Olaf（雪寶）與NVIDIA總裁兼首席執行官黃仁勛一同登臺，為觀眾帶來了機器人技術的新進展。

本屆GTC 2026大會，NVIDIA在這場全球矚目的AI大會上，再次大力推廣“物理人工智能”概念。物理人工智能代表著對過去兩年占據新聞頭條的大型語言模型和生成式人工智能工具的巨大拓展，能幫助各類機器人實現升級。

機器人大講堂發現，NVIDIA本次發布的產品，在與機器人結合方面，展現了6大趨勢。

趨勢一：NVIDIA加快仿真與合成數據“喂養”機器人

趨勢二：NVIDIA聯手FANUC、ABB讓工業機器人進化

趨勢三：NVIDIA加快打造機器人“通用-專家”大腦系統

趨勢四：GR00T N2的WAM架構讓人形機器人落地更快

趨勢五：NVIDIA IGX Thor開始助力醫療機器人突破

趨勢六：NVIDIA推動全球機器人生態共建

本文圍繞這幾個趨勢，進行了詳細的分析。

01.

每一次動作，都是計算的結果？

圍繞于“物理人工智能”，NVIDIA一個關鍵的戰略主題是，其希望通過使用仿真和合成數據生成來取代昂貴的真實世界數據收集，從而將機器人技術的數據問題轉化為計算問題，打破訓練更好機器人模型并實現落地的瓶頸，更好幫助機器人公司開發、訓練和部署智能機器人，而無需從零開始構建所有內容。

NVIDIA創始人兼首席執行官黃仁勛表示：“物理AI時代已經到來，未來每一家工業企業都將成為機器人公司?！睘榱藢崿F這一目標，NVIDIA構建了完整的平臺戰略，包括提供芯片、計算平臺、開放模型、仿真工具、軟件框架和安全架構，這幾乎涵蓋了物理人工智能系統的整個價值鏈，從訓練數據管道到5G邊緣計算，它凝聚了全球生態系統之力，供汽車、機器人、醫療和電信行業的合作伙伴在此基礎上進行深度開發，同時未來將聯合全球合作伙伴共同打造智能機器人，為下一代工廠、物流、交通及基礎設施注入動能。

英偉達的這一策略與其在數據中心人工智能領域的成功如出一轍。正如該公司的GPU已成為訓練ChatGPT和其他模型的默認基礎設施一樣，它正將其平臺定位為物理人工智能的基石。此外，黃仁勛還稱自動駕駛汽車是第一個價值數萬億美元的機器人產業，并補充說，所有會動的東西最終都將實現自動化。

02.

未來工廠，由AI驅動

NVIDIA認為，隨著工業機器人日益由AI驅動，制造商需要具備物理精度的、高保真的仿真系統，以便在部署前對系統進行設計、測試和優化。這個市場2030年就將達到800億美元。為此，NVIDIA嘗試將其物理AI平臺擴展到自動駕駛、工業機器人和人形機器人領域。會上，其宣布與控制全球超過200萬臺已安裝機器人的工業巨頭ABB、FANUC和KUKA建立合作伙伴關系。

發那科（FANUC）和ABB的工業機器人將搭載NVIDIA的芯片，并且正在將NVIDIA Omniverse?庫與NVIDIA Isaac?仿真框架集成至其虛擬調試解決方案中，旨在通過物理精度的數字孿生技術，開發并驗證復雜的機器人應用乃至整條生產線。為了在生產線上實現高階智能，這些企業正在將NVIDIA Jetson?模塊集成到其控制器中，以實現邊緣端的實時AI推理。

這也意味著NVIDIA正在嘗試與整個行業協調合作，以共同制定新一代工業機器人的行業標準。

03.

通用大腦開啟通用技能時代

NVIDIA認為，機器人正從執行特定任務的專用設備，演變為兼具適應性與專業性的通用-專家系統，且能保持工業級部署所需的精度與可靠性。

NVIDIA表示，物理人工智能訓練的一項核心挑戰在于，這些模型需要海量的訓練數據，包括在現實世界中難以且成本高昂地獲取的罕見極端情況。物理人工智能數據工廠藍圖旨在解決這一問題。

為實現這一目標，NVIDIA發布了新的AI模型，從而希望讓機器人需具備類人的推理能力，以及自主感知、決策與行動的能力。最引人矚目的無疑是首個統一的機器人智能世界基礎模型Cosmos 3，這是一款結合了合成世界生成、視覺推理和動作模擬的新模型，旨在超越早期版本的Cosmos模型。

該開放參考架構分三個階段，能夠自動完成從原始數據到最終訓練數據集的整個流程：其中，Cosmos Curator用于數據整理，Cosmos Transfer用于數據增強，Cosmos Evaluator用于質量評估。

借助這項技術及其其他仿真平臺，NVIDIA希望更強大模型的瓶頸將不再是收集數據的硬件，而是企業愿意投入到仿真訓練中的原始計算能力。

黃仁勛透露，目前，FieldAI和Skild AI就正在利用NVIDIA Cosmos?世界模型進行數據生成，并借助Isaac仿真框架在仿真環境中驗證策略，以此構建通用化的機器人大腦，從而讓任何形態的機器人僅需極少復訓練即可掌握新任務。World Labs正使用Isaac Sim?驗證其生成式世界模型，而Generalist AI正基于Cosmos探索生成合成數據。

04.

讓人形機器人“看懂世界”

針對人形機器人，NVIDIA推出了基于GR00T N1.7的基礎模型，并提供商業授權的早期訪問版本。該模型旨在提供包括靈巧控制在內的通用技能。

黃仁勛還預告了GR00T N2，該模型基于NVIDIA自主研發的DreamZero研究成果，并采用了全新的“世界動作模型”(World Action Model)架構。據NVIDIA稱，運行GR00T N2的機器人在陌生環境中完成新任務的頻率是目前領先的視覺-語言-動作模型的兩倍以上。

該模型目前在MolmoSpaces和RoboArena基準測試中均排名第一，預計將于2026年底上市。GR00T系列模型旨在作為通用模型，能夠處理不同機器人平臺上的各種任務。目前，眾多領先的機器人開發商，比如智元機器人、Humanoid、LG Electronics、NEURA Robotics 和 Noble Machines 也正采用 NVIDIA Isaac GR00T N 系列模型，加速其人形機器人的工業化部署進程。

NVIDIA今日發布了Isaac Lab 3.0搶先體驗版，使機器人能夠在NVIDIA DGX?級基礎設施上實現更快、更大規模的學習。該版本基于全新Newton物理引擎1.0與NVIDIA PhysX?軟件開發套件，新增了多物理場仿真功能，并強化了對復雜靈巧操作場景的支持。例如機器人處理電纜、組裝組件等以往需要大量手動編程才能完成的任務。

NVIDIA透露，包括1X、智元機器人、Agility、Agile Robots、Boston Dynamics、Figure、Hexagon Robotics、Humanoid、Mentee和NEURA Robotics在內的行業領先企業，正基于Cosmos世界模型、Isaac Sim與Isaac Lab打造下一代人形機器人，以加速其機器人的開發與驗證進程。

05.

醫療機器人的新解法

醫療健康是物理AI最典型的應用機遇，然而在外科手術、醫學影像和醫院環境中部署自主系統，要求基礎設施必須符合最高安全標準與監管要求。NVIDIA的邊緣計算平臺IGX Tho，本質上是一款面向邊緣應用的AI PC現已正式發布，主要面向安全關鍵型應用場景。

CMR Surgical正使用Cosmos-H仿真技術，在臨床部署前訓練并驗證其Versius手術系統的機器人智能。強生醫療科技正將其應用于其Polyphonic數字手術平臺，采用基于Isaac Sim與Cosmos的后訓練工作流，訓練和驗證其Monarch泌尿外科平臺系統。Medtronic則正在探索使用NVIDIA IGX Thor?，以在手術機器人系統中實現關鍵任務級精度與功能安全。

除了醫療領域，卡特彼勒公司正在使用IGX Thor開發人工智能駕駛艙助手，日立鐵路公司正在使用IGX Thor進行預測性維護，而Planet Labs計劃直接在軌道上處理衛星數據。據NVIDIA稱，歐洲核子研究中心的研究人員也在使用該平臺開發受物理學啟發的人工智能模型。

06.

機器人公司的“幕后推手”

生態也是NVIDIA大會的亮點部分。通過構建集設計、訓練、測試與部署于一體的開放物理 AI 平臺，NVIDIA 正推動機器人生態系統內的深度協作。這對于在現實世界中實現規模化落地至關重要。

例如研發人形機器人的研究人員和初創公司缺乏公開可用的、大規模的、帶有標注的、專為機器人技術設計的動態數據集。Bones Studio借助NVIDIA的技術填補這一空白。BONES-SEED首次公開了14.2萬個高保真度的人體運動動畫，并附帶豐富的多模態標注，該數據集涵蓋了從運動和日?；顒拥轿矬w交互和復雜全身行為等各種行為，所有內容均針對人形機器人應用進行了專門整理。

例如光輪智能正與 NVIDIA 共同開發并校準 Newton 物理引擎，旨在幫助三星的裝配機器人能在仿真環境中精準掌握復雜的線纜操作，從而實現更高的裝配精度和更快的生產線速度。

還有例如開篇提到的，迪士尼基于 NVIDIA Warp 框架開發的 GPU 加速物理仿真器 Kamino 現已集成至 Newton，正用于訓練迪士尼“雪寶”與 BDX 機器人的機器人策略。借助該仿真器，“雪寶”學會了自主管理體溫并降低碰撞噪音，而 BDX 機器人能夠在復雜環境中導航?！把殹奔磳⒂?3 月 29 日在巴黎迪士尼樂園首次與公眾見面。

07.

結語與未來

NVIDIA的機器人平臺戰略遵循著一套熟悉的模式：提供工具和鏟子，讓其他人去挖掘寶藏。

其運作方式與NVIDIA以往在人工智能領域屢試不爽的策略如出一轍，提供基礎設施，培育生態系統，然后在市場規模擴大時獲取商業價值。

如果物理人工智能的發展軌跡與生成式人工智能類似，那么英偉達如今提供的這些工具對于機器人技術而言，重要性堪比CUDA對于機器學習。

目前，問題不在于智能機器人時代是否會到來，而在于NVIDIA能否繼續保持其作為全球機器人“大腦”供應商的地位。