核心观点 - 英伟达AI芯片业务营收在截至10月的九个月内达到近1480亿美元，远超2023年同期的275亿美元，但公司向软硬一体化平台转型的关键尝试——Omniverse软件业务遭遇重挫，商业化进程严重滞后，暴露了其开辟第二增长曲线的艰难挑战 [1][2] 业务表现与现状 - Omniverse Cloud服务因自2022年推出以来需求“几乎不存在”，已于2025年8月关闭 [1] - 公司曾斥资数亿美元从甲骨文、谷歌和微软租赁数千个GPU以支持该项目，但大部分时间因缺乏外部客户而忙于在内部寻找用途以避免芯片闲置 [1] - 尽管CEO黄仁勋在CES上仍将其描绘为数万亿美元的“物理AI”机会，但公司内部对其进展缓慢感到沮丧 [1] 产品与商业化问题 - 软件平台被开发者普遍反映“难用”、功能不完整且极易崩溃，场景创建工具操作复杂且文档陈旧 [3] - 极少有客户真正签约使用Omniverse Cloud服务器进行大规模模拟，尽管客户名单包括宝马、西门子、富士康和波士顿动力等 [3] - 在去年11月的一次活动中，有英伟达代表承认软件尚未准备好满足特定需求，并建议客户转而使用竞争对手Unity的软件 [3] - 与宝马宣布的合作伙伴关系规模远小于最初预期，尽管宣称宝马全球有超过2万名规划人员使用该软件，但未详细说明实际销售额 [4] 内部管理与战略压力 - CEO黄仁勋多次批评团队浪费工程资源在“演示”而非“产品”上，并指责团队未实现盈利 [1][4] - 黄仁勋曾因团队增加人员开发新产品的请求愤怒斥责近一小时，强调现有人员已足够 [4] - 黄仁勋长期担心竞争对手会抢占先机，极力推动公司寻找新的收入来源 [4] - 公司通过让CEO的儿女加入该部门工作，以及投资新思科技和MetAI等公司，试图整合工具并推动生态系统建设 [6] 市场竞争与行业挑战 - 该领域面临Unity Technologies和开源模拟器Gazebo等强有力的竞争对手 [6] - 许多大型企业如特斯拉更倾向于开发内部模拟软件，而非依赖英伟达的通用平台 [6] - 行业特定的技术门槛构成挑战，例如Isaac Sim工具在处理如衣物等形状不断变化的复杂物体时并不实用 [6] - 成本效益是阻碍普及的因素，有行业人士指出租赁云端服务器在成本上并不划算 [6] - Omniverse目前被描述为一个供开发者构建的横向开放平台，而非完整的应用程序，意味着从无到有创造一个市场仍需漫长的培育期 [7] 长期愿景与类比 - 公司高管将Omniverse类比为CUDA，后者经历了十多年的投资才彻底改变了深度学习领域 [6] - 公司认为Omniverse是打开“物理AI”这一巨大市场的基础软件，长期愿景正通过机器人和汽车公司的采用而获得回报 [6]

过去两年里，英伟达因为AI芯片业务实现了惊人的增长。 从2023年前九个月的275亿美元营收跃升至2024年同期的近1480亿美元，这样的增长速度在科技行业历史上都算得上罕见。 然而黄仁勋并不满足于此。 他将英伟达的下一阶段押注在机器人和制造业上，于是就有了Omniverse。 但其结果不仅没有达到预期，甚至还让慈眉善目的黄仁勋"破防了"。 在今年拉斯维加斯的消费电子展上，他还向外界讲述这个价值数万亿美元的机会故事，展台上会有西门子CEO、敏捷机器人公司CTO等重 量级嘉宾站台。 但在这些光鲜的表面之下，隐藏着一个令人尴尬的事实。 四位现任和前任英伟达员工透露，经过四年的努力，Omniverse业务几乎没有取得实质性进展。 虽然英伟达对外公布了一长串使用Omniverse软件的公司名单，从宝马、西门子到富士康、波士顿动力，但真正签约在Omniverse Cloud服 务器上运行大规模模拟的公司寥寥无几。 开发者对Omniverse工具的评价也不尽如人意。使用过Omniverse场景构建和模拟工具的开发者经常抱怨软件难以使用，容易崩溃，功能感 觉不完整。 软件开发者Valentin Forager表示，Omni ...

安得拉邦政府招商引资动态 - 安得拉邦信息技术和工业部长Nara Lokesh于12月10日在美国旧金山会见了Alphabet与谷歌首席执行官Sundar Pichai 双方审查了谷歌在维沙卡帕特南投资150亿美元的AI数据中心项目进展 并讨论了加速时间线 该项目是印度最大的外国直接投资项目之一 [1] - 部长邀请谷歌在该邦即将建成的无人机城探索建立无人机组装、校准和测试单元 并深化服务器制造生态系统 [2] - 部长会见了Adobe首席执行官Shantanu Narayen 邀请其在维沙卡帕特南建立全球能力/开发中心 并讨论了在无晶圆厂设计、研究以及利用该邦AMTZ和医药区进行健康科技和生命科学投资方面的更深层次合作 [2] 与半导体及计算技术公司的合作邀约 - 部长在圣克拉拉会见了英伟达企业及云销售副总裁Raj Mirpuri 呼吁其与安得拉邦合作开发AI技能、智能制造和未来技术 并请求英伟达建立使用Omniverse和Isaac Sim的智能工厂试点 同时寻求支持以吸引全球OSAT/ATMP合作伙伴到该邦投资 [3] - 部长在圣克拉拉与英特尔全球IT首席技术官Shesha Krishnapura举行讨论 邀请这家芯片巨头探索在安得拉邦建立ATMP（组装、测试、标记和封装）单元 [4] - 部长还与OpenAI首席技术官Srinivas Narayanan以及AMD副总裁Vamsi Boppana举行了讨论 以考虑在安得拉邦的投资 [4]

合作公告与市场反应 - 发那科与英伟达宣布在真实工厂产线及生产仿真领域深度合作，公司股价一度上涨9.4%，创下自2021年7月以来新高[1] - 合作内容包括将发那科ROBOGUIDE机器人仿真软件与英伟达物理AI引擎NVIDIA Isaac Sim打通[1] 合作内容与技术整合 - 发那科将英伟达开源机器人仿真框架整合进自身软件体系，帮助工业机器人及工厂自动化制造商客户进行虚拟操作测试[2] - 公司正与英伟达及软件开发商合作设计能更好识别语音指令、避免人员伤害及追踪核心运动零部件的机器人[2] - 技术整合涉及英伟达Isaac Sim、Isaac Lab、Newton物理引擎及Isaac GR00T等开放式机器人仿真与大模型能力[5] 战略转型与商业模式演进 - 合作标志公司从传统自动化设备供应商向“物理AI时代工业机器人平台型玩家”迭代，聚焦“智能化工业机器人+工厂物理AI平台”[1] - 长期看，工业机器人公司价值链从“卖硬件+控制器”转变为“硬件+算力订阅+数字孪生/仿真软件+AI模型服务”[2] - 合作奠定“按算力、按仿真、按软件订阅收费”的新物理AI平台商业模式基础[2][5] 业务基础与竞争格局 - 发那科业务增长基本盘是“数控系统+工业机器人+智能化机床”的工厂自动化设备业务线，是全球工业机器人和数控系统龙头之一[1] - 日本工业机器人领域竞争加剧，软银集团计划收购ABB旗下机器人业务部门，直接挑战发那科核心工业机器人业务[3] - 发那科工业机器人业务部门在2025财年占公司总销售额的40%[3] 行业需求与增长前景 - 合作为物流、食品、汽车总装等高度依赖人工的机器人技术环节打开新一轮自动化空间[2] - 在物流、食品和汽车产业最终装配工序或危险系数较高操作阶段存在需求大幅增长空间[3] - 新一代自主控制型工业机器人可能引发整体机器人需求激增[3] 财务表现与公司展望 - 公司第二季度净利润好于市场普遍预期，并显著上调2026财年业绩预期[3] - 公司表示将积极推进在生成式和物理AI领域的各类突破型创新举措[3] 物理AI技术范畴 - 物理AI强调让机器人在真实世界感知、推理并行动，工业仿真、数字孪生及复杂视觉计算是其核心范畴或底层支撑[4] - 英伟达Isaac Sim是基于Omniverse技术的物理仿真平台，用于在数字孪生中训练和测试机器人，是物理AI技术栈核心组件[4]

宏观经济背景 - 2025年10月24日美国股市创下历史新高，主要因通胀数据低于预期提振了投资者情绪，市场希望美联储能继续降息以支持经济[1] - 9月消费者价格指数月环比上涨0.3%，年通胀率为3%，低于道琼斯调查经济学家预测的月环比0.4%和年率3.1%[2] - 9月核心CPI月环比为0.2%，12个月基准为3%，分别低于道琼斯调查预估的0.3%和3.1%[3] - CPI数据公布后，交易员对美联储在2025年最后两次会议上降息的信心增强，12月降息概率从约91%跃升至98.5%[3] - 道琼斯工业平均指数在10月24日上涨1.01%至47,207.12点，首次突破47,000点；标普500指数上涨0.79%，纳斯达克综合指数上涨1.15%[4] - 过去6个月道琼斯指数上涨17.35%，标普500指数上涨22.84%，以科技股为主的纳斯达克指数上涨33.62%[4] 宣伟公司 - 宣伟公司被华尔街分析师列为最佳道指成分股之一，平均目标价上行潜力为15.23%[10] - 截至2025年第二季度，共有67家对冲基金持有该公司股份[10] - 富国银行于10月10日将宣伟公司目标价从400美元下调至395美元，但维持超配评级[10] - 尽管涂料部门面临持续挑战，但富国银行指出其盈利表现远优于行业多数公司，并保持长期积极展望[11] - 宣伟公司是一家美国企业，从事油漆、涂料及相关产品的制造、开发、分销和销售[12] 英伟达公司 - 英伟达公司被华尔街分析师列为最佳道指成分股之一，平均目标价上行潜力为15.46%[13] - 截至2025年第二季度，共有235家对冲基金持有该公司股份，在列出的公司中数量最多[13] - 10月20日，英伟达宣布与谷歌云合作，旨在扩大加速计算的可及性，变革企业工作负载全谱系，并加速企业AI和工业数字化[13] - 谷歌云宣布正式推出采用英伟达RTX PRO 6000 Blackwell服务器版GPU的G4虚拟机，并将英伟达Omniverse和Isaac Sim作为虚拟机镜像在谷歌云市场上提供[14] - 此次合作将帮助制造业、汽车业和物流业等主要行业解锁物理AI驱动应用，为企业提供一个多功能、强大的多工作负载平台[15] - 除了Omniverse，谷歌云用户还能利用完整的英伟达软件堆栈来加速代理AI、科学和高性能计算、设计与视觉计算等高需求工作负载[15] - 英伟达是一家美国跨国科技公司，以生产图形处理器、AI硬件和软件以及高性能计算解决方案而闻名[16]

仿真与现实鸿沟（Sim2Real Gap）的挑战与重要性 - 机器人学习面临的核心问题是仿真与现实世界之间存在显著差距，具体体现在感知差距（如视觉、触觉信号差异）、物理交互差距（如物体受力反馈、形变偏差）以及场景复杂度差距（如难以复现真实世界的动态变化）[3][4] - 该鸿沟导致在仿真环境中训练的机器人程序难以直接适配并应用于真实场景[4] - 与主要依赖视觉的自动驾驶仿真相比，机器人领域的仿真挑战更大，因其涉及物理接触、操控，并需结合灵巧手和触觉传感器，问题复杂得多[9] 仿真与合成数据作为解决方案 - 现实中手动采集机器人数据成本高、效率低且存在安全风险，而仿真被认为是突破此数据困境的关键路径[7] - 由于机器人数量有限，难以像自动驾驶汽车那样大规模采集现实数据，因此必须使用合成数据，并坚信合成数据将是解决物理AI数据壁垒最重要、最主要的数据来源[9] - 通过仿真可生成上千种模型并设置不同物理参数，使机器人在几天内完成相当于现实几年的训练量，例如训练机器人叠衣服[12] - 生成式AI技术（如3D计算机视觉、视频生成、3D世界生成）有望提升仿真真实感，优化视觉渲染和物体细节，减少感知差距[6] 英伟达的“三台计算机”战略布局 - 公司致力于打造机器人可学习的“虚拟地球”，其技术体系可通过“三台计算机”的逻辑理解，Sim2Real是串联三者的核心纽带[10] - **AI超级计算机**：是让机器学会处理信息的基础，为机器人核心程序提供算力支撑[10] - **仿真计算机**：以Omniverse和Isaac Sim为核心，让机器在虚拟世界中掌握感知与交互能力，其关键难点在于物理交互，例如电缆、电线仿真是亟待突破的“圣杯级”难题[11] - **物理AI计算机**：由GROOT（通用机器人基础程序）、Cosmos（世界模型）和Jetson Thor（机器人端侧芯片）构成，负责让机器人在真实世界中执行任务，其中Cosmos是衔接仿真与现实的关键环节，能像数据放大器一样生成更多样、更贴近真实情况的数据[11][12] 英伟达与光轮智能的合作关系 - 光轮智能与公司的Sim2Real技术路线高度契合，双方已形成技术共生关系，光轮智能是少数能在物理精度、交互逻辑、场景多样性上全面匹配公司物理智能生态需求的合作方[12] - 公司正重点推进物理AI（含机器人、自动驾驶、数字孪生）的技术落地，核心痛点是缺乏海量真实、多样化的物理交互数据，需要能稳定输出高质量数据的“合成数据工厂”以及愿景一致的合作伙伴，而光轮智能成立的时机恰好满足此需求[15] - 双方对SimReady资产有共识，认为其不仅是数字3D模型，还必须具备真实的物理属性（如冰箱铰链的阻尼、微波炉材质的摩擦系数），光轮智能的核心工作是通过专业设备采集真实物理数据并植入SimReady资产，确保物理属性匹配[16] 英伟达物理智能的全链路体系 - 公司正构建物理智能全链路体系，包括OpenUSD（3D数据标准）、SimReady（仿真资产标准）、Newton（物理计算）、Cosmos（世界模型）[16] - Sim2Real的关键不是让虚拟复制现实，而是通过场景随机化、参数调整让虚拟覆盖现实，使机器人在虚拟中接触足够多的意外情况，从而能在现实中应对自如[12] - 与斯坦福合作的“OmniGibson”仿真引擎已能支持刚体物理、可变形物体（布料、流体）交互，以及物体的加热、切割等复杂状态模拟[6]

行业核心观点 - 具身智能行业正处于技术路线分歧与探索阶段，面临数据稀缺、技术架构选择等关键议题 [1] - 行业已初步观察到具身智能的Scaling Law，预示扩大模型和数据规模可能有效 [24] - 阿里云作为云计算巨头，提前布局行业未来3到5年的基础设施需求，旨在为行业爆发做准备 [3] 数据路线之争：真机派 vs. 合成派 - 真机派主张通过遥操或互联网获取真实数据，基于VLA做模仿学习，认为真实数据是训练世界领先模型的根本 [5][14] - 合成派认为实现通用泛化能力需上万亿条数据，真机采集不可持续，主张通过仿真合成数据进行预训练，再用少量真实数据后训练 [5][8][9] - 真机派挑战“真机数据昂贵”共识，指出在国内供应链支持下，单个机器人成本可降至10万以下，规模化部署机器人采集数据成本可控 [12] - 合成派面临挑战：某些仿真数据获取依赖专业人力（如图形学博士），成本可能更高；仿真数据效率可能比真实数据差5-6个数量级 [11] 技术架构与模型形态 - 具身智能大模型被视为独立于语言模型的基础模型，因其需处理物理动作和接触的复杂性 [18] - 技术架构存在端到端与分层路线之争：分层架构考虑现实部署约束，符合生物进化规律；端到端架构旨在避免分层错误放大和层间理解鸿沟 [19] - 视觉语言动作模型（VLA）被视为当下更有潜力的路线，仅需100条数据即可见效，而世界模型需万级至亿级数据量，是更终局的路线 [21] - 世界模型被赋予重要作用，如辅助VLA进行自主学习探索、生成动作序列补充数据，与VLA是互补而非冲突关系 [20] 行业发展趋势与阿里云的角色 - 行业落地速度加快，多家公司分享了在工业制造、康复陪伴、教育竞赛等场景的实践 [24] - 阿里云基于智能驾驶行业经验，提前为具身智能行业的数据指数级增长和算力需求布局，提供全链路基础设施支持 [3][31][32] - 阿里云具备模型原厂优势，其开源模型Qwen-VL被大量具身智能公司用于后训练，最新Qwen3-VL模型针对具身智能需求优化 [37][38] - 阿里云将智能驾驶领域的工程经验复用至具身智能，提供从数据处理、模型服务到工具链集成的全套云上能力 [35][41][42] - 公司建议具身智能企业从第一天起规划云架构和AI基础设施，以应对量产阶段的数据激增和工程化挑战 [29][42]

神经渲染技术在仿真领域的应用 - 神经渲染技术（NERF/3DGS）通过神经网络表达空间，在新视角合成方面表现优越，直击辅助驾驶和具身智能仿真中传感器仿真的痛点，可解决传统计算机图形学渲染图像缺乏真实性的问题，广泛应用于算法闭环测试和训练 [3] - 现有研究围绕NERF和3DGS技术开发面向闭环测试的仿真框架，但完全新开发仿真框架工作量巨大，因此另一种思路是将训练好的NERF/3DGS模型嵌入现有仿真软件框架，以利用现有3D数字资产和算法接口工具链 [3] 技术集成与工具支持 - LumaAI的3DGS插件可将高斯点云ply插入基于Unreal的CARLA游戏引擎，而NVIDIA的Isaac Sim仿真软件也已支持神经渲染技术，允许插入3DGS模型 [4] - NVIDIA开源项目提出三维高斯渲染方法，可输出适用于Isaac Sim的usdz模型，3DGRUT工具支持将其他3DGS方法生成的高斯点云ply转化为usdz模型 [4] - 3DGRUT生成的usdz模型文件包含default.usda、gauss.usda等描述文件和nurec格式模型文件，可直接解压使用 [4] Isaac Sim中的操作流程 - Isaac Sim的神经渲染功能NuRec需5.0.0以上版本（Omniverse Kit 107.3以上），安装后可通过Content栏导航到usdz模型解压文件夹，将gauss.usda拖动或插入Stage，即可显示三维高斯模型 [5] - 导入的3DGRUT模型仅具备视觉特征，需通过2DGS等方法提取场景mesh（ply格式），并调整mesh的scale和位姿以匹配usdz渲染结果 [6][7] - 需将usdz模型与mesh绑定，在gauss的Property中选择Raw USD Properties，找到proxy并添加Target，选择mesh对象，最后勾选omni:nurec:useProxyTransform特性以实现对齐 [7] 物理属性与交互功能 - 需为mesh添加物理属性，右键选择mesh，在Add中选择Physics->Collider，以增加碰撞属性，避免物体穿透问题 [8] - 在mesh的Property中勾选Matte Object，配合DomeLight光照实现光影交互效果，同时可添加OmniPBR材料并将Reflectivity中的Specular降至最低，减少不必要的反光 [8] - 添加Rigid Body with Colliders Preset属性后，可进一步设置质量等物理属性，使模型与仿真环境中的其他物体（如球体、地面）产生碰撞交互 [14] 动态物体与场景构建 - 通过3DGS方法训练场景（如mipnerf360的kitchen），使用在线工具编辑ply文件提取特定物体（如乐高推土机），再经3DGRUT转化为usdz模型，可实现动态物体导入 [11][13] - 将动态物体（如推土机）放入其他神经渲染场景（如garden或room），可实现模型间及模型与原生物体的动态交互，显存占用较低，在3090显卡上fps表现良好 [15][17] 未解决的问题与挑战 - 神经渲染模型间的光影交互关系尚未完全解决，例如推土机未在神经渲染背景中投下阴影 [18] - 仿真环境测试具体算法的效果尚未探究，例如在room环境中让VLA算法执行"捡起地毯上的乐高推土机"指令的可行性 [19] - 需解决如何快速提供rgb图像外的真值信息（如图像分割、对象标注标签），以及如何获取动态物体的物理属性真值（如硬度、摩擦系数、质量） [19] - 需进一步提升计算效率，以支持更大规模神经渲染场景和更多对象的实时仿真 [19]

产品发布与性能参数 - 英伟达正式发售Thor芯片开发者套件 售价3499美元约合2.5万元人民币 该芯片旨在支撑具身智能机器人与物理世界实时交互 [1] - Thor芯片基于Blackwell架构GPU 在FP4精度下提供2070 TFLOPS峰值算力 较上一代Orin芯片275 TOPS提升7.5倍 [1] - 芯片能效提升3.5倍 CPU性能提升3.1倍 内存容量128GB提升2倍 可并行处理多传感器数据并实现低延迟AI处理 [1] 技术应用与生态建设 - 芯片性能提升使机器人能处理大量传感器数据 在边缘侧实时运行AI模型 减少对云端算力依赖 [3] - 该芯片为人形机器人、农业机器人、手术辅助机器人等物理AI应用提供关键实时推理能力 [3] - 波士顿动力、Figure AI及优必选、宇树科技等国内外机器人厂商已率先部署Thor芯片 [3] - 英伟达机器人技术生态已覆盖超200万开发者 涉及制造业、农业、医疗健康等众多行业 [4] 业务表现与战略定位 - 机器人与汽车业务合并收入为5.67亿美元 在英伟达整体营收占比约1.29% 但同比增长72% [5] - 公司通过提供机器人计算芯片硬件及Isaac GR00T、Isaac Sim等软件平台 持续强化在机器人领域的技术生态布局 [3]

世界机器人大会盛况 - 2025年8月8日至12日在北京亦庄举办，主题为「让机器人更智慧，让具身能更智能」[1] - 220家中外机器人企业参展，发布123款新品并展示1569款产品[1] - 搭建超500个应用场景（包括机器人主题园和4S店），实现1.9万台机器人及相关产品成交额超2亿元[1] - 吸引27.1万人次现场参观，直播观看量达5200万[1] 人形机器人量产元年 - 技术突破：厂商推出视觉-语言-动作大模型（如阿尔特GOVLA、银河之眼G-0、思灵iLoabot-M）[1] - 硬件升级：自由度提升、传感器增多、灵巧手实现更精细操作[1] - 应用场景覆盖工业协同作业、物流AGV/AMR、商用拉花/冲咖啡、家庭陪伴、医疗手术辅助等[1] 行业发展趋势 - 订单高速增长：2025上半年增速50-100%，未来数年预计超100%[2] - 新品密集发布：近期平均每日至少1款[2] - 大模型开发是最大瓶颈，当前水平相当于ChatGPT发布前1-3年阶段[2] - 关键里程碑：机器人在陌生环境中理解并执行任务，乐观估计需1-2年，保守预计3-5年[2] 技术研发方向 - 重点开发端到端统一智能模型，降低硬件成本或提升耐用性[2] - 构建分布式低成本大规模计算系统以满足数据处理需求[2] - 谷歌世界模型GPU消耗大但成功概率高，强化学习VLA模型缺乏高质量训练数据[2] 具身智能发展 - 具身智能连接信息世界与物理世界（规模从5万亿美元扩展到100万亿美元）[3] - 需同步发展三类计算机：机器人本体（JetsonThor）、AI工厂（DGX/HGX系统）、仿真系统（Isaac Sim）[3] - 中国优势：人才储备、制造能力、丰富应用场景[3] - 辉达与宇树科技、北京银河通用机器人等中国企业合作[3] 行业事件前瞻 - 8月14-17日举行世界人形机器人嘉年华[4] - 8月21日智元机器人将召开首届合作伙伴大会并发布「神秘新品」[4] - 10月Optimus V3发布可能成为新催化剂[4]