21世纪经济报道记者倪雨晴、实习生李金亮 在全球机器人产业加速迈向智能化、规模化的背景下，资本与科技巨头纷纷加码。 作为AI计算平台的核心玩家，英伟达正试图用"物理AI"打开新一轮增长空间。在本周的SIGGRAPH大 会，英伟达推出了全新的NVIDIA Omniverse库与NVIDIA Cosmos世界基础模型，加速机器人解决方案 的开发和部署。 新发布的Omniverse软件开发套件 (SDK) 和工具库可用于构建和部署工业 AI 和机器人开发仿真应用。 其中，Isaac Sim 5.0和Isaac Lab 2.2开源机器人仿真和学习框架现已在GitHub上提供。这类工具可帮助开 发者在虚拟环境中验证算法与硬件设计，从而缩短从概念到落地的周期，缩小仿真与现实之间的差距。 而英伟达的Cosmos模型，可以让开发者通过文本、图像和视频提示大规模生成各种用于训练机器人的 数据。 其中，即将发布的Cosmos Transfer-2能快速生成逼真的合成数据。 自OpenAI的CLIP模型推出以来，视觉语言模型 (VLM) 改变了物体和模式识别等计算机视觉任务。但 是，它们尚未能够解决多步骤任务，也无法处理模糊或新颖 ...

NVIDIA的AI布局与物理AI战略 - 公司过去十余年持续引领AI硬件与软件创新，从GPU在语音/图像识别的早期应用到支撑生成式AI的多卡并行训练技术 [1] - 提出"物理AI"新方向，强调AI需掌握物理定律推理能力，并将机器人视为未来经济核心载体 [1] - 通过三大技术法宝（Isaac GR00T模型、仿真训练平台、Jetson硬件）构建物理AI全栈解决方案 [3] Isaac GR00T机器人开发平台 - 开源人形机器人基础模型Isaac GR00T N1.5实现环境适应性升级，支持自然语言指令操作工业物料 [6] - 整合Omniverse与Cosmos模拟框架生成高保真训练数据，结合Jetson AGX Thor实现边缘部署 [5] - 已被光轮智能等厂商应用于汽车制造产线，完成工业场景首次真实落地 [6][8] - 开源策略降低开发门槛，吸引特斯拉、波士顿动力等20余家厂商采用统一架构 [8] 合成数据生成技术突破 - Isaac GR00T-Dreams Blueprint系统通过单张环境图像生成合成训练视频，数据获取效率提升数十倍 [10] - 结合GR00T-Mimic技术形成数据增强闭环，36小时完成模型迭代（传统方式需3个月） [11] - Replicator扩展程序支持3D角色模拟等多模态数据生成，减少模型幻觉现象 [11] 机器人仿真生态系统 - Isaac Sim 5.0开源仿真框架支持Software-in-the-Loop测试，集成MobilityGen模块生成高质量动力学数据 [13] - Isaac Lab 2.2优化训练流程，支持Fourier GR1等机器人的复杂场景双臂操作训练 [18] - 配套发布24,000条开源运动轨迹数据集及Cosmos Reason世界基础模型 [18] Jetson边缘计算平台演进 - Jetson AGX Thor基于Blackwell架构提供800 TFLOPS算力，支持多模态生成式AI模型 [20] - 模块化设计集成功能安全处理器，延迟低于30毫秒，显著优于云端方案 [19][20] - 性能较2018年Xavier提升25倍（32 TOPS→800 TFLOPS），满足实时感知需求 [19][20] 全栈技术生态构建 - 形成"芯片-系统-软件-仿真-模型"完整链条，云/仿真/硬件三平台协同 [22] - 物理AI技术覆盖训练数据合成（Dreams）、环境仿真（Sim/Lab）、边缘推理（Thor）全环节 [22] - 行业进入具身智能与智能制造融合阶段，跨模态理解能力持续突破 [6][22]