合作核心 - 模拟芯片巨头德州仪器与英伟达合作，将其实时控制、传感和电源产品组合与英伟达的先进机器人计算组件、以太网架构传感及独家仿真技术全面结合，旨在为开发者大规模构建、部署与量产人形机器人等“物理人工智能”终端设备提供重大技术支持[1] - 此次合作并非简单“联手造机器人”，而是在底层技术栈上构建更完善、更安全、更易规模部署的机器人智能基础设施，旨在推动人形机器人智能系统向更高阶段迈进，对行业商用化具有实质性助力[1] - 合作的核心是解决AI推理工作负载与实体执行的结合问题，是从AI推理、实时感知到底层控制系统的协同构建，是推动人形机器人实现真实世界应用的重要基础[1] 合作细节与技术整合 - 德州仪器设计了一种传感融合解决方案，通过将其毫米波雷达技术与英伟达Jetson Thor机器人技术及Holoscan传感桥结合，以实现低延迟的3D感知和安全意识，支持人形机器人技术发展[3] - 德州仪器将其实时控制器、感知传感器与电源管理技术，与英伟达的高性能机器人计算平台及Holoscan Sensor Bridge集成，构成了一条从传感、控制到推理计算的完整链路[5] - 相比传统仅靠视觉摄像头加GPU推理的架构，这种传感融合方案能够实现低延迟的3D感知与安全意识，提升机器人对环境的实时理解能力[5][6] - 德州仪器的毫米波雷达与以太网桥接技术能帮助机器人在复杂环境下比传统摄像头方案更可靠地检测与追踪物体，为实际运行打下硬件感知基础[6] - 德州仪器表示其全面产品组合弥合了英伟达强大AI计算能力与实际应用之间的鸿沟，使开发者能够更早地验证完整的类人形操作系统，这种集成方法将加速产品原型到商业化人形机器人的进化[2] 行业背景与市场动态 - 人形机器人研发的核心推动力是AI感知、决策与运动控制的深度融合，包括利用大模型理解语言与视觉信息、强化学习优先级决策以及传感器融合[9] - 当前行业数据表明，各类人形机器人原型在功能、感知与动作控制方面都取得显著进展，如双足平衡、环境感知、多模态决策等特性正在逐步成熟，叠加产业链成本与关键组件性能持续改善，推动了从概念性研究向真实场景试点过渡[8] - 行业正从“热点炒作期”迈向真正的技术积累与规模部署阶段，尽管距离大规模普及还有时间窗口[8] - 多家美国科技公司正致力于开发高端具身AI人形机器人，例如特斯拉正在开发名为Optimus的人形机器人，由微软以及OpenAI支持的Figure AI正在尝试打造通用型人形机器人，波士顿动力希望其Atlas机器人能够彻底改变工业工作环境[7] - 摩根士丹利的分析师预计，人形机器人市场最终将超过传统汽车产业，预计到2050年，全球人形机器人市场年度营收规模将突破5万亿美元，届时人形机器人数量有望超10亿台[9] 技术挑战与行业意义 - 业界专家认为现阶段距真正具备通用能力的自主人形机器人仍有若干年时间，但在感知、推理、动作协调等层面的系统性进展是商业化部署的必要前提[4] - 在机器人研发中，Sim-to-Real差距是最大难题之一，德州仪器与英伟达的合作是推动行业从“算法与仿真验证”转向“真实世界安全运行”阶段的关键步骤，有助于提高开发效率、增强系统鲁棒性，并最终缩短量产路径[4] - 两者的结合将使开发者们能更早、更准确地验证系统感知、动作与安全性，有效缩短原型验证周期并降低迭代成本[4] - 人形机器人在不可预测环境中的安全运行需要强大的计算与处理能力，以同步复杂的AI模型、实时传感数据和电机控制系统[3] - 通过融合高清相机和雷达数据，双方的联合解决方案改善了物体检测、定位和追踪技术迭代，同时减少了假阳性，提高了人形机器人的实时决策能力[3]

文章核心观点 - 中美两国在人形机器人产业发展路径上形成“硬件（中国）与软件（美国）”的默契分工，这一分工模式与先前的新能源汽车产业相似，双方基于各自的产业优势（中国制造、美国计算机科学）展开赛跑，但中国在软件环节的追赶速度正在加快，差距在快速弥合 [9][15][25][26] 中美机器人产业发展路径对比 - **中国主攻硬件**：产业界重点发展机器人硬件，机器人已能完成跳舞、拧螺丝等复杂动作，主机厂通过展示硬件能力“秀肌肉” [9][13] - **美国主攻软件**：产业重心集中在算法、模型等软件环节，致力于攻克机器人对物理规则的理解（空间智能），产品发布会更似学术研讨会 [9][15] - **发展共识与差异**：双方对机器人发展前景有共识，但科技树点向不同方向，中国凭借强大生产制造能力，美国依托深厚的计算机科学产业基础 [9] 人形机器人的核心技术构成 - **硬件是肉身**：硬件是完成一切复杂操作的基础，尤其关节方案决定机器人性能，如髋关节强度决定搬运重量，指尖关节决定操作精度 [13] - **软件是大脑**：软件算法让机器人理解真实世界的物理规则，决定执行动作的力度与方式，例如捏鸡蛋时施加的合适力度 [13] - **两者缺一不可**：硬件与软件共同构成人形机器人，两者既可共同进步，也可互为绊脚石 [13] 新能源汽车产业与人形机器人的关联 - **架构相似性**：两者主体架构均为“AI大脑+执行器”，依赖传感器、算力芯片、模型算法进行决策并驱动执行 [16] - **技术同根同源**：关键零部件技术通用，人形机器人关节是微缩版高性能电机，其电池组、电控技术复用了电动车技术 [16] - **产业跨界延伸**：在电动车上有所建树的公司（如特斯拉、小鹏、理想）均涉足或计划进入机器人/具身智能领域 [18] 供应链的体现与分工 - **中国供应链聚焦硬件**：机器人供应链活跃着汽车产业链公司，如三花智控（传闻拿下Optimus关节订单）、均胜电子（升级为汽车+机器人双轨Tier 1），它们凭借在汽车领域积累的实力为机器人提供核心零部件 [19] - **美国巨头提供软件与芯片支持**：英伟达提供专为机器人设计的算力芯片Jetson Thor（基于自动驾驶芯片Drive Thor架构），Waymo、谷歌等公司将自动驾驶相关技术（激光雷达、摄像头、模型）移植到机器人平台 [20] - **分工模式复刻**：此“中国硬件、美国软件”的供应链分工模式，与特斯拉（上海工厂负责制造、美国负责软件研发）的成功路径相似 [20][21][23] 中美各自的产业优势与人才流动 - **美国优势在软件与人才**：作为计算机科学发源地，在软件、互联网、芯片设计领域拥有巨头公司，吸引并培养全球顶级人才，为前沿技术输送人才预备役 [24] - **中国优势在制造与产业链**：强大的制造业是新兴市场的“前置产业”，为机器人等领域源源不断输送弹药和人才储备，并凭借低成本零部件帮助特斯拉Optimus目标成本降至约20000美元 [24] - **美国公司的战略选择**：美国高科技公司普遍利用软件构筑核心附加值和高利润率，将生产制造交由中国供应链，例如谷歌关闭机器人硬件部门Everyday Robots，全面转向算法研发 [25] 软件环节的竞争与差距变化 - **中国在软件环节加速追赶**：发达的互联网产业为自动驾驶、AI等领域贡献了人才储备，中国公司在软件上的能力正在提升，例如DeepSeek和字节的Seedance2.0引发关注 [25][26] - **关键技术差距快速弥合**：在人形机器人“大脑”的主流VLA技术路线上，中国公司跟进速度快，智元机器人ViLLA和小鹏VLA 2.0在谷歌、OpenAI发布相关技术后不久便落地，并做出了差异化改进 [26] - **未来竞争格局预判**：特斯拉CEO马斯克曾表示，在人形机器人领域，他担心全球前十名中除特斯拉外都将是中国公司，预示未来可能重现特斯拉在电动车领域被中国车企包抄的竞争局面 [26]

文章核心观点 - 英伟达正在超越其作为AI芯片供应商的传统角色，悄然构建一个物理AI生态系统，通过其机器人平台（如GR00T和Jetson Thor）和软件能力，将自己定位为即将到来的物理AI与机器人革命的关键推动者和平台提供商 [1] - 尽管市场对AI芯片的增长预期可能已部分反映在股价中，但公司在物理AI领域的布局构成了尚未被充分定价的长期增长动力，结合其获准向中国市场销售芯片以及美国企业庞大的资本支出计划，公司股票在当前估值下仍具吸引力 [1] 行业资本支出与AI基础设施投资 - 美国企业正投入超过6500亿美元（$650 billion）的资本支出用于AI基础设施计划，其中大部分资金瞄准AI倡议，且尚未制定年度预算的公司的潜在支出尚未完全计入 [1] - 庞大的资本支出为英伟达及其竞争对手提供了强劲的行业顺风，预计将推动其增长至少持续至2026年 [1] 公司战略转型与业务扩展 - 公司已从单纯的AI硬件公司，转变为一个强大的软件和平台公司，其业务范围正扩展到物理AI和机器人领域 [1] - 公司正在通过GR00T（未来人形机器人的“大脑”）、数字孪生（用于在实际机器人部署前训练物理AI）以及Jetson Thor物理形态本身等平台，积极布局物理AI生态系统 [1] - 公司已获得批准，开始向中国市场销售部分紧俏的AI芯片，这为其销售增长提供了额外的长期潜力，尽管短期预期有限 [1] - 公司与“科技七巨头”（Mag Seven peers）达成了最近的AI芯片交易，这进一步巩固了其增长前景 [1] 市场估值与前景 - 公司股价近期表现平稳，并非因为芯片销售停滞，而是因为市场预期已与现实情况趋同，AI芯片的上行空间可能已在当前股价中部分体现 [1] - 以约45.0倍的追踪市盈率（P/E）计算，公司的股票估值显得具有吸引力，可能是当前市场上最便宜的超大型机器人概念股 [1] - 物理AI生态系统的发展有望在未来三到五年内将机器人革命从科幻变为现实，而英伟达是这一趋势的核心受益者，其价值可能被仅关注短期季报的分析师和投资者低估 [1]

卡特彼勒与英伟达的战略合作 - 卡特彼勒正通过与半导体巨头英伟达的合作，更深入地在其建筑机械车队中整合人工智能与自动化技术 [1] - 合作内容包括在卡特彼勒中型Cat 306 CR微型挖掘机上试点名为“Cat AI”的AI辅助系统，该系统基于英伟达的Jetson Thor物理AI平台构建，并在CES上进行演示 [1] Cat AI系统的功能与价值主张 - Cat AI系统由一系列AI智能体构建，能帮助机械操作员解答问题、获取资源、提供安全提示以及安排设备服务 [2] - 该技术的主要优势之一是系统能够收集并回传数据，为客户提供实时洞察，使其能在工作中直接采取行动，这对不常使用笔记本电脑、身处施工现场的客户至关重要 [2][3] - 卡特彼勒的机械每秒向公司回传约2,000条消息，这些数据将用于构建数字孪生和仿真 [3] 数字孪生与仿真技术的应用 - 卡特彼勒正利用英伟达Omniverse仿真资源库，试点建筑工地的数字孪生模型，以测试施工调度方案并更精确地计算项目所需建材量 [3] - 公司已在矿业领域拥有完全自动驾驶车辆，当前的试点项目是其在产品组合中推广更多自动化的重要下一步 [4] 合作背景与战略契合 - 卡特彼勒选择从该领域切入，是因为这是客户当前面临的实际挑战，且公司在此已有一定发展势头，能够较快推向市场，同时该技术也为公司奠定了可扩展的技术基础 [6] - 与卡特彼勒这类传统工业品牌合作，符合英伟达的物理AI战略，英伟达首席科学家在2025年表示，公司将物理AI视为其强大GPU的下一个前沿领域 [6][7] 英伟达的物理AI战略布局 - 在CES主题演讲中，英伟达阐述了其物理AI全栈生态系统计划，包括其Cosmos模型系列等开源AI模型、仿真工具和开发者套件 [8] - 英伟达对物理AI的定义广泛，认为当今所有公司都在构建机器人技术，物理AI是AI的下一波浪潮，英伟达正通过提供训练模型、仿真测试及将模型部署至机器人（无论是自动驾驶汽车还是卡特彼勒机械）的计算机来引领该领域 [8][9]

公司与技术合作 - 卡特彼勒正通过与半导体巨头英伟达的合作，在其建筑机械车队中深化整合人工智能与自动化技术 [1] - 合作的核心是卡特彼勒在其Cat 306 CR中型迷你挖掘机上试点名为“Cat AI”的辅助系统，该系统基于英伟达的Jetson Thor物理AI平台构建，并在CES上进行演示 [1] Cat AI系统的功能与价值 - Cat AI系统由一系列AI智能体构建，能够帮助机械操作员解答问题、获取资源、提供安全提示以及安排服务 [2] - 该技术带来的最大好处之一是系统能够收集并回传数据 [2] - 对于客户而言，能够在工作中实时获取洞察并采取行动至关重要，因为他们并非终日面对笔记本电脑，而是在现场作业 [3] 数据应用与数字孪生 - 卡特彼勒正在利用英伟达Omniverse仿真资源库试点建筑工地的数字孪生，以测试调度方案并更精确计算项目所需建筑材料量 [3] - 公司的机械设备每秒向公司回传约2,000条消息，这些数据将用于构建上述仿真模型 [3] 自动化战略与市场定位 - 卡特彼勒已在矿业领域拥有完全自动驾驶车辆，当前的试点项目是公司为其产品组合引入更多自动化的下一步 [4] - 选择从此处着手是因为这是客户当前面临的实际挑战，且公司在此领域已具备一定发展势头，能够较快推向市场 [5] - 该技术也为公司提供了可进一步构建的技术基础 [5] 英伟达的战略布局 - 与卡特彼勒这类传统工业品牌合作，符合英伟达的物理AI战略 [5] - 英伟达首席科学家在2025年表示，公司将物理AI视为其及其强大GPU的下一个前沿领域 [6] - 在CES主题演讲中，英伟达阐述了其物理AI全栈生态系统的计划，包括其Cosmos模型系列等开放AI模型、仿真工具和开发者套件 [6] - 英伟达对物理AI的定义非常广泛，认为如今每个人都在构建机器人技术，而不仅限于机器人公司 [7]

行业核心转变 - 人工智能驱动的机器人行业正经历两大关键转变：一是应用场景从工厂车间向家庭、城市、太空等非结构化环境“逃逸”，二是训练重点从传统的认知能力（“大脑”）转向物理操控能力（“身体”）[1] - 这一转变将驱动边缘算力需求爆发，并可能重塑全球算力基础设施格局[1] 机器人应用场景演变 - 传统工业机器人被局限于工厂的“结构化牢笼”，任务单一、环境可控且无需感知与学习能力[3] - AI赋能的新一代机器人开始进入家庭、农场、城市街道、深海及太空等复杂现实世界，执行如自动驾驶导航、家庭服务、复杂地形巡检等任务[3] 物理操控的技术挑战与瓶颈 - 当前行业瓶颈已从优化“大脑”（如通用模型）转向训练“身体”（物理动作执行），核心矛盾在于人类本能的基础技能（如行走、抓取）对AI而言极其复杂（Moravec悖论）[8] - 机器人执行如“抓取冰箱中的瓶子”等简单人类动作，涉及手指位置、身体平衡、握力控制及环境变量（如湿度）等多重挑战，需要实时感知、动态决策与精细动作控制能力[6][7] - 与大语言模型不同，机器人模型需要大量真实世界的物理操作数据进行训练，这使得数据收集和模型训练变得更加复杂且昂贵[9] 训练数据收集方式 - 特斯拉、英伟达、谷歌等科技巨头正通过三种主要方式收集训练数据[11] - **远程操作**：人类通过动作捕捉控制机器人模仿行为，但该方法耗时且扩展性差[13] - **模拟训练**：通过数字孪生在虚拟环境中无限复现复杂场景（如极端天气），结合强化学习优化动作，游戏引擎公司（如Unreal Engine、Unity）及英伟达Omniverse平台深度参与[15] - **视频学习**：从人类行为视频（如YouTube）中提取动作模式训练模型，无需物理交互，谷歌DeepMind的Genie 3、Meta的V-JEPA 2等“世界模型”采用此思路[15] 边缘算力需求与趋势 - 机器人进入非结构化环境后，云端中心化计算的延迟问题凸显，边缘算力成为刚需[18] - **专用边缘芯片普及**：以英伟达Jetson Thor为代表，作为边缘实时推理设备，每套件价格约3500美元，其核心优势在于低功耗下实现高算力，满足机器人对实时性的要求[19] - **分布式推理网络**：特斯拉提出“机器人即算力节点”构想，若全球部署1亿台具备2500 TFLOPS算力的机器人，在50%利用率下可提供125000 ExaFLOPS算力，相当于700万颗英伟达B200 GPU（单颗18 PetaFLOPS）[22] 市场规模与算力需求预测 - 到2050年，全球将售出14亿台机器人[2] - 到2030年，全球机器人边缘计算需求将大幅增长，各类机器人形态都将贡献显著算力需求[25] - 到2050年，机器人将推动边缘AI算力需求达到数百万个B200芯片当量[2][25]

特斯拉Optimus机器人生产计划 - 公司正扩大其德克萨斯州超级工厂，以建设专门设施用于大规模生产Optimus人形机器人[2] - 目前试点生产已在加州弗里蒙特工厂进行，早期Optimus V3原型机正在组装[2] - 公司计划到2026年底将弗里蒙特工厂年产量提升至约100万台，随后德克萨斯州生产线计划于2027年启动，年产能高达1000万台[2] 特斯拉Optimus产品定位与目标 - 首席执行官认为Optimus有潜力成为公司最大的产品[1] - 该机器人旨在处理日常重复性任务，以改变人们的工作方式，原型机已在公司设施内进行测试，协助搬运零件、分拣材料和支持生产线操作[3] - 公司目标是在全面生产开始后，将每台机器人的制造成本控制在约2万美元[3] - 公司计划在2026年初发布Optimus V3设计，其外观将高度逼真[3] - 此举标志着公司业务从汽车向机器人领域的扩张，可能开辟新的长期增长机会[3] 行业竞争格局与技术发展 - 行业内其他公司如波士顿动力和Figure AI也在快速进步，公司仍需努力追赶以实现其愿景[3] - 英伟达正在通过突破性进展巩固其在变革性机器人革命中的地位，包括推出全球首个开放人形机器人基础模型Isaac GR00T N1.5，以及全面上市Jetson Thor，其在130瓦功耗下提供前所未有的2070 FP4 teraflops AI计算能力用于实时机器人推理[4] - 超微公司也凭借其Kria系统模块和KR260机器人入门套件进军机器人领域，其与黑莓QNX的合作在实现低延迟实时机器人方面具有优势[5] 特斯拉财务与市场表现 - 公司股价年初至今上涨6%，同期行业增长为12%[6] - 公司远期市销率为13.47，高于行业及其自身五年平均水平，价值评分为D[9] - 公司当前Zacks排名为第3级（持有）[11] - 过去90天内，公司当前季度（2025年12月）每股收益共识预期从0.47美元下调至0.44美元，下一财年（2026年12月）预期从2.49美元微调至2.45美元[11]

事件概述 - 英伟达首席执行官黄仁勋于2024年11月在首尔APEC会议期间，与三星和现代高管在Kkanbu Chicken进行私人晚宴，事件经社交媒体传播后引发韩国股市相关公司股价异动 [3] - 该事件与英伟达随后公布的同三星、现代的合作计划相结合，被市场解读为积极信号，形成所谓的“黄仁勋效应” [6][14] 市场反应 - 事件曝光后次日，韩国炸鸡连锁、家禽加工及炸鸡机器人相关公司交易量在几小时内放大数倍 [3] - 具体公司如桥村食品股价盘中跳升，Cherrybro成交量猛增，创业板公司Neuromeka等与炸鸡服务自动化相关的公司受到市场热捧 [5] - 韩国创业板热钱偏好明显，散户和投机资金追逐热点，将私人晚宴联想为消费增长或技术合作信号，推动资金流入相关标的 [10] 商业合作实质内容 - 英伟达与三星宣布合作计划，目标在三星工厂部署数万块英伟达GPU，用于数字孪生和制造流程优化，项目包含Omniverse平台应用和HBM4内存联合研发 [8][12] - 英伟达与现代汽车合作推进智能出行和机器人平台，技术路线涉及RTX PRO与Jetson Thor等硬件，用于软件定义车辆和工业级机器人试验场景 [8] - 合作公告旨在全球多地复制AI工厂概念，首期计划在三星主要晶圆厂进行部署 [12] 事件影响机制 - 社交媒体上的私人晚宴成为市场催化剂，市场参与者将私人互动与后续商务细节关联，形成短期资金驱动 [10][14] - 媒体头条、财经博主直播和散户群讨论将私宴转为公共事件，导致相关餐饮及概念股出现涨停、放量和强劲买盘 [12] - 事件表明，在信息传播链中，个人随意举动可被迅速放大，信息与注意力能直接转化为资本市场的价格波动 [16]

投资评级 - 报告对硬蛋创新（00400 HK）维持“买入”评级 [5][9] 核心观点 - 公司是稀缺的AI算力芯片供应商，通过深化“芯、端、云”全产业链布局，把握AI驱动的算力需求爆发机遇 [1][2] - 公司作为NVIDIA Jetson系列核心代理商，精准卡位物理AI（具身智能）黄金赛道，有望深度受益 [3][97] - 公司向产业链下游垂直拓展，自研SOM（系统级模块）产品已实现批量出货，有望打造第二成长曲线 [4][9] 业务与财务表现 - 公司业务分为科通技术（AI算力供应链核心供应商）和硬蛋科技（AIoT技术服务平台）两大平台，致力于从产业连结者向科技赋能者升级 [1][17] - 2025年上半年公司实现营收66.76亿元人民币，同比增长54.5%，实现归母净利润1.32亿元人民币，同比增长17.2% [1][20] - 公司2019年至2024年营收复合年增长率为11.6%，归母净利润复合年增长率为11.5% [1] 行业前景与公司定位 - AI大模型驱动算力需求爆发式增长，大模型出现后算力需求增速从每两年约8倍大幅提升至每两年约275倍 [2][42] - 全球算力规模预计将在2029年达到14130 EFlops，2024年至2029年复合年增长率为45%；中国大陆算力规模预计在2029年达到5457 EFlops [2][42] - 全球AI芯片市场有望从2024年的超过570亿美元增至2027年的4000亿美元，2030年全球AI基础设施支出预计达3-4万亿美元 [2][47] - 公司是AI算力供应链核心供应商，代理超过80家核心芯片公司的产品，包括NVIDIA、AMD-Xilinx、Intel等国际知名原厂 [31][62] 物理AI与具身智能机遇 - 物理AI作为新一代智能形态，有望改变价值50万亿美元的产业，但面临环境适应、数据获取和端侧部署等挑战 [3][64][71] - NVIDIA推出新一代机器人计算平台Jetson Thor，提供高达2070 FP4 TFLOPS的计算性能，为面向物理AI的多模态推理计算平台 [3][72][78] - 众多中国机器人企业如优必选、宇树科技、银河通用等已率先采用Jetson Thor，显示其在中国市场的强劲需求 [3][89] - 公司是NVIDIA Jetson核心代理线，以其为基石向端侧AI领域输出解决方案，有望深度受益于核心代理业务增长 [3][97] 自研SOM与第二成长曲线 - SOM（系统级模块）市场规模有望从2025年的超32.2亿美元增长至2035年的超77.6亿美元 [4] - 公司下属开普勒研究院基于对AI算力供应链及下游需求的长期理解，开发了基于NVIDIA Jetson和Xilinx FPGA等核心芯片的SOM级自研产品 [4] - 公司自研SOM产品已实现对海关、银行等客户的批量出货，伴随产品品类拓展及放量，有望开辟第二成长曲线 [4][9] 盈利预测与估值 - 预计公司2025-2027年营收分别为133.6亿元、200.3亿元、270.8亿元人民币 [9][11] - 预计公司2025-2027年归母净利润分别为2.5亿元、3.8亿元、5.0亿元人民币 [9][11] - 对应2025-2027年预测市盈率分别为16.7倍、11.2倍、8.4倍，报告认为公司具备估值优势 [9][11]

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]