核心观点 - 吉利汽车集团正与英伟达深化战略合作伙伴关系 合作范围超越传统硬件供应 扩展至物理AI 企业AI和工业AI三大核心维度 旨在构建全链条智能出行生态系统[1][5] 合作维度与具体内容 物理AI (智能汽车与自动驾驶) - 吉利与法雷奥的G-ASD系统将集成英伟达Alpamayo Cosmos和NuRec技术 以提升开发 仿真和验证效率[2] - 公司将与生态系统合作伙伴共同开发并商业化Robotaxi 采用英伟达DRIVE AGX Hyperion自动驾驶架构 以增强复杂驾驶场景下的泛化能力和安全冗余[4] - 公司将率先在行业内部署由英伟达与联发科联合开发的Dimensity Auto Cockpit C-X1座舱平台 该平台采用英伟达Blackwell GPU及第二代Transformer引擎 专为LLM和VLM推理性能优化 具有领先的令牌处理吞吐量和内存带宽效率[7] - 公司将利用英伟达DRIVE AGX平台及一系列优化的AI模型 为AI Box差异化车载应用提供支持 持续推动车内创新[7] 企业AI (云计算与基础设施) - 公司将利用英伟达AI超级计算平台 结合英伟达Nemotron开源模型 NeMo软件和英伟达AI Enterprise套件 旨在加速企业级AI演进 从研发数据处理升级至智能业务决策 推动公司运营向“AI组织”转型[5] 工业AI (制造与研发数字化) - 合作涵盖视觉AI代理 基于英伟达Omniverse库的工厂自动化以及AI驱动的工业设计与CAE工作流程 旨在通过AI干预显著缩短研发周期 实现高度柔性化和自动化的制造流程[5][8] 战略目标与行业影响 - 此次合作旨在构建全链条智能出行生态系统[5] - 随着极氪8X等全新车型的推出 公司正加速将AI能力从实验室推向真实场景 开启智能出行新时代[9]

公司与NVIDIA深化AI合作 - 吉利汽车集团宣布与NVIDIA在物理AI、企业AI、工业AI三大领域持续深化合作与战略协同 [1] - 双方将围绕智能驾驶、智能座舱、智能制造与研发、云端与AI基础设施等维度展开深度合作 [1] - 合作旨在定义下一代智能出行技术底座 [1] 智能辅助驾驶领域的具体举措 - 吉利旗下千里浩瀚G-ASD将集成NVIDIA Alpamayo、NVIDIA Cosmos和NVIDIA NuRec [1] - 此举旨在提升智能辅助驾驶的开发、仿真与验证效率 [1] - 吉利将与生态系统合作伙伴共同使用NVIDIA DRIVE AGX Hyperion自动驾驶汽车架构进行robotaxi的开发和商业化 [1] - 该合作旨在增强复杂驾驶场景中的泛化能力和安全冗余 [1]

文章核心观点 英伟达宣布扩展其开源模型家族，以推动下一代智能体、物理世界及医疗保健AI的发展 公司推出了多个新模型，旨在赋能开发者和科学家构建能够在数字和现实世界中推理与行动的智能系统[2][13] 开源模型组合与战略意义 - 开源AI已成为全球创新驱动力 英伟达扩展的开源模型组合，包括用于智能体系统的Nemotron、用于物理AI的Cosmos、用于自动驾驶汽车的Alpamayo、用于机器人的Isaac GR00T以及用于生物医学研究的BioNeMo，为各行业解锁新能力提供了先进的模型和框架[3] - 公司认为，开源模型对于在全球范围内推进创新至关重要 其模型家族将智能扩展到语言之外，使全球开发者能够构建智能体，并推动数字和物理行业的突破[4] 智能体AI模型：Nemotron系列 - **Nemotron 3全能理解多模态模型**：为AI智能体提供支持，实现自然对话、复杂推理和先进的视觉能力[5][16] - **Nemotron 3 Ultra模型**：在NVIDIA Blackwell平台上使用NVFP4格式，提供前沿智能，吞吐效率提升5倍，适用于代码助手、搜索和复杂工作流自动化等AI原生应用[17] - **Nemotron 3 Omni模型**：集成音频、视觉和语言理解，使AI智能体能高效、准确地从视频和文档中提取见解[17] - **Nemotron 3 VoiceChat模型**：支持实时对话，AI可同时聆听和响应，在一个系统中结合了自动语音识别、大语言模型处理和文本转语音功能[17] - **Nemotron安全模型与检索流程**：通过检测文本和图像中的不安全内容来增强可信的多模态系统，智能体检索流程则提高输出的相关性和准确性[17] - **Nemotron-Personas数据集**：发布了基于本地人口普查和人口数据的、保护隐私的完全合成数据集 法国数据集现已推出，加入了美国、日本、印度、巴西和新加坡的现有数据集[9] 物理AI模型：机器人及自动驾驶 - **Isaac GR00T N1.7模型**：专为人形机器人打造的开放式推理视觉语言行动模型，现已具备商业可行性，可用于实际部署[16][18] - **GR00T N2模型预览**：基于DreamZero研究的下一代机器人基础模型，采用新的世界行动模型架构，帮助机器人在新环境中完成新任务的成功率是领先VLA模型的两倍以上 该模型目前在MolmoSpaces和RoboArena的通用机器人策略排名中位列第一[10] - **Cosmos 3模型**：首个统一合成世界生成、物理AI推理和行动模拟的世界基础模型，预计即将推出，将帮助物理AI在复杂环境中运行[18] - **Alpamayo 1.5模型**：一个推理VLA模型，通过导航引导、提示条件、灵活的多摄像头支持和可配置的摄像头参数，增强了自动驾驶汽车的推理能力[18] 医疗保健与生命科学AI模型 - **BioNeMo平台扩展**：作为一个开放的医疗保健和生命科学AI开发平台，使研究人员能够大规模建模、设计和模拟生物系统[19] - **Proteina-Complexa模型**：用于蛋白质结合剂设计的生成模型，加速基于结构的药物发现和治疗开发[16][19] - **AlphaFold数据库扩展**：公司与EMBL欧洲生物信息学研究所、Google DeepMind和首尔国立大学合作，大规模扩展了AlphaFold蛋白质结构数据库，计算了约3000万个蛋白质复合物预测，并向AlphaFold数据库新增了170万个高置信度预测，以加速新药物靶点和疾病生物学的发现[20] - **nvQSP模拟引擎**：一种GPU加速的模拟引擎，使药物研究人员能够在临床试验开始前在计算机模型中探索更多的治疗方案 基准测试显示，与传统的单线程CPU模拟相比，nvQSP性能提升高达77倍，使科学家能在以前仅能模拟几个场景的时间内，分析数百个剂量水平和患者亚群[21] 合作伙伴与客户应用案例 - **智能体AI应用**：包括Automation Anywhere、CodeRabbit、CrowdStrike、Cursor、Factory、Distyl、Genspark、Perplexity和ServiceNow在内的领先公司正在部署Nemotron模型以支持高级智能体应用[7] Edison Scientific将Nemotron作为Kosmos的核心组件，该自主AI科学家被超过50,000名研究人员使用，可并行执行数百项研究任务，将数月的研究压缩至一天[7] - **全球开发者应用**：全球AI开发者正在使用Nemotron模型的数据和框架构建主权模型，以母语服务数十亿人，并符合当地文化和价值观 这些开发者包括AI Singapore、Bielik.ai、Indosat Ooredoo Hutchison、LINAGORA、SOOFI、Stockmark、Trillion Labs、Viettel和YTL AI Labs[8] - **物理AI应用**：HCLTech、Johnson & Johnson MedTech、Milestone Systems、mimic robotics、Skild AI、Tulip和丰田研究所正在使用NVIDIA Cosmos加速物理AI训练和视频分析[11] Humanoid、LG Electronics、NEURA和Noble Machines正在采用NVIDIA Isaac GR00T N1.7来扩展人形机器人的部署[11] - **医疗AI应用**：Novo Nordisk、Viva Biotech和Manifold Bio正在使用Proteina-Complexa模型设计能与靶蛋白结合的蛋白质，并对生成的设计进行了实验测试[16][19] - **平台集成**：LangChain已将NVIDIA Nemotron模型和其他NVIDIA Agent Toolkit软件集成到其智能体开发平台中，使企业能够构建、部署和监控智能AI助手，以企业级规模自动化复杂任务[6] 产品发布与获取渠道 - 公司宣布了新的开源模型，包括Nemotron 3 Ultra、Omni和VoiceChat、Cosmos 3、Isaac GR00T N1.7、Alpamayo 1.5和Proteina Complexa，以推进智能体、物理和医疗AI[14][15] - 部分NVIDIA开源模型、数据和框架可在GitHub、Hugging Face、一系列云、推理和AI基础设施平台以及build.nvidia.com上获取[22] - 许多模型也作为NVIDIA NIM微服务提供，可在从边缘到云的任何NVIDIA加速基础设施上进行安全、可扩展的部署[22]

公司战略与核心主题 - 公司在CES 2026上明确展示全力投入AI领域的战略，五年来首次未发布游戏显卡[2] - 核心主题直指物理AI，旨在将技术护城河从芯片层拓展至全栈平台层（模型+数据+工具），以拉动更多GPU与基础设施投入并增强用户与生态锁定[7][10] 下一代数据中心架构：Vera Rubin - 正式推出下一代AI数据中心机柜架构Vera Rubin NVL72，预计2026年下半年启动规模化量产[14][38] - 架构由六大核心组件构成：Vera CPU、Rubin GPU、NVLink 6 switch、ConnectX-9 SuperNIC、BlueField-4 DPU、Spectrum-6 Ethernet switch[15] - 在NVFP4数据类型下，Rubin GPU推理性能达50 PFLOPS，是Blackwell GB200的5倍；训练性能达35 PFLOPS，是Blackwell的3.5倍[4][17] - 每颗Rubin GPU封装8组HBM4内存，提供288GB容量和22 TB/s带宽[18] - 引入NVLink 6，将单GPU互连带宽提升至3.6 TB/s（双向），每个机架配备9颗交换芯片，总规模内带宽达260 TB/s[20][21] - Vera CPU集成88个定制Olympus Arm核心，最多可同时运行176个线程，与GPU连接的NVLink C2C互连带宽达1.8 TB/s，可寻址最多1.5 TB的LPDDR5X内存[22] - 推出采用共封装光学（CPO）的Spectrum-X以太网交换机用于扩展，其中SN688提供409.6 Tb/s总带宽，SN6810提供102.4 Tb/s总带宽[24][25][26][27] - 推出BlueField-4 DPU构建新的“推理上下文内存存储平台”，旨在高效共享与复用键值缓存数据，提升系统响应和吞吐能力[32][34] - 每个Vera Rubin NVL72机架整体可提供3.6 exaFLOPS的NVFP4推理性能、2.5 exaFLOPS的NVFP4训练性能、54 TB的LPDDR5X内存以及20.7 TB带宽达1.6 PB/s的HBM4内存[36][37] - 与Blackwell相比，训练MoE模型所需GPU数量仅为四分之一，在MoE推理场景下每token成本最高可降低10倍[36] 自动驾驶领域发布 - 推出面向安全推理自动驾驶的全新开源模型系列Alpamayo[39] - 发布全球首款开源、大规模的自动驾驶视觉-语言-行动推理模型Alpamayo 1，参数100亿，能理解环境并解释决策行为[41][42] - 配套推出开源仿真框架AlpacaSim，并发布包含1700小时驾驶数据的开源数据集，涵盖广泛地理区域与复杂边缘场景[44][45] - Alpamayo将率先搭载于2025年第二季度欧洲上市的梅赛德斯-奔驰CLA车型，后续通过OTA升级推送高级自动驾驶功能[45] - 展示了基于自身技术构建的全球L4级自动驾驶与Robotaxi生态系统全景，覆盖全产业链[47] AI模型与平台更新 - 推出面向Agentic AI的NVIDIA Nemotron模型家族，并持续向社区开源训练框架及多模态数据集[6] - 开源数据集包括10万亿语言训练token、50万条机器人轨迹数据、45.5万个蛋白质结构、100TB车辆传感器数据[6] - Nemotron进一步推出针对语音、RAG以及安全三大场景的专项模型[49] - Nemotron Speech包含新的自动语音识别模型，在实时低延迟场景中速度比同类模型快10倍，已被博世采用[51][52] - Nemotron RAG搭载新的视觉语言模型以提升文档搜索效率，Nemotron Safety系列模型专注于增强AI应用安全性与可信度[53] - 公司在演讲中提及国产开源模型DeepSeek、Kimi K2、Qwen[11][12] 物理AI与机器人 - 为机器人推出的“大脑”Cosmos平台升级，全新发布Cosmos Reason 2视觉-语言推理模型、Cosmos Transfer 2.5与Cosmos Predict 2.5合成视频生成模型[56][59] - 发布专为类人机器人打造的开源视觉-语言-行动推理模型Isaac GR00T N1.6，支持全身控制并集成Cosmos Reason模型[60] - 推出NVIDIA AI Blueprint for Video Search and Summarization参考工作流，用于构建分析视频的视觉AI智能体[60] - Cosmos平台已被Figure、Agility Robotics、通用汽车等公司采用，其模型正被Salesforce、Uber等企业用于开发AI智能体[54][58] 生物医学领域 - 推出专门针对医疗健康与生命科学领域的AI技术工具NVIDIA Clara，旨在降低行业成本、加速治疗方案落地[61][62] - 该系列包含多款专项模型：La-Proteina能设计原子级精度的大型蛋白质；ReaSyn v2在药物发现阶段考虑生产问题；KERMT预测潜在药物人体反应；RNAPro预测RNA分子3D结构[68] - 将为研究者提供包含45.5万个合成蛋白质结构的数据集[65]

文章核心观点 - NVIDIA在CES 2026上发布了名为Alpamayo的开放式AI模型、仿真工具和数据集家族，旨在加速下一代基于推理的安全自动驾驶汽车发展 [1][4][12] - Alpamayo家族通过引入基于思维链的视觉语言行动模型，为自动驾驶决策带来类人推理能力，旨在解决罕见、复杂的“长尾”驾驶场景挑战 [2][3][12] - 该生态系统整合了开放模型、仿真框架和数据集三大支柱，为汽车开发商和研究团队提供了一个可构建的完整、开放生态系统 [4][10][11] 产品与技术细节 - **Alpamayo 1模型**：行业首个基于思维链推理的视觉语言行动模型，拥有100亿参数架构，使用视频输入生成轨迹和推理痕迹，展示每个决策背后的逻辑 [13] - **AlpaSim仿真框架**：一个完全开源、端到端的高保真自动驾驶开发仿真框架，提供真实的传感器建模、可配置的交通动态和可扩展的闭环测试环境 [13] - **Physical AI开放数据集**：包含超过1,700小时的驾驶数据，覆盖了最广泛的地理区域和条件，包含对推进推理架构至关重要的罕见复杂真实世界边缘案例 [13] - 这些模型并非直接在车载系统运行，而是作为大规模教师模型，供开发者微调并提炼到其完整自动驾驶技术栈的骨干中 [5] - 未来该家族的模型将具有更大的参数量、更详细的推理能力、更灵活的输入输出选项以及商业用途选择 [13] 行业影响与合作伙伴 - 移动出行领军企业和行业专家，包括Lucid、JLR、Uber和Berkeley DeepDrive，均对Alpamayo表现出兴趣，以开发能够实现L4级自动驾驶的基于推理的自动驾驶技术栈 [8][12] - 行业观点认为，向物理AI的转变凸显了对能够推理现实世界行为的AI系统日益增长的需求，而先进的仿真环境、丰富的数据集和推理模型是发展的重要元素 [9] - 该模型的开放源码性质加速了全行业的创新，使合作伙伴能够根据其独特需求调整和完善该技术 [9] - 借助Alpamayo，行业领导者和研究社区可以加快安全、基于推理的L4级部署路线图 [12] 开发与部署支持 - 开发者可以利用NVIDIA丰富的工具和模型库，包括来自NVIDIA Cosmos和NVIDIA Omniverse平台的工具 [9] - 开发者可以在专有车队数据上微调模型版本，将其集成到基于NVIDIA DRIVE AGX Thor加速计算构建的NVIDIA DRIVE Hyperion架构中，并在商业部署前在仿真中验证性能 [9] - 这些工具共同为基于推理的自动驾驶技术栈实现了一个自我强化的开发循环 [7]

业绩总结 - Hugging Face的月下载量在2023年达到了160百万次[9] - NVIDIA的Rubin GPU的推理性能达到3.6 EFLOPS，训练性能为2.5 EFLOPS[134] - NVIDIA的AI计算需求激增，预计每年令令牌数量增长5倍[113] 用户数据 - 80%的初创公司正在基于开放模型进行构建[10] - 在开放模型中，Owen2-VL-7B在文本识别、文本引用和文本定位的准确率分别为72.1%、47.9%和17.5%[20] 新产品和新技术研发 - 预计到2025年，生成和处理数据的能力将显著提升，推动市场趋势[10] - 公司在2025年将推出全栈自动驾驶平台，搭载在梅赛德斯-奔驰CLA车型上[68] - 预计将发布的语言模型包括Kimi K2和DeepSeek V3.2等[8] - 新推出的六款芯片标志着技术的重大进步[144][147] 市场扩张和并购 - NVIDIA在开放模型生态系统中处于领先地位，推动了多模型和多云的应用[14] - 新平台支持每秒处理5倍更多的tokens，且能实现5倍的能效提升[142] 负面信息 - 在开放模型中，Cosmos-Reason1-78在IntPhys、MVPBench和CausalVQA的准确率分别为59.88%、41.31%和48.17%[18] 其他新策略和有价值的信息 - NVIDIA的Vera CPU具有1.8 TB/s的NVLink-C2C带宽和1.5 TB的系统内存，支持176线程[120] - NVIDIA的HBM4带宽达到1.6 PB/s，较之前提升了2.8倍[134] - NVIDIA的Spectrum-X以102.4 Tb/s的规模扩展交换基础设施，支持128个800 Gb/s端口[136] - NVIDIA的BlueField-4 DPU提供800G Gb/s的网络处理能力，具有64核Grace CPU[127] - NVIDIA的ConnectX-9支持800 Gb/s以太网，具备23亿个晶体管[125] - NVIDIA的NVFP4训练性能为35 PFLOPS，较之前提升了3.5倍[122] - NVIDIA的Vera Rubin GPU拥有3360亿个晶体管，较之前提升了1.6倍[122] - 训练时间减少至原来的四分之一，所需GPU数量减少[148] - 工厂的token产出能力提高至原来的10倍[150] - Token成本降低至原来的十分之一[151] - 预计一个月内可处理100万亿tokens[149] - 提供一个适用于所有AI的统一平台，包括Vera Rubin和Open Models[152]