英伟达构想的「物理AI」如何变革安卓生态？

英伟达正全力打造机器人领域的默认平台，目标是复刻安卓在智能手机操作系统中的主导地位。

1月5日，英伟达在CES 2024上发布了多款开源基础模型，包括多个开源基础模型，使机器人能够在多种任务和环境中进行推理、规划和适应，所有模型均在Hugging Face平台上开放。

英伟达同时推出了新一代Blackwell架构的Jetson T4000显卡，以及名为OSMO的开源指挥中心，以支撑整个机器人开发工作流程。公司还深化了与Hugging Face的合作，旨在降低机器人训练的硬件门槛和技术壁垒。

这一布局反映出人工智能从云端向物理世界迁移的行业趋势。随着传感器成本下降、仿真技术进步和AI模型泛化能力提升，机器人正从执行单一任务向通用化方向演进。波士顿动力、卡特彼勒等企业已开始使用英伟达技术，机器人类别也成为Hugging Face平台上增长最快的领域。

构建完整模型矩阵

英伟达此次发布的基础模型构成了物理AI的核心能力层。

Cosmos Transfer 2.5和Cosmos Predict 2.5两款世界模型负责合成数据生成和机器人策略评估，可在仿真环境中验证机器人行为。

Cosmos Reason 2作为推理型视觉语言模型，赋予AI系统在物理世界中观察、理解和行动的能力。

Isaac GR00T N1.6是专门针对人形机器人开发的视觉语言动作模型，以Cosmos Reason作为推理核心，实现全身控制功能，使人形机器人能够同时完成移动和物体操作。

英伟达在CES上推出的Isaac Lab-Arena是托管在GitHub上的开源仿真框架，旨在解决机器人能力验证的行业痛点。

随着机器人学习精确物体处理、电缆安装等复杂任务，在物理环境中验证这些能力往往成本高昂、耗时且存在风险。

该平台整合了资源、任务场景、训练工具以及Libero、RoboCasa和RoboTwin等既有基准测试，为此前缺乏统一标准的行业建立了通用框架。配套的开源平台OSMO作为指挥中心，将从数据生成到训练的整个工作流程整合在一起，支持桌面和云端环境。

降低硬件门槛

Thor系列新成员Jetson T4000图形卡搭载Blackwell架构，作为成本效益型设备端算力升级方案，提供1200万亿次浮点AI算力和64GB内存，功耗控制在40至70瓦之间。

英伟达还深化了与Hugging Face的合作，将Isaac和GR00T技术集成到后者的LeRobot框架中，连接英伟达200万机器人开发者与Hugging Face 1300万AI构建者。

开源人形机器人Reachy 2现已直接支持英伟达Jetson Thor芯片，开发者可以测试不同AI模型而无需被锁定在专有系统中。

早期迹象显示英伟达策略正在产生效果。机器人已成为Hugging Face平台上增长最快的类别，英伟达的模型在下载量上处于领先地位。波士顿动力、卡特彼勒、Franka Robots和NEURA Robotics等企业已在应用英伟达技术。

这一布局体现了该公司使机器人开发更易获取的战略意图，同时将自身定位为底层硬件和软件供应商，类似安卓之于智能手机制造商的作用。

随着AI从云端向具备物理世界学习能力的机器转移，更便宜的传感器、先进的仿真技术和跨任务泛化的AI模型正推动行业整体转型。