“下一波浪潮是物理AI。”英伟达CEO黄仁勋年内多次强调。近日，英伟达在物理AI领域的部署加快了。
据英伟达的解释，物理AI依托于神经图形、合成数据生成、物理模型、强化学习和AI推理技术，是现代机器人技术、自动驾驶汽车和空间智能技术背后的引擎。在生成式AI、代理AI浪潮之后，就是物理AI浪潮。
在北京举行的2025世界机器人大会上，英伟达Omniverse和仿真模拟技术副总裁Rev Lebaredian提到，物理AI将撬动万亿美元级的市场。大会期间，银河通用首发了搭载英伟达Jetson AGX Thor芯片的机器人应用。
在大洋彼岸加拿大温哥华举办的计算机图形大会SIGGRAPH2025上，英伟达则带来16篇论文，物理AI是此次英伟达参会的主题词。北京时间12日上午，三名英伟达AI 研究负责人在大会上发表演讲，谈及物理AI的演进。
物理AI与图形研究之间有紧密联系。英伟达图形研究副总裁Aaron Lefohn表示，渲染研究已推动了逼真虚拟世界的创建，这些虚拟世界被用于训练先进的物理AI系统，AI反过来则帮助研究人员基于图像构建3D世界。在图形领域，2018年英伟达在SIGGRAPH展出第一个光线追踪硬件，在9年间还将实时路径追踪性能提升了1万倍。
英伟达AI研究副总裁Sanja Fidler表示，未来机器人将成为家庭成员，并重新定义工厂、仓库、农业的运作方式。AI和模拟研究之间有强烈的耦合关系。在机器人研究中，模拟起到重要作用。这是因为，在真实世界中训练机器人不安全，虚拟环境则不会造成伤害，且虚拟环境的训练效率高几个数量级，在虚拟环境中花几分钟训练，或能匹敌机器人在现实世界生活10年的经验。这个虚拟环境需尽可能忠实地模拟真实世界，缩小虚拟与现实差距的一种方法是将现实世界转化为数字形式，这依赖于视觉理解，将传感器数据转化为三维结构。
“所有移动的物体，都可以变成机器人。”英伟达研究副总裁Ming-Yu Liu表示，对于不同机器人，人们有不同期望。对于工业机械臂，只期望它能在装配线上执行简单任务，对于自动驾驶汽车，期望它能应对复杂交通状况，而对于仿人机器人，则期望能同人类一般有多种技能且能操控环境。“如果生成式AI可以转化为物理AI，关键将是训练数据，破解数据问题的关键是合成数据。” Ming-Yu Liu表示。
英伟达今年已在寻找更多GPU的落地应用场景，在工业领域和机器人领域的动作越来越多，这两个领域都与物理AI相关。在机器人领域，英伟达有Jetson Thor GPU机载计算机。有市场研究机构的研究负责人告诉记者，即便很多芯片的算力都达到要求，但目前主流人形机器人的算力解决方案并不多，其中不少机器人采用了英伟达的方案，因为其生态较完善，可以节省厂商开发时间。
英伟达与物理AI相关的产品也在加快面世。今年1月，英伟达在全球消费电子展CES上推出了基础世界模型Cosmos，用于生成合成自动驾驶等场景，辅助物理AI系统开发。此次SIGGRAPH，英伟达则推出了开源的70亿参数推理视觉语言模型（VLM）Cosmos Reason，用于让机器人和视觉AI代理工具理解物理世界并采取行动。同时，英伟达推出面向AI代理的Nemotron Nano2、Llama Nemotron Super 1.5模型和用于物理AI的新软件库Omniverse NuRec 3D高斯喷射库。
硬件方面，英伟达还表示，思科、戴尔等将推出搭载RTX PRO 6000 Blackwell服务器版GPU的服务器，用于代理AI、工业和物理AI等企业工作负载。针对工程、AI和3D可视化等场景的 RTX PRO 4000 Blackwell SFF版和RTX PRO 2000 Blackwell GPU将于今年晚些时候推出。
