随着人工智能技术的不断进化，“Physical AI”（物理人工智能）正在成为推动全球产业转型的核心力量。根据预测，这项技术将影响价值50万亿美元的产业链，从工厂自动化到仓储管理，再到人形机器人和智能驾驶。预计未来将有超过1000万家工厂、20万个仓库、数十亿台人形机器人以及15亿辆智能车辆融入物理人工智能的生态系统，全面重塑人类的生产和生活方式。这是一场规模空前的变革，其背后依赖于强大的算力、先进的AI算法和协作式机器人技术。
在CES2025上，英伟达发布了全新的NVIDIA Cosmos 世界基础模型（World Foundation Models，WFMs）和两个全新的Blueprint——Isaac GR00T和Mega，这些全新的模型和工具将会加速物理AI的开发和提高机器人的自主性，帮助我们快速迎接AI的下一波浪潮。
物理AI的三个大脑：模型、模拟、部署
物理AI的实现需要经过模型构建、行为模拟和现实部署三个关键步骤，这三个环节串联起来，为人工智能从构想到实际应用提供了闭环支持，使机器人和自动驾驶汽车能够真正赋能物理世界。
首先，物理AI的起点是模型的构建，通过深度学习算法训练AI，使其具备复杂任务的理解能力；接着是行为模拟，在虚拟环境中对模型进行测试和优化，确保其安全性和可靠性；最后是部署运行，将优化后的模型应用到实际场景中，实现实时的智能化决策和操作。
为了支持这一流程，英伟达的三个大脑（三大计算平台）分别发挥着至关重要的作用：
·DGX：作为AI训练平台，DGX通过强大的算力完成深度学习模型的创建，为AI提供“知识”基础。
·Omniverse：作为虚拟模拟平台，Omniverse创造出高度仿真的测试环境，使AI模型可以反复进行优化和调整，避免直接在现实中测试的高风险。
AGX：作为部署平台，AGX使AI能够在现实环境中实时运行，处理复杂的传感器数据，执行智能决策。
在具体应用中，“三计算机”解决方案在人形机器人和自动驾驶汽车领域展现出了强大的适应性和功能：
·在人形机器人中：DGX负责训练机器人如何完成复杂动作，如搬运物品或攀爬楼梯；Omniverse则模拟不同的任务场景，确保机器人在各种环境下具备适应性；AGX最终将这些能力部署到机器人中，使其能够在现实中独立完成任务。
·在自动驾驶汽车中：DGX训练AI学习路况识别、导航规划等驾驶能力；Omniverse则通过仿真交通环境，测试和优化AI的驾驶逻辑；AGX将优化后的驾驶模型部署到车辆中，支持汽车实时感知路况、规划路径和做出决策。
虽然 NVIDIA 的“三个大脑”（DGX、Omniverse 和 AGX）为物理 AI 的开发提供了从模型训练、行为模拟到现实部署的完整技术支撑，但在实际开发中，物理 AI 仍然面临许多挑战。这些挑战不仅对三大计算平台的能力提出了更高的要求，也凸显了物理世界与虚拟世界结合过程中的复杂性。
具体来说，物理 AI 的开发难点主要体现在以下几个方面：
·数据获取的成本和难度，即使有 DGX 强大的训练能力，如何高效采集丰富且多样的真实数据仍然是一个亟待解决的问题。
·行为模拟虽然能通过 Omniverse 实现，但模拟的精确度、场景的复杂性和对真实世界的映射能力也决定了开发的效果。
部署到现实环境中的风险和高成本，尽管 AGX 提供了强大的实时计算能力，但复杂场景下的硬件稳定性和安全性依然是巨大挑战。
这些问题揭示了物理 AI 开发不仅仅依赖于工具的高性能，还需要从系统设计、数据优化到测试策略的多层次解决方案。以下是这些具体挑战的进一步分析和应对策略。
破解物理AI开发的真实模型挑战——英伟达 Cosmos
尽管物理 AI 的发展潜力巨大，但它在开发过程中面临着一系列独特且复杂的挑战。从高成本的数据采集到危险且昂贵的物理测试，再到场景多样性带来的适应性问题，这些难点让物理 AI 的推进步伐受限。传统的方法，无论是在真实环境中采集训练数据，还是通过实验验证模型性能，都不可避免地面临资源消耗大、风险高的问题。
为了解决这些挑战，开发者需要一个更高效、更经济的解决方案——一个能够生成逼真虚拟世界数据的平台，从而减少对真实场景数据的依赖，同时加速模型开发。这正是NVIDIA Cosmos所要实现的目标。
Cosmos 平台的核心在于其模块化设计，开发者可以根据具体需求选择适合的功能模块。以下是 Cosmos 的关键组成部分：
扩散世界基础模型（Diffusion World Foundation Models）：Cosmos 的扩散模型能够从文本、图像或视频中生成虚拟世界状态或动态视频。这些模型支持“文本到世界”或“视频到世界”的转换，帮助开发者快速生成多样化的模拟场景，从而显著减少对真实数据采集的依赖。
自回归世界基础模型（Autoregressive World Foundation Models）：自回归模型以实时方式预测视频片段，通过逐帧预测 token 来生成低分辨率动态视频。它特别适合需要实时生成场景或视频的任务，提供了强大的前瞻能力。
高级视频分词器（Advanced Video Tokenizers）：Cosmos 的视频分词器技术能够实现比现有方法高8 倍的压缩率和12 倍的性能提升。这一突破极大地优化了视频数据的存储和处理效率，使开发者可以更高效地构建强大的World Foundation 模型。
视频策展与处理管道（Video Curation and Processing Pipeline）：基于 NVIDIA Nemo 框架，Cosmos 内置的视频处理管道专为 GPU 优化，能够快速处理数千万小时的视频数据。从解码、分割到标注，整个过程只需几天，而传统方法可能需要数年。这对自动驾驶汽车和机器人公司尤为重要，帮助它们将海量录制数据快速整理为训练数据。
安全与定制能力：Cosmos 提供强大的安全保护机制（Guardrails），并支持开发者利用自己的数据通过 NVIDIA Nemo 进行微调和定制。开发者既可以选择完全自主操作，也可以依托 NVIDIA DGX Cloud 提供的托管服务。
Cosmos 的强大功能不仅体现在技术层面，更直接影响着开发者在实际应用中的效率和成果。对于机器人开发者而言，Cosmos 生成的虚拟世界数据为机器人学习复杂任务提供了理想环境，无需在真实场景中进行危险且昂贵的测试。通过这些数据，机器人可以优化物体抓取、路径规划以及动态环境适应能力。而在自动驾驶领域，Cosmos 则成为开发者创建极端和稀有场景的利器，例如应对野生动物穿越道路或紧急车辆的处理。利用这些虚拟生成的数据，开发者不仅可以高效优化算法，还能显著降低获取边缘场景真实数据的时间和成本。
加速仿真，提升机器人自主性：Isaac GR00T和Mega Omniverse Blueprint
然而Cosmos 并非单独运行，而是与 NVIDIA Omniverse 深度集成，Omniverse是开发者用于构建3D物理环境、数字双胞胎和虚拟世界的操作系统，Cosmos和Omniverse为物理 AI 的开发提供了一种虚拟到现实的高效工作流。
在 Omniverse 中，开发者可以构建复杂的 3D 工作流，而 Cosmos 则通过生成高度逼真的多样化视频数据扩展这些场景，将其转化为大规模的训练数据集。这种协同作用不仅让开发者能够构建出物理一致性更高的世界基础模型，还能模拟 AI 模型在多种未来场景中的表现，帮助开发者预判可能的结果并优化系统设计。
在此次CES上，英伟达宣布了两个全新的blueprint，分别是Isaac GR00T和Mega。
【Isaac GR00T：加速机器人动作生成的合成数据革命】
Isaac GR00T 的核心目标是通过生成合成数据，将少量的人工演示（tens of demonstrations）扩展为成百上千的合成动作数据（hundreds of synthetic motion generations），并最终转化为百万级别的训练数据（1 million X training data）。这一过程为机器人和物理 AI 的训练提供了高效、低成本的数据来源。
GR00T 的工作流程由三个主要模块组成。首先，通过GR00T-Teleop，开发者可以在Isaac Lab中采集人类演示数据，例如通过 VR 设备（例如Apple Vision Pro）录制远程控制的动作。这些数据为机器人动作生成提供了初始模板。接着，利用GR00T-Mimic模块，系统通过虚拟仿真生成大量细化的合成动作数据，扩展数据的种类和多样性。最后，在GR00T-Gen中，这些合成数据经过Omniverse 和 Cosmos的处理，转化为最终的高质量训练数据，直接用于机器人学习和优化。
Isaac GR00T 是一项针对通用机器人基础模型和数据管线的研究计划与开发平台，旨在加速人形机器人技术的发展 。Isaac GR00T Blueprint的推出将极大促进为人形机器人开发。人形机器人开发过程中一个难点之一，就是如何收集到广泛、高质量的数据，并用于机器人训练。通过用于合成运动生成的 Isaac GR00T Blueprint，开发者只需少量人类示范，就能轻松生成海量的合成数据集。这些数据集为机器人的训练提供了丰富且优质的素材，从而有助于更高效地完成开发任务，加速人形机器人迈向实际应用的步伐。
【 Mega：工业数字孪生中的机器人车队仿真蓝图】
GR00T的定位是加速人形机器人的动作数据捕捉，而另一个新发布的blueprint——Mega则是专为机器人车队的开发、测试和优化提供强大的工具支持。无论是在仓储物流还是工业制造场景中，Mega 都能通过高精度的仿真环境，显著提升机器人协作的效率与安全性。
Mega 利用 Omniverse 的强大能力，帮助开发者在虚拟环境中实现对机器人车队的全面仿真。通过集成工业数字孪生技术，Mega 可以将真实工厂或仓库的 CAD 数据或 2D 转 3D 数据导入仿真环境，生成高度还原的虚拟世界。这使开发者能够在与真实场景一致的环境中测试机器人车队的任务分配、路径规划以及协作效率。
此外，Mega 支持完整的机器人传感器仿真，包括摄像头、激光雷达（LiDAR）和物理传感器，生成高质量的感知数据供机器人使用。同时，Mega 还可以接收来自车队管理系统的控制信号，并实时反馈机器人模型的行为表现，形成完整的闭环仿真和优化。
Mega 在仓储物流和工业制造领域展现了广泛的应用价值。在仓储场景中，Mega 能够模拟机器人车队在仓库中的操作，通过优化任务分配和路径规划，大幅提高物流效率并降低运营成本。在工业制造中，Mega 可用于测试机器人协作的安全性，确保自动化设备在复杂环境中能够避免碰撞并稳定运行。此外，Mega 还为机器人 AI 模型提供高质量的仿真数据，助力开发者训练和优化机器人算法。
Cosmos+Omniverse深度协作，奠定物理AI开发完整基础框架
通过CES上最新发布的NVIDIA Cosmos，再结合Omniverse 平台拓展，两者深度协作为开发者提供了一套完整的工具链，将生成式 AI 数据的强大能力与物理仿真的精确性结合起来，构建从虚拟世界到现实应用的闭环。
Cosmos 扮演着数据生成引擎的角色，Omniverse 提供场景的动态仿真和精确物理建模。Cosmos 利用这些场景生成与实际应用高度相关的合成数据，尤其是在复杂的边缘场景和稀有事件的模拟中。例如，在仓储物流的机器人协作场景中，Cosmos 可以快速生成物理一致性的数据，用于训练 AI 模型适应多机器人协作的动态变化。
两者之间的结合还支持多元宇宙模拟，通过生成多个未来可能性场景，开发者可以在 Omniverse 的虚拟环境中探索不同的策略或系统行为，并基于这些结果优化最终方案。这种能力不仅提高了模型的可靠性，还为开发者提供了更广阔的设计空间。同时，Cosmos 的视频搜索与理解功能进一步增强了 Omniverse 的场景仿真能力。开发者可以利用 Cosmos 快速从视频数据中提取关键信息，并直接将其转化为 Omniverse 的虚拟场景，从而实现快速迭代。无论是用于工业自动化的机器人任务规划，还是自动驾驶的边缘场景测试，这种高效整合都为开发者带来了显著的时间和资源节约。
当下，物理 AI (Physical AI) 的发展仍处于早期阶段，许多核心技术尚在探索和完善之中。如何突破高成本的数据采集、复杂的场景模拟以及模型验证的瓶颈，成为推动物理 AI 从概念走向现实的关键。NVIDIA 的 Cosmos 与 Omniverse 为物理 AI 的发展提供了一个完整且强大的基础框架，为机器人和自动驾驶等领域的突破性应用提供了坚实的技术基础，加速了物理 AI 从研究到应用的转化进程。
