AI 技術(shù)正加速?gòu)臄?shù)字世界延伸至現(xiàn)實(shí)物理世界，推動(dòng)智能系統(tǒng)進(jìn)入“物理 AI”時(shí)代。隨著機(jī)器人、自動(dòng)駕駛及無(wú)人系統(tǒng)在制造、醫(yī)療、物流、安防等行業(yè)快速普及，用戶對(duì)其類人感知、自主決策與精準(zhǔn)執(zhí)行能力的需求不斷提升，成為物理 AI 演進(jìn)的核心驅(qū)動(dòng)力。

IDC 預(yù)測(cè)，到 2026 年，AI 模型、視覺系統(tǒng)及邊緣計(jì)算將取得突破性進(jìn)步，機(jī)器人可實(shí)現(xiàn)的應(yīng)用場(chǎng)景數(shù)量將增加 3 倍。全球機(jī)器人市場(chǎng)持續(xù)擴(kuò)張，預(yù)計(jì)到 2029 年市場(chǎng)規(guī)模將超過(guò) 4000 億美元。其中，中國(guó)市場(chǎng)占據(jù)近半份額，并以近 15% 的復(fù)合增長(zhǎng)率位居全球前列。

以 NVIDIA 為代表的廠商通過(guò)“仿真先行+云端訓(xùn)練+端側(cè)部署”的路徑，推出并升級(jí)相關(guān)技術(shù)與產(chǎn)品，加速物理 AI 的落地與發(fā)展。

主要亮點(diǎn)提煉

物理 AI 的核心價(jià)值：物理 AI（Physical AI）是指使用 AI 技術(shù)對(duì)現(xiàn)實(shí)世界進(jìn)行理解、推理、規(guī)劃并與之交互的模型，它們通常封裝在機(jī)器人或自動(dòng)駕駛汽車等自主機(jī)器中。核心價(jià)值在于賦能機(jī)器人等自主體實(shí)現(xiàn)“感知一理解一執(zhí)行”閉環(huán)，使 AI 真正走入復(fù)雜現(xiàn)實(shí)環(huán)境完成自主決策與執(zhí)行。

物理 AI 面臨的三大挑戰(zhàn)：

具身模型缺乏環(huán)境、任務(wù)與本體的泛化能力，難以適應(yīng)復(fù)雜多變的現(xiàn)實(shí)場(chǎng)景；

訓(xùn)練數(shù)據(jù)稀缺目獲取成本高，長(zhǎng)尾場(chǎng)景難以覆蓋，制約模型泛化提升；

具身模型端側(cè)部署受算力、功耗與體積限制，難以支撐多模態(tài)感知與實(shí)時(shí)決策。

物理 AI 的實(shí)現(xiàn)依賴“三大計(jì)算平臺(tái)”：為應(yīng)對(duì)以上挑戰(zhàn)，物理 AI 的實(shí)現(xiàn)離不開強(qiáng)大的計(jì)算架構(gòu)支撐：認(rèn)知訓(xùn)練計(jì)算、虛擬仿真計(jì)算以及實(shí)時(shí)部署計(jì)算。

以 NVIDIA 為代表的廠商以“仿真先行+運(yùn)動(dòng)訓(xùn)練+端側(cè)部署”的思路，正不斷推出并升級(jí)相關(guān)技術(shù)與產(chǎn)品解決方案，從而加速具身智能機(jī)器人的發(fā)展與規(guī)?；涞?。

仿真先行：

利用 NVIDIA Omniverse 構(gòu)建用于數(shù)據(jù)生成的物理仿真環(huán)境。

借助 NVIDIA Cosmos 世界基礎(chǔ)模型，縮小仿真和現(xiàn)實(shí)環(huán)境差距。

云端訓(xùn)練：

依托超級(jí)計(jì)算機(jī) NVIDIA DGX 平臺(tái)，利用NVIDIA NeMo可以進(jìn)一步預(yù)訓(xùn)練機(jī)器人基礎(chǔ)模型，使機(jī)器人理解自然語(yǔ)言、識(shí)別物體并規(guī)劃復(fù)雜動(dòng)作等。

GR00T N系列基礎(chǔ)模型可作為開發(fā)基準(zhǔn)，針對(duì)新的機(jī)器人策略開展后訓(xùn)練工作，加速具身智能機(jī)器人的研發(fā)進(jìn)程。

端側(cè)部署：

通過(guò)NVIDIA Jetson AGX Thor支持 AI 模型的低延遲實(shí)時(shí)推理。

案例分析

?？怂箍担℉exagon）與 NVIDIA 合作開發(fā)了人形機(jī)器人 AEON。AEON 的研發(fā)和部署，依托于 NVIDIA 提供的三大計(jì)算平臺(tái)及全棧式物理 AI 系統(tǒng)，構(gòu)建了一套涵蓋認(rèn)知訓(xùn)練—仿真優(yōu)化—端側(cè)部署的閉環(huán)能力體系。

仿真先行：基于OVX平臺(tái)與 Omniverse 構(gòu)建虛擬訓(xùn)練體系，驅(qū)動(dòng)技能快速學(xué)習(xí)。

模型訓(xùn)練與微調(diào)：依托 DGX 平臺(tái)訓(xùn)練機(jī)具身智能基礎(chǔ)模型。

實(shí)時(shí)部署與協(xié)作安全：借助Jetson Orin實(shí)現(xiàn)高效部署與邊緣推理。

借助 NVIDIA 全棧計(jì)算平臺(tái)，AEON 實(shí)現(xiàn)了從技能訓(xùn)練到端側(cè)部署的高效閉環(huán)，取得了多維度的應(yīng)用成效。

歡迎深入閱讀全文，了解物理 AI 的最新進(jìn)展及未來(lái)方向，以及以 NVIDIA 為代表的廠商如何通過(guò)技術(shù)升級(jí)及產(chǎn)品迭代，加速物理 AI 的落地與發(fā)展。