文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
编辑：编辑部
【新智元导读】AGI从未如此逼近——新天终启 ， 万象智生 。 在新智元十年峰会上 ， NVIDIA副总裁分享了下一个十年的AI浪潮：新的数据基础设施、新的算力层次、新的千亿级市场 ， 物理AI正在铺开 。
当全世界的目光还聚焦在大语言模型和AI智能体的竞赛时 ， 英伟达已经将视线投向了更宏大战场——物理世界 。
我们所熟知的人工智能 ， 至今更多存在于数字世界中：生成文字、图片、代码 ， 进行搜索和推荐 。
然而 ， AI的「终极形态」 ， 必然要走向现实 ， 与真实环境互动！
在「新智元十周年峰会」上 ， NVIDIA工程和解决方案副总裁赖俊杰 ， 向外界系统地揭示了公司的下一个十年战略核心：物理AI (Physical AI) 。
这不仅是继「生成式AI」和「智能体AI」之后的下一波浪潮 ， 更是一个旨在彻底解放人类生产力 ， 重塑未来生活方式的宏伟蓝图 。
这 ， 是一个要把真实地球装进GPU的时代！
英伟达为什么在今天把筹码压向现实世界？
线索藏在九年前的一次英伟达和新智元的对话里 。
黄仁勋（右）接受新智元创始人杨静采访并合影
当时 ， 黄仁勋就看到了AI对GPU的强劲需求 ， 并对AI做出判断：具有常识的机器会很快出现 。
但对于类似于人类的通用的人工智能 ， 是否会在10—15年内实现 ， 他仍不确定 。
今年7月 ， 黄仁勋再访北京 ， 接受了国内外媒体采访 。 在现场 ， 新智元有幸采访了黄仁勋 。 这次 ， 黄仁勋改变了9年前对AGI的看法：
根据我所理解的AGI定义 ， 目前已有很多很好的想法 ， 可能会在不远的将来引向通用人工智能 。
2025年 ， 黄仁勋和新智元创始人杨静女士合影（上方左）；在新智元创始人杨静女士背后 ， 黄仁勋在签名（上方右）；黄仁勋签名（下方）
这也是新智元十周年峰会参会嘉宾的共同感受——
过去10年 ， 是AI奇迹的10年 。 现在 ， 人类前所未有地接近AGI 。
AI在指数级发展 ， 正如《2025新智元ASI前沿趋势报告》所言：
过去6年 ， AI智能体独立完成人类任务的时长能力 ， 始终以约7个月翻一番的速度指数级增长 。
最新的GPT-5模型 ， 在软件工程任务上的「50%成功率时间视域」 ， 已达2小时17分钟 。
到2027年末 ， AI智能体将能独立执行需要人类耗时几天乃至数周的项目 。 届时 ， ASI的曙光将冲破云霄 ， 一个恢弘的智能新纪元将正式开启 。
今年 ， OpenAI已发布了三大智能体——Operator、Deep Research、Codex 。
据称 ， DeepSeek的下一个大动作也是高阶智能体 ， 力争年底发布相关更新 。
智能体让模型从会答变成会做 ， 门槛是可靠性与工具链整合 。
但英伟达的视野已经越过了智能体乃至Agentic AI ， 他们开始布局下一波AI浪潮——物理AI 。
在「新智元十周年峰会」上 ， NVIDIA工程和解决方案副总裁赖俊杰分享了对AI未来的行业判断 。
算力大爆发
2012年 ， AlexNet横空出世 。
之后 ， 深度神经网络席卷学术界工业界 ， 深度学习引爆AI研究范式转移：
无数研究者开始下定决心 ， 全力投入到以深度神经网络为代表的深度学习技术 。
很快 ， 许多落地了一批场景与应用：语音、视觉、图像、搜索……
2013年 ， 赖俊杰加入英伟达 。
他见证了AI史上这波浪潮 ， 英伟达迎来新的算力需求大爆发 。
之前 ， 英伟达已经开发了CUDA ， 但GPU等算力主要用于科学计算、生物、化学、天体物理等等任务 。
一般的客户也就买几块、几十块GPU；如果能买上几百块GPU ， 那就是真正意义上是大客户 。
但2014年 ， 百度一家就买下了英伟达1000块GPU 。
第一次听到这个消息的时候 ， 赖俊杰感到吃惊 。
而现在 ， xAI旗下的数据中心Colossus已配备了20万块GPU 。
只有如此的算力 ， 才足够支持GenAI进入千家万户 。
LLM迎来了爆发 ， 带来了很多生产力工具 。
今天 ， 大家已经非常习惯于用自然语言去跟数字世界的大模型进行交互 ， 来生成图像、视频、文本等等 。
对于游戏发烧级玩家而言 ， 可能没有想到游戏渲染新技术DLSS也得益于AI的发展 。
AI改变了太多 。
但到今天为止 ， 大家接触最多的人工智能还只存在于数字世界中：各种各样的图像、语音搜索、广告推荐等等 ，
英伟达认为 ， 「物理AI」是继Agentic AI后的下一代AI浪潮 。
赖俊杰重点分享了英伟达的物理AI战略构想 。
AI的下一代浪潮
机遇与挑战
回到物理AI ， 它被视为接下来人工智能发展的重要方向 。
所谓的物理AI ， 就是与现实的物理世界交互的AI 。
物理AI意味着物理AI驱动的自主机器 ， 可以与周遭的物理世界交互 ， 理解真实世界 ， 采取各种各样的行动 。
不同的物理AI自主机器 ， 大家的期望也有所不同 。
比如 ， 工业的机械臂 ， 大家只是期望它在固定位置上 ， 可以进行抓取和叉装这些精细的小动作 。
而智能驾驶汽车 ， 大家则希望它理解各种各样复杂的路况 ， 并且需要掌握像转向、变道、加速、刹车等等技能 。
最具挑战性的是人形机器人 ， 我们对它的期望是
在基本所有人类涉足的复杂场景里 ， 它都能做出各种各样复杂的动作 。
物理AI要想取得成功的话 ， 其实面临着非常大的挑战 。
因为人工智能的模型和算法驱动机器 ， 与现实的世界交互 。
【当智能醒于物理世界，英伟达副总裁: 下一个十年属于物理AI！】如果算法和模型没有经过充分验证 ， 或者说它的安全措施不到位的话 ， 就可能对我们周遭的物理环境 ， 甚至是人本身产生伤害 。
而要开发安全鲁棒的物理AI， 另一大挑战是数据要求更高 。
物理AI需要的高质量数据 ， 以及在一些极端场景数据非常难以去采集 。
极端场景稀缺——但恰是鲁棒性关键 。
比如说车前突然出现了车辆或其他障碍物 ， 类似于这样危险的数据的话还是比较稀少的 。
此外 ， 物理AI的测试与验证 ， 成本体量非常的高 ， 人力、物力等投入非常大 。
而且物理AI需要的数据难以拓展 ， 受到物理现实的直接制约 。
比如说 ， 现在是夏秋之交 ， 想要测试冰雪环境下自动驾驶算法 ， 很难甚至可以说基本不可能 。
要实现安全可靠的AI ， 不止需要传统LLM训练需要的算力平台集群之外 ， 或者部署平台需要的一些计算平台 。
我们还需要第三类计算的基础设施 。
把地球装进GPU
在第三类计算基础设施之内 ， 实际上就是把现实的物理世界 ， 非常逼真地还原到虚拟世界中 。
然后 ， 在这样的虚拟世界中 ， 对物理AI算法进行测试、验证、仿真等等 。
但为什么要在虚拟世界中做物理AI？最大的好处是什么呢？
首先 ， 它非常的容易扩展scale 。
现实测试从一台车拓展到10台车 ， 拓展到100台车 ， 不是特别容易 ， 但是在数据中心里面放1台机器 ，10 台机器、 100台机器、 1000台机器 ， 就相对容易拓展 。
而且在虚拟世界中 ， 更容易摆脱时空的限制 。
比如 ， 在虚拟世界中 ， 夏天测试自动驾驶算法在冰雪环境下的表现就相对容易 。
这就是英伟达对物理AI的核心思路想法 。
为了应对物理AI各种各样的一些挑战 ， 为了更好能够去测试、验证、训练模型 ， 英伟达今年年初开源了Cosmos世界基础模型 。
开源方案覆盖预训练、后训练、微调等全流程 ， 而且可以免费商用；目前 ， 已下载200多万次
加速物理AI
英伟达开源三大模型
世界基础模型Cosmos包含三类模型：
Predict：未来世界状态的生成模型；
Transfer：照片真实集的增强模型；
Reason：针对物理世界的推理模型 。
Predict模型的输入是当前的世界状态 ， 或者说可以认为是一个起始的图像帧 ， 用文字的方式去描述希望接下来这个世界发生的事件 。
许多自主机器人配备多相机；将相机位姿与位移等信息输入后 ， 即可生成对应输出 。
比如 ， 相机控制 ， 在虚拟世界中告诉模型你要向左向右 ， 向前向后做移动 ， 就可以在虚拟世界中产生这样一些视频图像 。
很多自主机器尤其像智能驾驶汽车经常有多个传感器或者多个相机 ， Predict模型支持同时生成六个不同位置的汽车上的相机所对应的视频 。
第二类是Transfer模型 。
它的输入有很多类 ， 包括分割图 ， 包括激光雷达的点云 ， 或者说高清地图 ， 还有表示各种各样物体移动信息的bounding box ， 把这些综合上你的指令prompt ， 输入Transfer模型 ， 就可以生成下面右边的视频 。
第一眼看过去 ， 脑子里面有一个疑问 ， 这些有什么用呢？
其中一类用法 ， 把它当成生成式仿真工具 ， 拿一段原始真实的视频 ， 从中提取出它对应的世界状态 。
比如说高清地图 ， 还有bounding box ， 把这些信息结合prompt输入进去 ， 你可以得到从原始视频转换来不同条件所对应的视频 ， 比如不同光照条件下、气候条件下 ， 甚至包括火灾情况下的新的视频 。
另外 ， 值得一提 ， 中间的这个视频也非常重要：对世界状态做一些编辑 。
而上文提到过训练安全鲁棒的算法 ， 其中一个挑战是极端情况的数据非常难得 。
解决思路：人为注入极端要素（如突然有动物穿越车前） ， 生成对应视频 ， 用于验证算法的鲁棒性——
这正是高性能Transfer的价值 。
接下来的一段视频 ， 让大家更好地去理解一下现在它能达到的效果 。
最后 ， 推理模型Cosmos Reason 。
它的输入也是一段视频 ，进入视觉编码器生成token ， 再结合文字的prompt输入到大语言模型里面 ， 进行思维链的计算 ， 最后输出 。
Cosmos Reason应用领域非常多 。
比如做质检的企业 ， 拿它做视频的标注 ， 或者视频的判断 ， 包括对于模型做直接的微调之后 ， 甚至可以直接去作为机器人VLA（Vision Language Action）的模型 。
人工智能已经在数字世界取得非常大的成功 ， 深刻地改变了日常的生活与工作的习惯 ， 并正加速进入物理世界 。
最后 ， 赖俊杰再次强调：
为了能够训练与开发出来鲁棒的模型、算法 ，
为了能够让这些AI算法对真实的物理世界、对人类足够安全 ，
NVIDIA开发开源了Cosmos世界基础模型 。
展望未来十年 ， 英伟达相信在物理世界 ， 物理AI的应用必将取得非常实质性的进步 ， 进一步解放人类的生产力 。
推荐阅读
- iPhone 17 国行首发不支持 AI，苹果智能预计年底上线
- IFA观察｜更智能、更绿色，中国企业高端出海
- 针锋相对！美团宣布大众点评“重启”品质外卖，C端AI智能体即将发布
- 红杉种子领投的关节模组公司，成立18个月拿下半数具身智能整机厂客户丨涌现新项目
- 深度剖析：Meta智能眼镜选择“LCoS+光波导”方案的四大原因
- 雷军不做俞敏洪，王腾难当董宇辉
- 如何让手机更“凉快”？智能手机散热简史
- 上半年全球高端智能手机：华为增长24%，小米增长55%
- 关于高端算力芯片、智能车用芯片，工信部最新回应
- 自变量机器人完成近 10 亿元 A+ 轮融资，多元资本押注共同布局具身智能未来