- FAIR plus機器人全產業鏈接會
- 2025智能機器人關鍵技術大會
- 第六屆中國機器人學術年會
- 中國機器人峰會暨智能經濟人才峰會
- 全國人工智能與機器人關鍵技術大會
- 世界機器人大會
- 2023中國（太原）人工智能大會主題展覽
- 2025科技創變者大會
2025世界機器人大會8月8日至12日在北京經濟技術開發區北人亦創國際會展中心舉行。本屆大會設置3天主論壇和31場系列活動，邀請416位國內外專家學者、企業家、國際機構代表，分享新技術、新產品、新應用。 8月9日上午，NVIDIA Omniverse和仿真技術副總裁Rev Lebarediank以《物理 AI 和通用機器人的大爆發》為主題發表了演講。
以下是演講內容實錄
今天能有機會與大家分享我的觀點，我感到非常榮幸。今天，我們將一起探討 NVIDIA 如何看待機器人、科學以及它們如何共同塑造我們的未來。 我們正在共同見證機器人技術發展中的一個重要轉折點。曾經，它是我們在科幻作品中的夢想，似乎離我們的日常生活十分遙遠，但如今一切已發生改變。在中國及全球的機器人大會上，這種變化變得愈加明顯：新興的科技能力已展現出全新的潛力，成為當下發展的核心，而許多領先的中國公司也與我們展開了緊密合作。 機器人技術的演進：從深度學習到代理式 AI 時代 機器人的發展始于十多年前。2012 年，深度學習技術迎來了爆發性的突破，機器學習的一種新方式首次在計算機上得以實現，神經網絡技術也成功誕生。從那時起，我們意識到，這不僅僅是計算機視覺等技術的進步，更是一個能夠改變一切的全新概念。 隨后，概念 AI 與感知 AI 的出現，引發了人工智能的“大爆炸”，使得機器能夠智能理解周圍的事物——比如，識別食物、特殊零部件，甚至將語音轉化為文字。在這一過程中，技術不斷迭代，擴散模型釋放了神經網絡的創造力，而 Transformer 架構的出現帶來了革命性的改變，使得 AI 能夠處理非結構化數據，甚至跨越語言障礙，實現全球化應用。 基于此，我們開始構建更為先進的系統，并進入了代理式 AI（Agentic AI）時代。這一時代的系統能夠整合感知、理解上下文（包括現實世界的環境、網絡信息以及計算系統的數字數據），并能夠分析原因、規劃行動，最終執行任務。這些機器人將能夠完成原本只能由人類完成的任務，并且速度更快——就像今天大家使用計算機處理郵件、聊天或記錄文件一樣，機器人將在這些環境中自然運作。 從信息世界到物理世界：機器人的下一站價值 此次會議的核心議題，是探討 AI 技術的下一階段——如何將智能能力應用到物理世界中。此前，技術多應用于信息空間，處理數字化內容（例如 0 和 1 等），而人類生存、生產、繁榮所依賴的“原子世界”（涵蓋交通、制造、物流、醫療、制藥等與實體物品相關的領域）則具有更大的潛力與價值。 從市場規模來看，信息技術市場的整體價值約為萬億美元（其中頭部企業的參與規模已經達到五萬億），但其在全球市場中的占比仍然較小。與此相比，物理世界的市場規模遠遠超過信息世界。盡管算力在過去幾十年推動了信息領域的生產力提升，但它并沒有從根本上改變人類與物理世界的互動方式——例如，工廠的運營與十年前相比并無太大變化。但如今，智能機器人的出現將徹底改變這一現狀：它們將把計算機技術與價值數百萬億的物理世界連接起來，釋放出巨大的生產力，這對于全球經濟來說是一個前所未有的機遇。 物理 AI：機器人感知、規劃、執行的核心 我們稱這一階段為“最像 AI 的時代”，其核心是創造具備物理規律知識的神經網絡模型。這類模型能夠理解物理世界的行為邏輯，從而讓計算機系統能夠解讀感知、預測物理系統的動態、規劃并執行行動，進而控制物理世界。 機器人的核心功能可以歸納為感知、規劃和執行，而物理 AI 則是支撐這三大功能的關鍵。只有當計算機系統具備了物理規律知識時，機器人才能真正實現自主行動。 中國：機器人時代的關鍵土壤 中國在機器人技術的發展中扮演著至關重要的角色，具備推動新時代到來的所有關鍵要素： 1. AI 專業知識：過去十年里，生成式 AI、隱性模型等技術的積累為機器人行業奠定了基礎。中國對機器人的需求十分明確，尤其是對替代“臟活累活”勞動力的需求，并且擁有全球最多的計算機科學與 AI 專業的頂尖畢業生。 2.電子電氣學專業知識：與專注于數字數據的虛擬信息領域不同，中國在物理世界技術的構建上具有顯著優勢，能夠打造既經濟穩健又高效快速的機器人，這種能力是其他國家難以比擬的。 3.大規模制造業基礎：中國不僅能夠制造機器人，還能夠大規模部署并快速迭代。通過在實際應用中部署機器人并收集現實世界數據，機器人能夠不斷優化，這種能力是機器人發展的必要條件，中國已經具備了這一優勢。 NVIDIA 的機器人技術布局：從“大腦”到“身體” NVIDIA 的核心業務是構建計算機，為產業解決最具挑戰性的遺留問題。而機器人正是我們面臨的終極挑戰——AI 的最終表達形式便是將智能能力應用到物理世界，機器人則是這一能力的承載體。我們的技術布局涵蓋了機器人所需的全鏈條技術： 1. 機器人大腦：軟件與 AI 工廠 機器人的“大腦”需要強大的軟件支持，而開發這些軟件則需要“AI 工廠”——即強大的 AI 計算平臺。NVIDIA 的成功之一，就是建立了一個注入大量人才與數據的 AI 工廠，為機器人的“大腦”提供算力與模型支持。 2. 機器人身體：邊緣計算硬件 機器人的“身體”中嵌入的計算單元至關重要（例如電動車或人形機器人的內置計算機），但更關鍵的是支撐實時決策的硬件。我們開發的超級計算機能夠在邊緣部署，無需聯網，實時處理海量數據并做出高頻決策，從而確保機器人能夠高效、安全地執行任務。 3. 數據核心：仿真與合成數據 物理 AI 需要海量數據，但現實世界的數據難以直接獲取，尤其是某些罕見事件（例如自動駕駛中的“孩子沖到車前”的場景）。因此，仿真技術成為了解決這一問題的關鍵——通過模擬現實世界生成合成數據供AI進行訓練。 NVIDIA開發了NVIDIA Isaac平臺，整合了預訓練的機器人基礎模型、合成數據生成藍圖以及仿真框架等技術。其中，針對人形機器人的 NVIDIA Isaac GR00T 包含功能模型、數據生成、仿真測試等工具，能讓機器人在仿真中完成感知、分析指令、規劃行動的訓練。今年發布開源機器人模型 GR00T N1 版本已經能夠在復雜環境中做出更加優越的決策，下一代模型更具彈性，且 GPU 承擔了主要負載，提升了任務成功率，數據吞吐量比上一代提升了 10 倍，能夠實現實時處理。 仿真技術：填補數據缺口的關鍵 為了解決物理世界數據不足的問題，NVIDIA 通過 Omniverse 仿真框架和 Cosmos 世界基礎模型構建了強大的仿真系統： Cosmos 世界基礎模型包含三類核心模型：預測模型（生成長達 30 秒的逼真視頻，提升預測準確性）、轉型模型（將實況模擬適配不同環境變量）、分析模型（用類人類思維理解物理交互，提取非結構化世界信息）。 這些仿真系統不僅能夠對物理世界進行仿真，還能對傳感器的感知結果進行仿真，讓機器人在實際部署之前，能夠通過合成數據進行訓練并測試潛在的錯誤（例如傳感器故障、危險場景），從而避免在實際應用中發生自我損害或傷害他人的風險。 例如，通過 Cosmos-reason 模型提取圖像和文字信息，生成多樣化的視頻，再將視頻與標簽結合輸入 AI 訓練模型，可以高效優化機器人決策策略。目前，天工 2.0、宇樹科技的機器人以及阿里云的仿真平臺等，都在使用我們的仿真和 AI 技術。 NVIDIA 很榮幸能成為中國機器人生態的一部分。我們相信，中國與全球的共同努力將加速物理 AI 與通用機器人的大爆發。感謝大家的聆聽！