英伟达给出具身智能“终极答案”：机器人专用大脑发布，算力+仿真+AI三位一体-A³·爱力方

在机器人进化的漫漫长路上，一个被斯坦福大学的AI先驱李飞飞教授，所清晰定义的“新纪元”，已经到来。

机器人的下一个、也是最核心的挑战，将不再是“如何看得更准”，而是“如何，根据其所看到的一切，来做出正确的决策和行动”。

这，正是从“感知智能”，向量“行动智能”的、历史性的跃迁。

它，也标志着，全球的机器人产业，正在从过去那个，为每一个特定任务，都去定制一个专用型“工具”的旧时代，不可逆转地，走向一个，旨在创造能够适应所有复杂、非结构化环境的“通用型智能体”（General-Purpose Robots）的全新时代。

而要实现这个宏大的“通用化”愿景，其背后，所需要的，不再是某一项单一技术的线性突破。

它，需要四大关键的技术支柱，进行系统性的、深度的协同与融合：

支柱之一：近乎于“无限”的算力。

要训练一个能够理解千变万化的物理世界的、通用的机器人“大脑”，其所需要处理的视觉、语言和动作数据的规模，将是史无-前例的。这，要求算力的规模，必须从当前的“千卡集群”，向量“万卡”、乃至“十万卡”的级别，进行指数级的演进。
正如英伟达的创始人兼CEO黄仁勋所言：“机器人时代的ChatGPT时刻，即将到来。而它的实现，必须，建立在加速计算的基础之上。”

支柱之二：高保真度的“数字孪生”仿真。

在真实的物理世界中，去训练一个机器人，其成本，是高昂的；其效率，是低下的；而其风险，则是不可控的。
因此，一个能够与物理世界，保持高度一致的、高保真度的仿真平台，便成为了必不可少的“虚拟训练场”。它，能够让机器人在其中，进行数以亿次计的、安全的、低成本的试错学习，以快速地，积累“经验”。
英伟达的Omniverse与仿真技术副总裁Rev Lebaredian，甚至给出了一个更为激进的判断：“未来，我们将在虚拟世界中，训练所有的自主机器。仿真，不是一个可选项，而是构建能在复杂人类环境中，安全可靠运行的机器人的、唯一的可扩展路径。”

支柱之三（核心）：能够理解“因果”的世界模型。

如果说，仿真平台，提供了无穷无尽的“数据”，那么，世界模型（World Model），就是那个，能够去深刻地，理解和利用这些数据的“统一大脑”。
它，是一个能够学习和模拟，如重力、摩擦力、材质特性、乃至因果关系等、物理世界最基本运行规律的计算模型。
通过世界模型，机器人，将能够在自己的“脑海”中，去“预演”和“想象”，其不同的动作，将可能带来的不同后果，从而，规划出更安全、更高效的行为路径。这，正是通往“常识”和“泛化能力”的关键。

支-柱之四：丰富的、多模态的“感知神经”。

在动态的、非结构化的真实环境中，单一的视觉信息，是远远不够的。
触觉、力觉、听觉、乃至热感知等多模态的传感信息，其与AI算法的实时融合，变得至关重要。
正如Google DeepMind机器人部门的前负责人Vincent Vanhoucke所指出的：“我们需要的，不是更精确的传感器，而是能让机器人，像一个婴儿一样，通过多感官的交互，来学习和理解世界的算法。”

在这四大技术支柱，所共同构建起的、全新的技术范式之下，英伟达，这家早已超越了“芯片公司”定义的巨头，正试图，为整个行业，提供一套近乎于“作弊码”式的、覆盖了云、边、端的全栈式解决方案。

其核心，是一个被其称为“三台计算机”的、逻辑清晰的、闭环的架构：

第一台计算机（在云端）：NVIDIA DGX AI超级计算机。
- 它，负责为机器人的“大脑”——例如，其开源的GR00T基础模型——提供近乎于无限的、用于训练的算力。
第二台计算机（在数字孪生世界）：NVIDIA Omniverse驱动的OVX计算系统。
- 它，负责运行那个高保真的、基于物理定律的、用于仿真和合成数据生成的虚拟世界。
第三台计算机（在机器人本体上）：NVIDIA Jetson Thor机器人计算机。
- 它，是一个被设计为，可以直接嵌入到机器人体内的、强大的“边缘计算大脑”。其基于最新的Blackwell架构，能够为机器人，提供高达800 TOPS的AI性能，使其，能够在本地，实时地，运行千亿参数级的世界模型，从而，在任何情况下，都保有最基本的“自主性”，而无需，完全依赖于云端。