這個(gè)時(shí)代，每個(gè)人都在說(shuō)“機(jī)器人”是未來(lái)，是潛在機(jī)會(huì)市場(chǎng)。但實(shí)際上，機(jī)器人本身不是個(gè)新東西——比如它在工業(yè)自動(dòng)化領(lǐng)域早就應(yīng)用了。只不過(guò)傳統(tǒng)機(jī)器人開(kāi)發(fā)范式，是從感知到驅(qū)動(dòng)執(zhí)行，對(duì)每個(gè)問(wèn)題建模并尋求合適的數(shù)學(xué)求解方法。

而這波“機(jī)器人”熱潮的關(guān)鍵是“具身智能”，或者說(shuō)是由“Physical AI”所驅(qū)動(dòng)。相較過(guò)去傳統(tǒng)機(jī)器人的主要差異，就在于AI：藉由LLM大語(yǔ)言模型、LVM視覺(jué)大模型，乃至VLAM視覺(jué)語(yǔ)言動(dòng)作大模型，來(lái)解決問(wèn)題。

在我們看來(lái)，除了智能程度更高，具身智能更多著眼于對(duì)機(jī)器人能力的泛化及普適。為什么人形機(jī)器人現(xiàn)在那么火？并不在于人們希望機(jī)器人長(zhǎng)得和人類(lèi)相似，而在于從商業(yè)邏輯角度來(lái)看，人形機(jī)器人是為數(shù)不多能夠以一種形態(tài)，覆蓋海量的、多樣化場(chǎng)景的機(jī)器人類(lèi)型。

今年Computex主題演講中，黃仁勛（NVIDIA CEO）說(shuō)過(guò)這樣一段話：“人形機(jī)器人令人驚嘆之處，并不僅在于它能做什么，而更在于它相當(dāng)通用（versatile）?！薄凹夹g(shù)需要規(guī)?；╯cale）。絕大部分已有的機(jī)器人系統(tǒng)，到目前為止，量都還太少。量少的系統(tǒng)很難做到技術(shù)的規(guī)模化，并最終走得夠遠(yuǎn)、夠快?！彼浴叭诵螜C(jī)器人，很可能會(huì)成為下一代萬(wàn)億美金規(guī)模的行業(yè)”。

實(shí)際上，我們認(rèn)為并不單純是人形機(jī)器人，現(xiàn)在常談?wù)摰摹熬呱碇悄堋倍贾塾谧寵C(jī)器人具備規(guī)?；?yīng)，以期讓機(jī)器人在高速發(fā)展的基礎(chǔ)上，同時(shí)實(shí)現(xiàn)成本的降低，適配到更多行業(yè)和市場(chǎng)。不過(guò)即便是有AI助力，具身智能要達(dá)到這種程度的發(fā)展也并不是那么簡(jiǎn)單——比如過(guò)去一年，我們?cè)谥T多行業(yè)會(huì)議、廠商采訪中聽(tīng)到最多的：機(jī)器人訓(xùn)練模型“缺數(shù)據(jù)”...

這也成為具身智能機(jī)器人市場(chǎng)化程度較低的原因之一?；蛟S在機(jī)器人、具身智能的發(fā)展之路上，還需要一些別的東西。

3臺(tái)計(jì)算機(jī)中的第二臺(tái)，究竟是做什么用的？

對(duì)NVIDIA打造機(jī)器人生態(tài)熟悉的讀者，過(guò)去1-2年應(yīng)該能在各種場(chǎng)合聽(tīng)到NVIDIA有關(guān)“3臺(tái)計(jì)算機(jī)”的闡釋。電子工程專(zhuān)輯在過(guò)去1年多的文章里也已經(jīng)有過(guò)反復(fù)提及。

簡(jiǎn)單來(lái)說(shuō)，一臺(tái)計(jì)算機(jī)用于AI學(xué)習(xí)——尤其包括前不久我們針對(duì)Computex報(bào)道中提到的“老黃的AI電腦帝國(guó)”；一臺(tái)計(jì)算機(jī)則作為模擬引擎存在——AI能夠在虛擬環(huán)境中學(xué)習(xí)，如何成為合格的機(jī)器人；還有一臺(tái)就是機(jī)器人本體了，或者相關(guān)于已有模型的部署。

在NVIDIA的定義中，physical AI的構(gòu)建就需要這樣3臺(tái)計(jì)算機(jī)：當(dāng)然physical AI不僅是機(jī)器人，汽車(chē)、醫(yī)療設(shè)備等也都可以是基于physical AI技術(shù)的。如果具體到NVIDIA的產(chǎn)品，那么第一臺(tái)計(jì)算機(jī)顯然以DGX為代表，用于AI模型的預(yù)訓(xùn)練或后訓(xùn)練；

第二臺(tái)計(jì)算機(jī)則負(fù)責(zé)去跑Omniverse + Cosmos，用于對(duì)physical AI模型做訓(xùn)練、測(cè)試、驗(yàn)證的模擬仿真；第三臺(tái)計(jì)算機(jī)，可以是Jetson——比如前不久我們才剛剛試用過(guò)作為機(jī)器人大腦的Jetson Orin Nano，這一步是將蒸餾之后的模型部署到現(xiàn)實(shí)世界的機(jī)器人體內(nèi)。

這是個(gè)聽(tīng)起來(lái)還挺符合直覺(jué)的解決方案，不過(guò)這里有個(gè)問(wèn)題：為什么我們需要第二臺(tái)計(jì)算機(jī)，而不是像常見(jiàn)的數(shù)字AI那樣，就是AI模型的開(kāi)發(fā)與訓(xùn)練+部署與推理。去年的ROSCon上，我們和NVIDIA的工程師簡(jiǎn)單對(duì)談，對(duì)方告訴我們第二臺(tái)計(jì)算機(jī)能有效降低開(kāi)發(fā)成本，且強(qiáng)調(diào)這是“3臺(tái)計(jì)算機(jī)”的一大價(jià)值。

我們過(guò)去對(duì)于這一問(wèn)題的解釋是：對(duì)于機(jī)器人這種高成本，操作失誤甚至可能具備危險(xiǎn)性的設(shè)備而言，如果是在現(xiàn)實(shí)中直接訓(xùn)練、試錯(cuò)，則成本會(huì)變得不可控；所以轉(zhuǎn)而借助Omniverse這樣的虛擬世界去做訓(xùn)練，顯得更加實(shí)際和有效。不過(guò)這番解釋可能還是低估了第二臺(tái)計(jì)算機(jī)的價(jià)值的。

今年GTC期間的預(yù)溝通會(huì)上，NVIDIA Omniverse與模擬技術(shù)副總裁Rev Lebaredian說(shuō)了這樣一番話，讓我們加深了對(duì)于NVIDIA提出3臺(tái)計(jì)算機(jī)解決方案的理解：

他特別提到，現(xiàn)在很多我們?cè)诙桃曨l里頭看到的機(jī)器人那么厲害，實(shí)際當(dāng)應(yīng)用于生產(chǎn)時(shí)，真正的問(wèn)題往往在于能力的“泛化（或通用化，generalizing）”，即從原本機(jī)器人只能以某種設(shè)定做某個(gè)特定的工作，走向它也能夠在不同環(huán)境下、做其他相似的工作負(fù)載。

“但因?yàn)椋▊鹘y(tǒng)）機(jī)器人智能是有限的，它們通常基于傳統(tǒng)規(guī)則技術(shù)做編程，并非魯棒的系統(tǒng)。”“所以此間缺失的一塊拼圖，就是能夠給予它們通用智能的技術(shù)。它們因此能夠在不同的情況下實(shí)現(xiàn)通用化。這原本就是Transformer、LLM（大語(yǔ)言模型）所能達(dá)成的?！?/p>

在Rev看來(lái)，生成式AI是實(shí)現(xiàn)機(jī)器人智能泛化、通用智能的基礎(chǔ)技術(shù)，“現(xiàn)在最大的挑戰(zhàn)也就變成了，這樣的技術(shù)需要海量的數(shù)據(jù)示例”——機(jī)器人大腦的訓(xùn)練需要喂進(jìn)大量的數(shù)據(jù)。那么“為此，我們認(rèn)為唯一的解決方案就是模擬出足夠準(zhǔn)確的現(xiàn)實(shí)世界，我們也就有了無(wú)窮的數(shù)據(jù)源，用以構(gòu)建這樣的機(jī)器人大腦”。

所以當(dāng)代構(gòu)建機(jī)器人的最大挑戰(zhàn)，逐漸轉(zhuǎn)向了“模擬仿真”技術(shù)，也就是3臺(tái)計(jì)算機(jī)中第二臺(tái)計(jì)算機(jī)在嘗試解決的問(wèn)題。

Omniverse與Cosmos的互補(bǔ)

這是個(gè)相當(dāng)符合現(xiàn)代敘事的邏輯解釋?zhuān)壕拖窈教祛I(lǐng)域，為什么人們常說(shuō)SpaceX星艦相較同類(lèi)航天產(chǎn)品，在技術(shù)上的絕對(duì)領(lǐng)先，就在于其打破了火箭研發(fā)傳統(tǒng)流程，據(jù)說(shuō)在10年前就已經(jīng)開(kāi)始把主要注意力放在仿真技術(shù)上，實(shí)現(xiàn)了火箭迭代速度的大幅加速，同時(shí)還降低了火箭研發(fā)的成本。

這也更像是曾經(jīng)的熱門(mén)詞匯“元宇宙”雖然媒體熱度已大不如前，但它似乎正以另外一種更為腳踏實(shí)地、服務(wù)于行業(yè)市場(chǎng)的方式大步向前。所以ROSCon上，NVIDIA的工程師才說(shuō)，“藉由仿真技術(shù)，只需要一臺(tái)工作站，用我們的GPU和軟件，很快就有相應(yīng)的數(shù)據(jù)，能夠快速驗(yàn)證算法。這就是NVIDIA AI + Omniverse解決問(wèn)題的價(jià)值了。”

Omniverse前兩年還被我們描述為英偉達(dá)的元宇宙?，F(xiàn)在雖然在市場(chǎng)宣傳上不大提“元宇宙”了，但它依然是那個(gè)構(gòu)建現(xiàn)實(shí)世界數(shù)字孿生（digital twin）的虛擬實(shí)現(xiàn)——且在諸多尚存的元宇宙里，是對(duì)現(xiàn)實(shí)世界模擬仿真做得最好的那波。除了已知在協(xié)同設(shè)計(jì)、工業(yè)數(shù)字孿生等領(lǐng)域發(fā)光發(fā)熱，它的下個(gè)殺手級(jí)應(yīng)用顯然是機(jī)器人。

不過(guò)在Omniverse之外，從去年下半年到今年上半年，NVIDIA在主推的是一個(gè)叫Cosmos的東西。今年GTC的主題演講中，黃仁勛說(shuō)Omniverse是physical AI的操作系統(tǒng)，而Cosmos則是理解物理世界的生成式AI模型?！坝肙mniverse來(lái)訓(xùn)練（condition）Cosmos，用Cosmos生成不計(jì)其數(shù)的（虛擬）環(huán)境，構(gòu)建的數(shù)據(jù)是基于現(xiàn)實(shí)、受控的（grounded）?！?/p>

簡(jiǎn)單來(lái)說(shuō)，Omniverse是物理級(jí)精準(zhǔn)的虛擬環(huán)境，而Cosmos是基于此的模型。NVIDIA宣傳說(shuō)這是全球首個(gè)“世界基礎(chǔ)模型（world foundation model）”，或者世界基礎(chǔ)模型開(kāi)發(fā)平臺(tái)。今年CES的報(bào)道中，我們已經(jīng)詳細(xì)介紹過(guò)Cosmos。GTC上又發(fā)布了幾個(gè)新的Cosmos模型，分別是Cosmos Predict、Cosmos Transfer、Cosmos Reason。

Cosmos Predict模型能夠基于多模態(tài)輸入來(lái)“生成未來(lái)”：比如說(shuō)給它起始幀和結(jié)束幀，Cosmos Predict就能生成此間視頻序列的所有幀——這就是個(gè)填補(bǔ)Physical AI所需數(shù)據(jù)空缺的典型示例。而Cosmos Reason“深度理解物理交互”，開(kāi)發(fā)者可以將這些模型用于數(shù)據(jù)標(biāo)注和創(chuàng)建，或者可以對(duì)Cosmos Reason模型做后訓(xùn)練，將其蒸餾為VLAM模型或規(guī)劃模型（Planner model）。

還有個(gè)Cosmos Transfer更具代表性，它能夠基于視頻輸入來(lái)進(jìn)行“世界轉(zhuǎn)換”——Rev解釋說(shuō)，Omniverse作為基礎(chǔ)，基于經(jīng)典模擬仿真算法為Cosmos Transfer提供生成真實(shí)環(huán)境的支持；通?！白詈笠还锏哪M仿真（last mile of simulation）”成本高昂、難度巨大，而Cosmos Transfer能夠以低成本做到這一點(diǎn)，基于用戶(hù)輸入來(lái)生成多樣化的合成數(shù)據(jù)。

這里我們嘗試對(duì)Omniverse與Cosmos的關(guān)系，以及Cosmos究竟是什么的問(wèn)題再做個(gè)注解。Rev在媒體問(wèn)答環(huán)節(jié)給出的解釋更加全面：傳統(tǒng)的模擬仿真算法，基于人類(lèi)對(duì)物理定律的理解，將其做成算法?！斑^(guò)去這些年，我們開(kāi)始用AI來(lái)做模擬仿真。我們基于現(xiàn)實(shí)世界發(fā)生的事、觀察到的例子來(lái)訓(xùn)練AI，讓AI基于這些觀察來(lái)抽象出物理定律?！薄癈osmos則是做成這件事的一大步?！?/p>

“（AI技術(shù)）發(fā)展到一定階段，我們就會(huì)得到對(duì)應(yīng)的世界基礎(chǔ)模型——可從不同角度，去完整地理解物理定律，包括牛頓力學(xué)、流體力學(xué)、電磁學(xué)等等各種模態(tài)，最終合為一個(gè)大模型。”Rev表示，“只不過(guò)我們還沒(méi)發(fā)展到那個(gè)程度，還沒(méi)有一個(gè)模型能理解這一切的。”“我們本身已經(jīng)知道了不少物理學(xué)的相關(guān)等式，但做計(jì)算相當(dāng)難；在某些場(chǎng)景下可能更難——?jiǎng)?chuàng)建這樣的世界，初始條件就去做這樣的模擬，將輸入喂給模擬器，得到真實(shí)的（realistic）輸出?！?/p>

所以“我們將Omniverse和Cosmos做了結(jié)合，利用Cosmos的能力，借助世界基礎(chǔ)模型，把它疊加在Omniverse已有的傳統(tǒng)模擬仿真技術(shù)之上（layering it on top of the classical simulation techniques that we already have available in Omniverse），或者說(shuō)將其與Omniverse框架內(nèi)的其他模擬器做結(jié)合。”

“Omniverse里面已經(jīng)做了不少基礎(chǔ)級(jí)別的模擬，比如在城市環(huán)境里模擬汽車(chē)行駛。我們從中能獲得不少信息，有關(guān)于模擬當(dāng)下的世界狀態(tài)。將其輸入到Cosmos里面，做最后一公里的模擬工作（last mile of simulation），令其做到photoreal，看起來(lái)更加的物理級(jí)精準(zhǔn)?！?/p>

“因?yàn)槿绻耆趥鹘y(tǒng)模擬環(huán)境下做成這件事，需要海量的投入——可能構(gòu)建物理環(huán)境、感覺(jué)就5%-10%的東西，卻要人類(lèi)投入100倍的工作。所以，我們選擇用Cosmos接過(guò)基礎(chǔ)級(jí)別的模擬。而且還能通過(guò)快速更改一些提示詞，將一種模擬轉(zhuǎn)為不同的變體（variation），轉(zhuǎn)為上萬(wàn)、百萬(wàn)量級(jí)的數(shù)據(jù)。”

“可變的包括材料、光照、時(shí)間、天氣等等，只需要改一改提示詞就行，而不需要在傳統(tǒng)模擬器里頭做大量工作?！?/p>

圍繞3臺(tái)計(jì)算機(jī)生態(tài)的添磚加瓦

我們常規(guī)認(rèn)知中，現(xiàn)在的機(jī)器人開(kāi)發(fā)很流行運(yùn)動(dòng)模仿學(xué)習(xí)，也就是通過(guò)遙操作——比如VR眼鏡、手柄等，由人去做動(dòng)作，讓機(jī)器人去模仿學(xué)習(xí)。這的確是具身智能開(kāi)發(fā)的重要構(gòu)成環(huán)節(jié)。但它仍然很難解決“缺數(shù)據(jù)”的問(wèn)題。

黃仁勛在Computex主題演講中的解釋相當(dāng)明了：“人類(lèi)的演示很難做到規(guī)模化（scalable），提供的數(shù)據(jù)有限。開(kāi)發(fā)者可以用Cosmos世界基礎(chǔ)模型來(lái)放大（amplify）數(shù)據(jù)?！薄胺糯髷?shù)據(jù)”在我們看來(lái)就是在缺數(shù)據(jù)時(shí)代，第二臺(tái)計(jì)算機(jī)嘗試針對(duì)最大痛點(diǎn)之一的解決方案。

這里藉由Computex上發(fā)布的Isaac GR00T-Dreams再?gòu)?qiáng)化一下，流程中模擬仿真技術(shù)的重要性。關(guān)注NVIDIA機(jī)器人生態(tài)的讀者應(yīng)該知道，Isaac GR00T是NVIDIA的人形機(jī)器人開(kāi)發(fā)平臺(tái)；今年GTC上，NVIDIA還發(fā)布了開(kāi)源的Isaac GR00T N1，這是個(gè)通用基礎(chǔ)模型，就是基于合成數(shù)據(jù)，來(lái)生成、學(xué)習(xí)與模擬仿真。

后續(xù)更新的Isaac GR00T N1.5據(jù)說(shuō)在6月份Computex期間就已經(jīng)達(dá)到了6000次的下載量——具體的模型也可以認(rèn)為是NVIDIA對(duì)于上述流程的身體力行了。

而Computex上發(fā)布的Isaac GR00T-Dreams是個(gè)Blueprint（Blueprint在NVIDIA的定義中是參考工作流，即開(kāi)發(fā)者可參考的定制化參考應(yīng)用，用于加速生成式AI應(yīng)用開(kāi)發(fā)）。GR00T-Dreams是建基于Cosmos的一個(gè)Blueprint，用于大規(guī)模合成軌跡數(shù)據(jù)生成。

其大致流程是這樣的：首先有了遙操作記錄人的演示，開(kāi)發(fā)者基于此做Cosmos模型的fine-tune。開(kāi)發(fā)者給模型輸入圖像或者新的指令，來(lái)生成未來(lái)世界狀態(tài)的所謂Dreams（夢(mèng)境）——此過(guò)程不再需要通過(guò)遙操作抓取新的數(shù)據(jù)。在生成大量Dreams之后，Cosmos對(duì)每個(gè)Dream做質(zhì)量的推理（reason）和評(píng)估，選擇其中最好的用于訓(xùn)練。

不過(guò)由于Dreams本質(zhì)上還只是2D像素，而機(jī)器人學(xué)習(xí)的應(yīng)該是動(dòng)作。所以GR00T-Dreams Blueprint會(huì)把2D的Dream視頻，生成為3D動(dòng)作軌跡，也就能用來(lái)訓(xùn)練機(jī)器人模型了。

只需要最少的手動(dòng)遙操作捕捉，就能讓機(jī)器人去學(xué)習(xí)不同的新動(dòng)作。換句話說(shuō)Cosmos和對(duì)應(yīng)的Blueprint旨在借助模擬仿真和AI技術(shù)，來(lái)解決機(jī)器人開(kāi)發(fā)“缺數(shù)據(jù)”的挑戰(zhàn)。如此，我們對(duì)Cosmos、NVIDIA為什么要做Cosmos，以及Omniverse和第二臺(tái)計(jì)算機(jī)在這其中扮演何種角色，也有了更為具象的理解。

當(dāng)然依托“缺數(shù)據(jù)”來(lái)理解第二臺(tái)計(jì)算機(jī)，也只是一個(gè)角度。在NVIDIA機(jī)器人開(kāi)發(fā)、相關(guān)第二臺(tái)計(jì)算機(jī)的生態(tài)，除了模擬仿真框架、AI模型、Blueprint還有其他不少關(guān)鍵組成部分和持續(xù)不斷的技術(shù)迭代。

比如說(shuō)數(shù)據(jù)：GTC上NVIDIA發(fā)布了開(kāi)源的Physical AI數(shù)據(jù)集，其中包括有300小時(shí)的室內(nèi)多攝像頭追蹤數(shù)據(jù)、2000小時(shí)的自動(dòng)駕駛數(shù)據(jù)、1250份OpenUSD資產(chǎn)，以及320K的人形機(jī)器人與機(jī)械臂動(dòng)作軌跡數(shù)據(jù)——這些數(shù)據(jù)也相繼發(fā)布在了Hugging Face平臺(tái)上，據(jù)說(shuō)NVIDIA后續(xù)還準(zhǔn)備為該生態(tài)提供更多的數(shù)據(jù)。

NVIDIA本身就在用Isaac GR00T用于合成動(dòng)作生成的Blueprint生成數(shù)據(jù)，Rev說(shuō)GR00T N1研究團(tuán)隊(duì)用該Bluerpint，150張L40 GPU，11個(gè)小時(shí)，就生成了780k合成軌跡數(shù)據(jù)...相當(dāng)于人類(lèi)遙操作演示6500個(gè)小時(shí)的數(shù)據(jù)，即100個(gè)人每天操作12小時(shí)持續(xù)一周——這對(duì)“缺數(shù)據(jù)”痛點(diǎn)的解決還是相當(dāng)具象化的吧。

另外近期，生態(tài)內(nèi)還有個(gè)熱點(diǎn)開(kāi)源技術(shù)值得一提：Newton——也是NVIDIA在GTC上發(fā)布的開(kāi)源物理引擎，由NVIDIA Warp加速。Computex上的演示視頻，是個(gè)小機(jī)器人走在沙地里，機(jī)器人的每走一步都帶動(dòng)了地面上大量沙粒的自然運(yùn)動(dòng)。黃仁勛說(shuō)，Newton未來(lái)會(huì)成為機(jī)器人學(xué)習(xí)的關(guān)鍵。

因?yàn)闄C(jī)器人學(xué)習(xí)所在的虛擬世界本身需要遵守物理定律，“大部分物理引擎并不具備以高準(zhǔn)確度，處理剛體和柔體的能力。”所以NVIDIA在7月份開(kāi)源了Newton。Newton是由Disney Research、NVIDIA和谷歌DeepMind合作打造的。Rev說(shuō)，DeepMind將Newton融入到下一個(gè)版本的MuJoCo中，性能提升了70倍；而Disney Research則是該項(xiàng)目的首個(gè)采用者和貢獻(xiàn)者。

走向生產(chǎn)的擴(kuò)展與未來(lái)

最后再談個(gè)和機(jī)器人相關(guān)的Blueprint發(fā)布，也能體現(xiàn)NVIDIA在機(jī)器人領(lǐng)域的布局還是更前瞻的。GTC期間NVIDIA宣布了針對(duì)工業(yè)機(jī)器人集群模擬的Mega Omniverse Blueprint。Mega是以工業(yè)數(shù)字孿生的方式測(cè)試機(jī)器人集群的Blueprint，目前已經(jīng)進(jìn)入到早期預(yù)覽階段。

面向機(jī)器人應(yīng)用時(shí)，Mega主要相關(guān)于機(jī)器人集群大規(guī)模模擬。Rev舉例說(shuō)“我們期望確保工廠或倉(cāng)庫(kù)中的機(jī)器人在OTA升級(jí)的時(shí)候，不會(huì)停止工作，或者做出什么不正確的行為”，“唯一避免停機(jī)風(fēng)險(xiǎn)的合理測(cè)試方案，就是做模擬?！?/p>

所以很顯然Mega也是基于Omniverse的，“可以模擬每個(gè)單獨(dú)的機(jī)器人，或者機(jī)器人之間的交互、所有機(jī)器人的感知等，是大規(guī)模模擬，規(guī)?；瘏f(xié)作；是機(jī)器人在這個(gè)世界里，大腦感知、控制與制動(dòng)的緊密閉環(huán)（tight loop）。”

前期已經(jīng)開(kāi)始采用該方案的企業(yè)諸如KION集團(tuán)的Dematic，用于其倉(cāng)庫(kù)管理；Accenture、梅賽德斯奔馳、Schaeffler、Agility Robotics、現(xiàn)代汽車(chē)（Hyundai Motor Group）等也都開(kāi)始用Mega做機(jī)器人部署的準(zhǔn)備工作。

過(guò)去一年當(dāng)NVIDIA更頻繁地宣稱(chēng)AI是未來(lái)基礎(chǔ)設(shè)施——地位等同第二次科技革命的電和第三次科技革命的互聯(lián)網(wǎng)與信息，而NVIDIA自己則是提供AI基礎(chǔ)設(shè)施的工廠之時(shí)，當(dāng)老黃說(shuō)NVIDIA不僅是一家科技企業(yè)，還是一家關(guān)鍵基礎(chǔ)設(shè)施企業(yè)之時(shí)，大部分人對(duì)這話的理解應(yīng)該還是在于AI服務(wù)器或數(shù)據(jù)中心，作為token生成的基礎(chǔ)設(shè)施；

顯然NVIDIA于AI基礎(chǔ)設(shè)施的布局是包含了機(jī)器人的，畢竟AI的發(fā)展路徑正從Generative AI/Agentic AI走向Physical AI?！拔覀儤?gòu)建起了三大類(lèi)AI基礎(chǔ)設(shè)施?！秉S仁勛在主題演講總結(jié)中說(shuō)，“針對(duì)云的AI基礎(chǔ)設(shè)施、針對(duì)企業(yè)的AI基礎(chǔ)設(shè)施，和針對(duì)機(jī)器人的AI基礎(chǔ)設(shè)施?！?/p>

NVIDIA不想錯(cuò)過(guò)任何一個(gè)AI技術(shù)突破或階段。就像黃仁勛在財(cái)報(bào)中說(shuō)的，機(jī)器人即將迎來(lái)下一個(gè)ChatGPT時(shí)刻。而在該時(shí)刻到來(lái)之前，NVIDIA已經(jīng)做好了大量準(zhǔn)備工作，而且仍然是以構(gòu)建完整閉環(huán)生態(tài)的方式。