NVIDIA 全面押注具身智慧：推人形機器人全套開發工具與雲服務

造一個人形機器人，最讓人頭疼的往往不是關節電機怎麼裝，而是怎麼教它幹活。

過去訓練機器人，工程師得戴著動捕裝置或拿著手柄，一遍遍做示範。這種物理遙操作既昂貴又耗時，採集幾百個小時的資料可能就得折騰幾個月。

在 SIGGRAPH 現場，NVIDIA 拿出了自己的一整套解法。黃仁勳宣佈為全球人形機器人開發者推出一攬子套件，包括專門的 NIM 微服務、工作流排程服務 OSMO，以及一套用極少量示範資料就能訓練機器人的新流程。

戴上 Vision Pro 做一次，剩下的交給合成數據

NVIDIA 演示的這套新工作流，思路很簡單：人類只做最小限度的示範，剩下的資料全靠 AI 自己生成。

工程師戴上 Apple Vision Pro 做幾套動作示範，系統採集到極少量的遙運算元據。隨後，這些動作被放進基於 Omniverse 的物理模擬平臺 NVIDIA Isaac Sim 中。

接下來就輪到兩個新發布的 NIM 微服務登場了。其中一個叫 MimicGen，它能根據剛錄下的少量動作軌跡，自動變換條件，生成海量的合成動作資料；另一個叫 Robocasa，能在 3D 通用格式 OpenUSD 裡自動生成各種機器人任務和模擬場景。

這些真實與合成數據合在一起，用來訓練 NVIDIA 之前公佈的人形機器人通用基礎模型 Project GR00T。接著再用 Isaac Lab 裡的環境讓機器人做強化學習，反覆迭代模型。

為了把這一長串折騰人的流程串起來，NVIDIA 上線了雲原生編排服務 OSMO。不管是本地叢集還是雲端算力，從生成資料、訓練模型到在環測試，OSMO 都能自動排程任務。官方表示，它能把原本幾個月的開發週期壓到一週以內，而容器化的 NIM 微服務能把部署時間從幾週縮短到幾分鐘。

朋友圈拉來半個機器人圈

除了軟體套件，NVIDIA 還梳理了底層硬體矩陣：雲端訓練用 AI 超算，模擬和技能學習用 Isaac Sim，機器人本體端則跑在 Jetson Thor 車載及機器人計算晶片上。

他們同步開放了人形機器人開發者計劃。首批拿到早期訪問許可權的名單相當豪華，涵蓋了 Boston Dynamics、Figure、1X、Skild AI、Field AI、Mentee、Neura Robotics，以及中國的傅利葉、逐際動力、銀河通用、星動紀元和字節跳動研究團隊（ByteDance Research）。

傅利葉 CEO 顧捷提到，人形機器人研發極度複雜，從物理世界硬採資料非常費時費力，這套模擬與生成式 AI 工具有助於幫模型解決冷啟動難題。

為什麼重要

我們認為，NVIDIA 這次動作最聰明的地方，在於它精準踩中了當前人形機器人行業最大的死穴——資料飢渴。

大語言模型能靠抓取網際網路上海量文本起步，但具身智慧在物理世界裡沒有現成的現成網際網路資料可用。如果全靠實機採集，成本高到普通創業團隊根本承受不起。NVIDIA 拿出「Vision Pro 採集加模擬擴增」的方案，相當於給開發者提供了一條低成本造資料的捷徑。

對開發者和初創團隊來說，這意味著你不需要養一支龐大的動作採集隊伍，就能開始訓練自己的基礎模型。只要買得起算力和頭顯，技術驗證的門檻被大幅拉低了。

對行業而言，NVIDIA 顯然想把大模型時代的霸權原封不動搬到機器人領域。從底層的超算晶片、板載計算模組 Jetson Thor，到中層的 Omniverse 模擬引擎，再到頂層的模型微服務與任務排程，它正在把具身智慧的工具鏈焊得死死的。未來哪怕機器人本體不是 NVIDIA 做的，裡面的大腦和開發流程也全在它的生態裡打轉。

不過看起來隱患也很明確。合成數據雖然便宜、量大，但模擬環境和物理現實之間的差異——也就是業內常說的 Sim-to-Real 鴻溝——依然是玄學。機器人完全在虛擬世界裡學出來的靈巧操作，落到真實複雜的非結構化環境裡到底會不會翻車，依然要打個問號。