文｜刘俊宏 

2025 年 8 月，NVIDIA 财报电话会尾声，CEO 黄仁勋在回答分析师提问时说出了一句话：物理 AI 的时代，已经到了（Physical AI has arrived）。

那时的现实是，全球人形机器人一整年的出货量只有一万多台，全行业披露的收入加在一起，不足 10 亿美元。彼时黄仁勋对物理 AI 的判断，与产业尚处早期的现实形成鲜明反差。

一年过去，时代似乎真的被说中了。

根据《2026 年人形机器人产业发展报告》显示，2026 年上半年，中国人形机器人出货超 4 万台，这是去年全球出货量的两倍还多。产业内的玩家纷纷宣布量产时刻，智元的第一万台通用具身机器人在今年 3 月下线，宇树把年度出货目标从 5500 台直接提到了 2 万台。

但出货量暴涨，不代表时代已至。

在刚刚落幕的 WRC（世界机器人大会）上，一个肉眼可见的变化是：机器人演示的主线，从跳舞、翻跟头，切换到了干活——分拣、叠衣、做咖啡、进产线。但假如以真正工作衡量，现场真正稳定 " 干活 " 的机器人并不多。这些演示离不开工程师在旁现场调试，动作完成的效率和成功率还有明显进步空间。

更真实的行业现状藏在展台后面：不少机器人的 " 应用 "，仍依赖远程操控；厂商拖着设备到展会现场采集数据 " 定制表演 " ——这才是真正的日常。

Demo 可以手搓，但量产不行。

光锥智能在 WRC 与各家展台交流下来，数据、泛化、仿真、模型训练，几乎每个具身智能量产环节都是难点。虽然各家路线不同、想法各异，但层层叠叠的需求，最后都指向基础设施的完成度上。

这套基础设施从哪里来？过去一年，NVIDIA 从训练、仿真到部署完成了一整套铺垫，还在今年 Computex 上拿出人形机器人参考设计，让开发者 "0 学习成本 " 用上机器人。

在物理 AI 时代，NVIDIA 希望修一条所有人都能走的路。

具身智能量产易 " 毕业 " 难

如果只看数字，具身智能的规模化拐点确实已经到了。

今年以来，不少机器人厂商都公布了产能规划。特斯拉给出了年底周产能超过 2000 台的计划，宇树总规划年产能达到 7.5 万台。紧随其后的，是优必选、傅利叶、乐聚、众擎等一大票机器人公司都给出了年产 1 万台的计划。聚焦整个 2026 年，工信部给出了中国全年整机产量有望突破 10 万台的预期。

但如果以 WRC 的展示作为参照系，行业现状也同样清晰——机器人 " 身体 " 的规模化时刻到了，但 " 智能 " 还没有。

在 WRC 上，光锥智能在现场观察到，大多数机器人工作演示并没有看起来那么 " 乐观 "。已经跑通的演示，大部分工作效率比较一般，稍复杂的任务，完成度就要打折扣。至于更非结构化的家务场景，现场的演示基本还是不可用的状态。这意味着，当下机器人能证明的，还只是工作潜力。

另一边，出货去向也印证了这一点。目前人形机器人的买家，基本集中在科研、展示和数据采集三类用途，而非真正进厂。种种迹象显示出，机器人还没到 " 生产力时刻 "。

量产已经准备好了，那智能卡在哪里？主要在模型、数据和仿真三个环节。

在模型层面，具身智能大脑还没有迎来 "ChatGPT 时刻 "。宇树科技创始人兼 CEO 王兴兴在 WRC 主论坛上说得很坦白，" 机器人进工厂至今未能大规模推广，核心原因是作业效率不及人工、泛化能力不足。"

为了做出具身智能的 " 通用大脑 "，行业就在尝试各种不同的技术路线。大方向上，VLA 与世界模型之争仍在继续，聚焦数据采集层面，当下还有遥操作、UMI、Ego、合成数据等多条路线 " 内斗 "，谁也没能说服谁。

唯一没有争议的是投入强度。以数据采集为例，2024 年底行业标杆数据集才刚刚站上百万条，2025 年头部训练场已把目标定到千万条；进入 2026 年，千万级成为普遍产能口径。而且，数据采集的标准开始不再按 " 条 " 算，而是以 " 小时 " 计量。

解决这些问题，有的公司看到了机会，也有的各自为战。例如京东抛出了 "1000 万小时高质量数据采集计划 "，觅蜂（智元旗下）定下 2026 年目标千万小时级数据产能，这些数据可以自己用，也可以交易。

但问题是，行业对数据的理解也有分歧。从今年 WAIC 到 WRC，光锥智能观察到具身全模态数据概念正在兴起，现场虽然有很多厂商在提，但各家提供的模态却并不一样。与此同时，支持多模态训练的平台也不多，目前支持输入输出多模态的开源模型基本上只有 NVIDIA 的 Cosmos3。

有了数据之后，仿真是机器人从 " 赛博世界 " 到真实世界的 " 最后一公里 "。但目前行业的共识是，Sim-to-Real（仿真到现实）的效果，很大程度上取决于物理仿真的保真度。这背后是大算力和更好的世界模型，又是纯粹的基础设施问题。

这些难题，不分中美、不分公司，是全行业的公共难题。但解决方法，无论是 AI 模型训练，还是数据集、仿真，背后都指向的是一套基础设施。

模型要有人先训，数据要有人造，鸿沟要有人填。正因为卡点是公共的，所以需要有人先把底座建起来。否则，这些投入将可能变成一种重复建设，拖慢整个行业的进度。

过去一年，NVIDIA 做的就是这件事。

所有路线之争都绕不开同一套工具链

早在一年前，NVIDIA 就提出了 " 三台计算机 " 的框架。并提出，做物理 AI，核心应该围绕训练、仿真、部署三个环节构建。

大语言模型可以靠互联网已有的图文 " 喂养 "，但具身智能是个 " 全新的物种 "。真实世界的动作数据采集又贵又慢，有些场景甚至危险。让机器人在真实工厂里试错一百万次，没有哪家制造商承受得起。所以物理 AI 需要三种不同的计算维度，来分阶段应对具身智能不同需求：一台把智能训出来，一台在虚拟世界里把智能练熟、验安全，一台把智能装进机器人身体里。

在一年的迭代中，NVIDIA 把概念填成了完整的产品矩阵，分别是负责训练的 DGX 超级计算机。负责仿真的 Omniverse、世界模型 Cosmos 和物理引擎 Newton，这三者能共同打造一个物理精确的虚拟世界，让机器人在里面 " 安全地摔倒一百万次 "。最后是部署机器人硬件大脑的 Jetson Thor，它能承载训练好的智能，跟着机器人一起在真实世界里实时感知、决策、行动。以及贯穿整套应用体系的 Isaac 机器人软件栈，其中包含仿真训练场的 Isaac Sim，强化学习训练机器人运动技能的 Isaac Lab，可以直接调用的人形机器人基础模型的 Isaac GR00T。

从工具栈的布局看到，NVIDIA 对具身智能行业的理解方式非常清晰。

在 Demo 时代，一家具身智能公司做好其中一环或许就够了；但要走向量产，数据闭环必须在三层之间完整跑通。

训练出模型，在仿真中生成和验证数据，部署到本体执行，再把真实反馈送回训练端。缺任何一环，具身智能就不构成飞轮效应，不能越跑越快。

但工具全，不代表行业就一定要用。真正有价值的工具，除了实用，还要能给行业带来直接的启发。

数据采集是最典型的例子。此前行业的主流方案是遥操作，它最大的痛点是贵、而且慢，只能靠人操作，采集效率根本撑不起模型训练的胃口。

今年，NVIDIA 提出了第一人称人类视频的数据范式（EgoScale），让人戴上一副摄像头去干活，机器人从人的视角学。Ego 路线最大的优势就在于降本，数据采集者不需要真的拥有一个机器人，只要有采集设备，人人都可以上传数据。这条路线一经推广，迅速成为行业的主流选择之一。

当然，NVIDIA 同样清楚光靠真实数据还不够。Ego 路线虽然把真实操作数据的采集门槛降了下来，但把第一人称视频精准转化为不同构型本体可用的机器人数据，其中校准的成本并不低，长尾场景也难以穷尽。

所以 NVIDIA 的解法不是在真实与合成之间二选一，而是两者结合——用真实数据决定上限，合成数据决定下限的高度。

具体而言，是用 Ego 等真实数据提供高质量的 " 种子 "，同时通过 Isaac Sim、Cosmos 和 Newton 构建高保真仿真环境，大规模生成物理可信的合成数据，解决规模与多样性的问题。

这种广泛布局的结果是，行业无论走哪条路径，NVIDIA 都能提供支持。

例如当下具身领域还在讨论 VLA 和世界模型到底哪个表现更好时，NVIDIA 一边一个—— GR00T 支持前者，Cosmos 支持后者。此外，WRC 现场就注意到，不止一家公司的展台演示，底层就借用了 NVIDIA 的世界模型。

更关键的是，随着具身智能行业发展，NVIDIA 自己的能力也在一起生长。

以 GR00T 为例，模型版本号在一年时间从 N1 迭代到 N1.7，并在 N1.7 这代开启商用授权。商用授权的意义在于，这一版本已经具备支撑机器人从实验室走向市场应用的能力。

聚焦这些迭代看。2025 年 3 月发布的 GR00T N1 更像是个研究框架。该系统是一个 " 快慢双系统架构 "，慢思考的视觉语言模型负责理解指令、规划任务，快思考的扩散模型负责生成动作。这套体系关键之处，在于尝试验证通用机器人模型这条路能否走通。到 N1.7 版本，机器人大脑具体的技术细节补全了不少。例如引入任务与子任务级分层推理，这让机器人在执行多步骤长链条任务时不再中途 " 断片 "。另一个值得关注的是这一版本还支持手指级灵巧控制，这让机器人能触达小零件装配这类接触密集型工业场景。同时，NVIDIA 还配套列出适用场景——物料搬运、包装、检测，这已经是在考虑机器人规模化落地了。随着技术迭代，NVIDIA 的机器人模型也实现了从 " 科研教具 " 到商业应用的转变。

值得一提的是，机器人公司使用 NVIDIA 的模型商业化，并不代表要向 NVIDIA 付费。在软件栈这一层面上，NVIDIA 一直坚持的是开源免费策略。用开放换取标准地位，或许是 NVIDIACUDA 生态战略在物理 AI 世界的复刻和延续。

知道路修到了哪，才有资格说下一段怎么修。在今年 NVIDIAFY27Q1 的财报会上，CEO 黄仁勋表示 NVIDIA 几乎是当今唯一一家服务物理 AI 的公司。

当然，这句话有一定 " 绝对 " 的成分。但换一个角度看，另一含义也十分明显——在具身智能规模化之年，NVIDIA 希望不止修建一条只通向自己产品的路，而是一条能让所有人都能实现物理 AI 的道路。

不造机器人的 NVIDIA 如何加速落地？

或许，具身智能走向规模化的路径，我们可以参考电力时代的答案。

1879 年的新年前夜，爱迪生在门洛帕克挂出约 100 盏白炽灯泡，报纸称之为 " 光之村 "。宾夕法尼亚铁路为此加开专列，风雪之夜仍有数百人乘车赶来围观。如同今天引人围观的机器人，那时的电灯还没有照亮任何一间普通住宅，也先成了大众娱乐。

但围观总会散场。

在这场演示之后，电器却没有很快普及。在中间的四十年里，真正推动电力跨过普及鸿沟的，不是这些灯泡厂家，而是电力电器一整个产业链的协作。机器人产业，正在重走电力时代的来时路。

在中国，机器人 " 落地 " 已经体现出产业协作的特征。

例如一些机器人公司会用股权合作的方式换取机器人在工厂落地。在深圳的南山留仙大道，更是被称为 " 机器人一条街 "，从触觉、视觉到关节、控制器，这些生产和迭代环节可以直接在一街之隔完成协作。产业协作落地具身智能，这是中国具身产业集群的现状。

作为具身智能的底层基础设施供应商，NVIDIA 今年也在全球亲自推动这一进程。

在韩国，NVIDIA 与斗山集团扩大合作，覆盖从协作机器人到工程机械的多个板块，并给出了拆垛、打磨等具体场景；在日本，NVIDIA 也在沟通落地 AI 工厂计划。

在中国，机器人公司们很清楚应该让机器人做什么。

据 Counterpoint Research 统计，去年全球人形机器人引入量为 1.6 万台，中国占了八成以上，是全球推动机器人上岗最积极的市场。但用什么基础设施作为机器人落地加速器，玩家们的需求都不太一样。这需要基础设施供应商有能力针对不同类型的公司，给出不同层面的支持。

身体能力强的玩家，他们希望本体能搭配一个好用的大脑。

今年 Computex 上，NVIDIA 拿出了 GR00T 参考设计。这是一套以宇树的人形本体为载体的开放方案，主打开发者方便二次开发，以 " 开箱即用 " 的便利，触达并放大整个开发者生态。虽然这一参考设计并不直接指向规模化量产，但对于开发者和行业应用来说，已经足够了。

更擅长研发 " 大脑 " 的玩家，则希望基础设施能承载自家全栈工具链。

以智元为例，其人形机器人正基于 Cosmos 世界模型、Isaac Sim 与 Isaac Lab 进行开发与验证，并采用 Isaac GR00T N 系列模型加速工业化部署。从软件层面看到，NVIDIA 不想只是递上一个现成方案，而是让对方的工具链在自己的底座上生长。

宇树和智元，一家把本体和运动控制做到了全球出货量最大，一家建起了从研发到产品的全栈体系。面对不同类型的公司，NVIDIA 的支持方式也不同：对前者，提供参考设计，降低上手门槛，帮它触达更多开发者；对后者，技术栈进入对方从研发到部署的多个环节，服务其自研体系。路线不同，方案也不同——无论具身智能公司怎么选，NVIDIA 都有一套技术解决方案。

毕竟，具身智能是一个预计万亿级的市场。这个行业里，所有人都在想造出最好的机器人。但更重要的是另一件事——让每一台机器人，都被造得出来。

NVIDIA 不造机器人，也不抢任何机器人公司的舞台。

它选择的赛道，体现在伙伴的进展和开发者的速度上。在未来具身智能的大时代里，新的机器人公司会不断出现、产品会迭代、越来越多的开发者会加入。但只要开发者在底座上扎下根，生态就会自己生长，行业和产业会自己走向完善。当行业进入规模化时代，NVIDIA 正在成为所有想上台者的必经之路。

140 多年前，人们记住的是门洛帕克的 100 盏灯泡。但真正让电改变世界的，是后来铺设电网的人。机器人的故事，大概率也是同一个写法。