2025 年，人工智能正以前所未有的速度重塑整个汽车行业。从自动驾驶到智能制造，再到人形机器人，AI 不仅让车辆更聪明，也在改变汽车从研发到生产的每一个环节。在今年的英伟达 GTC（GPU Technology Conference）大会上，AI 无疑成为了最火爆的话题。

正如此前英伟达 CEO 黄仁勋在 CES 上的主题演讲，英伟达正在将物理 AI（Physical AI）作为其技术布局的全新焦点。与传统 AI 主要聚焦于数据处理和软件优化不同，物理 AI 旨在赋能现实世界中的自动化系统，使其具备更强的自适应性和交互能力。这一理念的提出，意味着 AI 计算正从虚拟世界向现实环境深度融合，进一步推动自动驾驶和机器人技术的发展。

图片来源：英伟达

而在本届 GTC 大会上，英伟达不仅带来了全新一代自动驾驶计算平台，还展示了如何通过 AI 赋能人形机器人，让它们更好地适应复杂的现实世界。英伟达，这家从 GPU 起家的科技巨头，正凭借其强大的计算能力和 AI 应用能力成为自动驾驶和机器人领域的重要推动者。

AI如何重塑交通与机器人行业？

英伟达在 GTC 大会上展示的技术，不仅是对现有产品的升级，更是对未来交通和机器人行业的一次 " 预演 "。从自动驾驶到人形机器人，AI 正在成为这两个领域的核心驱动力。

1. 自动驾驶汽车 AI 的开发

尽管自动驾驶技术已经取得了显著进展，但距离真正的 " 无人驾驶 " 还有很长的路要走。

在此次 GTC 大会上，英伟达宣布推出 Cosmos 世界基础模型的重大更新。该模型引入了开放式、可完全定制的物理 AI 开发推理模型，让开发者以前所未有的方式控制世界生成。

" 英伟达正在利用 Omniverse 和 Cosmos 加速自动驾驶汽车 AI 的开发，" 黄仁勋这样认为。

例如，在与通用汽车的合作中，黄仁勋称双方将共同利用 NVIDIA 加速计算平台（包括搭载 NVIDIA Cosmos ™的 NVIDIA Omniverse ™）构建定制化 AI 系统，训练 AI 制造模型，优化通用汽车的工厂规划和机器人开发。通用汽车还将使用 NVIDIA DRIVE AGX ™车载硬件，打造未来的高级驾驶辅助系统和车内增强型安全驾驶体验。

英伟达还推出了 NVIDIA Halos 综合安全系统，将英伟达的汽车硬件、软件安全解决方案与其自动驾驶汽车安全领域前沿的 AI 研究相结合。

Halos 涵盖芯片、软件、工具和服务，聚焦基于 AI 的端到端自动驾驶汽车堆栈，以确保自动驾驶汽车从云端到车端的安全开发。

2. 机器人 AI ：人形机器人生态的全新进展

众所周知，劳动力短缺是全球面临的重大挑战之一。据预测，到 2030 年，全球的劳动力缺口至少将达到 5000 万，机器人将能很好地弥补这一缺口。

然而，人型机器人的商业化一直是一个难题，主要原因在于其高昂的成本和复杂的技术要求。不过，随着 AI 技术的进步，这一局面正在改变。

英伟达通过 Omniverse 提供统一的开发和 AI 仿真平台，人形机器人制造商可利用 Omniverse 快速构建 " 数字孪生 " 模型，实现从设计到验证的全流程优化。配合 Cosmos 的物理引擎，机器人在开发阶段即可进行高度真实的交互测试。

此外，英伟达推出了全球首个开源且完全可定制的 AI 基础模型 NVIDIA Isaac GR00T N1，该模型可赋能通用人形机器人实现推理及各项技能，如单手或双手抓取、移动物体，将物体从一只手臂转移到另一只手臂，或执行需要长语境和通用技能组合的多步骤任务。

英伟达还与 Google DeepMind 和 Disney Research 合作，共同开发出开源物理引擎 Newton，可让机器人学习如何以更高的精度处理复杂任务。

Blackwell Ultra+ 开源数据：英伟达的 AI 组合拳

自动驾驶和机器人行业正处在一个关键节点。根据麦肯锡的报告，到 2030 年，全球自动驾驶市场规模预计将达到 4000 亿美元，而人形机器人市场虽然起步较晚，但也被认为是一个潜在的万亿级市场。然而，这两个领域都面临着一个共同的挑战：算力。

自动驾驶汽车需要处理海量的传感器（如摄像头、雷达、激光雷达等）数据，并在毫秒级时间内做出决策。根据英伟达的数据，一辆 L4 级自动驾驶汽车每天产生的数据量高达 4TB，这相当于 2000 部高清电影。

而人形机器人则需要更高的实时计算能力，以模拟人类的感知、决策和动作。目前，大多数机器人仍处于实验室阶段，距离大规模商业化还有一段距离。

英伟达正是看准了这一 " 算力饥渴 "，在 GTC 大会上重磅推出 Blackwell Ultra 芯片平台和开源物理 AI 数据集，为行业提供了突破性的解决方案。

1. Blackwell Ultra

英伟达全新推出 NVIDIA Blackwell AI 工厂平台的新一代产品—— NVIDIA Blackwell Ultra，开启了 AI 推理新时代。NVIDIA Blackwell Ultra 提升了训练和测试时扩展推理能力（test-time scaling inference）， 即通过在推理过程中增加计算量来提升准确率的技术，以帮助全球各地的企业加速 AI 推理、代理式 AI 及物理 AI 等应用的开发与部署。

黄仁勋表示：" 人工智能实现了巨大的飞跃——推理和代理式 AI 对计算性能的需求呈数量级增长，而 Blackwell Ultra 作为是一款单一且多功能的平台，能够轻松高效地完成预训练、后训练以及推理型 AI 推理任务。"

2. 开源物理 AI 数据集

训练自主机器人和车辆与物理世界有效互动需要海量高质量的数据，为此，英伟达在其全球 AI 大会 NVIDIA GTC 上正式发布其大型开源数据集，助力构建下一代物理 AI。

这个商业级、预先验证的数据集将帮助研究人员和开发者克服从零开始的挑战，顺利启动物理 AI 项目。开发者可以利用数据集开展模型预训练、测试和验证，或用于后训练以调优世界基础模型，加快部署进程。

初始数据集现可通过 Hugging Face 平台下载，为开发者提供 15 TB 数据，包含超过 320,000 条机器人训练轨迹，以及高达 1,000 个通用场景描述（OpenUSD） 资源。此外，还即将发布支持端到端自动驾驶汽车开发的专用数据。

未来，该数据集有望发展为世界上最大的统一、开源的物理 AI 开发数据集。可以为多种 AI 开发模型提供支持，包括能安全穿越仓库环境的自主导航机器人、外科手术辅助机器人，以及在施工区等复杂交通场景下穿梭自如的自动驾驶汽车。

技术狂飙后的冷思考

英伟达在 GTC 大会上展示的技术，无疑为自动驾驶和人形机器人行业注入了新的活力。然而，技术的进步也伴随着挑战。例如，自动驾驶的安全性和伦理问题、人形机器人的社会接受度等，都是需要解决的难题。

1. 自动驾驶的 " 最后一公里 " 难题

尽管 DRIVE Thor 芯片提供了强大的算力，但自动驾驶的 " 最后一公里 " 问题依然存在。例如，如何确保系统在极端天气或复杂路况下的稳定性？如何解决法律和伦理问题（如事故责任归属）？这些都是车企和技术公司需要共同面对的挑战。

2. 人形机器人的 " 社会接受度 "

人形机器人的商业化不仅需要技术突破，还需要社会的接受。例如，机器人是否会取代人类的工作？如何保护用户的隐私和数据安全？这些问题都需要在技术发展的同时得到妥善解决。

技术的进步并非一蹴而就。自动驾驶和人形机器人的商业化之路依然充满挑战，需要技术公司、车企、政策制定者和社会各界的共同努力。无论如何，英伟达已经在这场 AI 驱动的革命中占据了先机。未来，随着技术的不断成熟和应用的普及，我们或许将迎来一个由 AI 主导的交通和机器人新时代。