【2025WRC专家观点】NVIDIA Omniverse 和仿真技术副总裁Rev Lebaredian《物理AI和通用机器人的大爆发》

2025世界机器人大会8月8日至12日在北京经济技术开发区北人亦创国际会展中心举行。本届大会设置3天主论坛和31场系列活动，邀请416位国内外专家学者、企业家、国际机构代表，分享新技术、新产品、新应用。

8月9日上午，NVIDIA Omniverse和仿真技术副总裁Rev Lebarediank以《物理 AI 和通用机器人的大爆发》为主题发表了演讲。

以下是演讲内容实录

Rev Lebarediank

NVIDIA Omniverse和仿真技术副总裁

今天能有机会与大家分享我的观点，我感到非常荣幸。今天，我们将一起探讨 NVIDIA 如何看待机器人、科学以及它们如何共同塑造我们的未来。

我们正在共同见证机器人技术发展中的一个重要转折点。曾经，它是我们在科幻作品中的梦想，似乎离我们的日常生活十分遥远，但如今一切已发生改变。在中国及全球的机器人大会上，这种变化变得愈加明显：新兴的科技能力已展现出全新的潜力，成为当下发展的核心，而许多领先的中国公司也与我们展开了紧密合作。

机器人技术的演进：从深度学习到代理式 AI 时代

机器人的发展始于十多年前。2012 年，深度学习技术迎来了爆发性的突破，机器学习的一种新方式首次在计算机上得以实现，神经网络技术也成功诞生。从那时起，我们意识到，这不仅仅是计算机视觉等技术的进步，更是一个能够改变一切的全新概念。

随后，概念 AI 与感知 AI 的出现，引发了人工智能的“大爆炸”，使得机器能够智能理解周围的事物——比如，识别食物、特殊零部件，甚至将语音转化为文字。在这一过程中，技术不断迭代，扩散模型释放了神经网络的创造力，而 Transformer 架构的出现带来了革命性的改变，使得 AI 能够处理非结构化数据，甚至跨越语言障碍，实现全球化应用。

基于此，我们开始构建更为先进的系统，并进入了代理式 AI（Agentic AI）时代。这一时代的系统能够整合感知、理解上下文（包括现实世界的环境、网络信息以及计算系统的数字数据），并能够分析原因、规划行动，最终执行任务。这些机器人将能够完成原本只能由人类完成的任务，并且速度更快——就像今天大家使用计算机处理邮件、聊天或记录文件一样，机器人将在这些环境中自然运作。

从信息世界到物理世界：机器人的下一站价值

此次会议的核心议题，是探讨 AI 技术的下一阶段——如何将智能能力应用到物理世界中。此前，技术多应用于信息空间，处理数字化内容（例如 0 和 1 等），而人类生存、生产、繁荣所依赖的“原子世界”（涵盖交通、制造、物流、医疗、制药等与实体物品相关的领域）则具有更大的潜力与价值。

从市场规模来看，信息技术市场的整体价值约为万亿美元（其中头部企业的参与规模已经达到五万亿），但其在全球市场中的占比仍然较小。与此相比，物理世界的市场规模远远超过信息世界。尽管算力在过去几十年推动了信息领域的生产力提升，但它并没有从根本上改变人类与物理世界的互动方式——例如，工厂的运营与十年前相比并无太大变化。但如今，智能机器人的出现将彻底改变这一现状：它们将把计算机技术与价值数百万亿的物理世界连接起来，释放出巨大的生产力，这对于全球经济来说是一个前所未有的机遇。

物理 AI：机器人感知、规划、执行的核心

我们称这一阶段为“最像 AI 的时代”，其核心是创造具备物理规律知识的神经网络模型。这类模型能够理解物理世界的行为逻辑，从而让计算机系统能够解读感知、预测物理系统的动态、规划并执行行动，进而控制物理世界。

机器人的核心功能可以归纳为感知、规划和执行，而物理 AI 则是支撑这三大功能的关键。只有当计算机系统具备了物理规律知识时，机器人才能真正实现自主行动。

中国：机器人时代的关键土壤

中国在机器人技术的发展中扮演着至关重要的角色，具备推动新时代到来的所有关键要素：

1. AI 专业知识：过去十年里，生成式 AI、隐性模型等技术的积累为机器人行业奠定了基础。中国对机器人的需求十分明确，尤其是对替代“脏活累活”劳动力的需求，并且拥有全球最多的计算机科学与 AI 专业的顶尖毕业生。

2.电子电气学专业知识：与专注于数字数据的虚拟信息领域不同，中国在物理世界技术的构建上具有显著优势，能够打造既经济稳健又高效快速的机器人，这种能力是其他国家难以比拟的。

3.大规模制造业基础：中国不仅能够制造机器人，还能够大规模部署并快速迭代。通过在实际应用中部署机器人并收集现实世界数据，机器人能够不断优化，这种能力是机器人发展的必要条件，中国已经具备了这一优势。

NVIDIA 的机器人技术布局：从“大脑”到“身体”

NVIDIA 的核心业务是构建计算机，为产业解决最具挑战性的遗留问题。而机器人正是我们面临的终极挑战——AI 的最终表达形式便是将智能能力应用到物理世界，机器人则是这一能力的承载体。我们的技术布局涵盖了机器人所需的全链条技术：

1. 机器人大脑：软件与 AI 工厂

机器人的“大脑”需要强大的软件支持，而开发这些软件则需要“AI 工厂”——即强大的 AI 计算平台。NVIDIA 的成功之一，就是建立了一个注入大量人才与数据的 AI 工厂，为机器人的“大脑”提供算力与模型支持。

2. 机器人身体：边缘计算硬件

机器人的“身体”中嵌入的计算单元至关重要（例如电动车或人形机器人的内置计算机），但更关键的是支撑实时决策的硬件。我们开发的超级计算机能够在边缘部署，无需联网，实时处理海量数据并做出高频决策，从而确保机器人能够高效、安全地执行任务。

3. 数据核心：仿真与合成数据

物理 AI 需要海量数据，但现实世界的数据难以直接获取，尤其是某些罕见事件（例如自动驾驶中的“孩子冲到车前”的场景）。因此，仿真技术成为了解决这一问题的关键——通过模拟现实世界生成合成数据供AI进行训练。

NVIDIA开发了NVIDIA Isaac平台，整合了预训练的机器人基础模型、合成数据生成蓝图以及仿真框架等技术。其中，针对人形机器人的 NVIDIA Isaac GR00T 包含功能模型、数据生成、仿真测试等工具，能让机器人在仿真中完成感知、分析指令、规划行动的训练。今年发布开源机器人模型 GR00T N1 版本已经能够在复杂环境中做出更加优越的决策，下一代模型更具弹性，且 GPU 承担了主要负载，提升了任务成功率，数据吞吐量比上一代提升了 10 倍，能够实现实时处理。

仿真技术：填补数据缺口的关键

为了解决物理世界数据不足的问题，NVIDIA 通过 Omniverse 仿真框架和 Cosmos 世界基础模型构建了强大的仿真系统：

Cosmos 世界基础模型包含三类核心模型：预测模型（生成长达 30 秒的逼真视频，提升预测准确性）、转型模型（将实况模拟适配不同环境变量）、分析模型（用类人类思维理解物理交互，提取非结构化世界信息）。

这些仿真系统不仅能够对物理世界进行仿真，还能对传感器的感知结果进行仿真，让机器人在实际部署之前，能够通过合成数据进行训练并测试潜在的错误（例如传感器故障、危险场景），从而避免在实际应用中发生自我损害或伤害他人的风险。

例如，通过 Cosmos-reason 模型提取图像和文字信息，生成多样化的视频，再将视频与标签结合输入 AI 训练模型，可以高效优化机器人决策策略。目前，天工 2.0、宇树科技的机器人以及阿里云的仿真平台等，都在使用我们的仿真和 AI 技术。

NVIDIA 很荣幸能成为中国机器人生态的一部分。我们相信，中国与全球的共同努力将加速物理 AI 与通用机器人的大爆发。感谢大家的聆听！