NVIDIA wants to be the "Android" of "Physical AI"

英偉達正在全力打造機器人領域的默認平台，旨在複製安卓在智能手機操作系統的主導地位。

1 月 5 日，英偉達 CES 2026 上發佈了多款開源基礎模型，包括多個開源基礎模型，使機器人能夠在多種任務和環境中進行推理、規劃和適應，所有模型均在 Hugging Face 平台上開放。

英偉達同時推出了新一代 Blackwell 架構的 Jetson T4000 顯卡，以及名為 OSMO 的開源指揮中心，以支撐整個機器人開發工作流程。公司還深化了與 Hugging Face 的合作，旨在降低機器人訓練的硬件門檻和技術壁壘。

這一佈局反映出人工智能從雲端向物理世界遷移的行業趨勢。隨着傳感器成本下降、仿真技術進步和 AI 模型泛化能力提升，機器人正從執行單一任務向通用化方向演進。波士頓動力、卡特彼勒等企業已開始使用英偉達技術，機器人類別也成為 Hugging Face 平台上增長最快的領域。

英偉達此次發佈的基礎模型構成了物理 AI 的核心能力層。

Cosmos Transfer 2.5 和 Cosmos Predict 2.5 兩款世界模型負責合成數據生成和機器人策略評估，可在仿真環境中驗證機器人行為。

Cosmos Reason 2作為推理型視覺語言模型，賦予 AI 系統在物理世界中觀察、理解和行動的能力。

Isaac GR00T N1.6是專門針對人形機器人開發的視覺語言動作模型，以 Cosmos Reason 作為推理核心，實現全身控制功能，使人形機器人能夠同時完成移動和物體操作。

英偉達在 CES 上推出的 Isaac Lab-Arena 是託管在 GitHub 上的開源仿真框架，旨在解決機器人能力驗證的行業痛點。

隨着機器人學習精確物體處理、電纜安裝等複雜任務，在物理環境中驗證這些能力往往成本高昂、耗時且存在風險。

該平台整合了資源、任務場景、訓練工具以及 Libero、RoboCasa 和 RoboTwin 等既有基準測試，為此前缺乏統一標準的行業建立了通用框架。配套的開源平台 OSMO 作為指揮中心，將從數據生成到訓練的整個工作流程整合在一起，支持桌面和雲端環境。

Thor 系列新成員 Jetson T4000 圖形卡搭載 Blackwell 架構，作為成本效益型設備端算力升級方案，提供 1200 萬億次浮點 AI 算力和 64GB 內存，功耗控制在 40 至 70 瓦之間。

英偉達還深化了與 Hugging Face 的合作，將 Isaac 和 GR00T 技術集成到後者的 LeRobot 框架中，連接英偉達 200 萬機器人開發者與 Hugging Face 1300 萬 AI 構建者。

開源人形機器人 Reachy 2 現已直接支持英偉達 Jetson Thor 芯片，開發者可以測試不同 AI 模型而無需被鎖定在專有系統中。

早期跡象顯示英偉達策略正在產生效果。機器人已成為 Hugging Face 平台上增長最快的類別，英偉達的模型在下載量上處於領先地位。波士頓動力、卡特彼勒、Franka Robots 和 NEURA Robotics 等企業已在使用英偉達技術。

這一佈局體現了該公司使機器人開發更易獲取的戰略意圖，同時將自身定位為底層硬件和軟件供應商，類似安卓之於智能手機制造商的角色。

隨着 AI 從雲端向具備物理世界學習能力的機器轉移，更便宜的傳感器、先進的仿真技術和跨任務泛化的 AI 模型正推動行業整體轉型。