黄仁勋早已放话之言——AI 的下一场海啸叫“具身智能”。  

2018 年起，英伟达就悄悄把每一颗 GPU、每一行 SDK 都写成伏笔，只为今天让机器人“长”出身体、脑子和灵魂，形成一条从芯片到场景、从训练到部署的闭环生态。

一：2018年，启动具身智能战略：着手搭建机器人开发平台雏形。

2018 年 6 月：英伟达祭出 Isaac 机器人“宇宙大爆炸”

1：「钢铁之躯」——英伟达具身智能硬件版图

Jetson Xavier 是英伟达专为机器人应用打造的高性能计算平台。其核心搭载的 Xavier SoC 芯片内部集成超过 90 亿个晶体管，可提供每秒超过 30 万亿次浮点运算的强大算力。该芯片配备六类高性能处理器，包括基于 Volta 架构的 Tensor Core GPU（1 个）、八核 ARM64 CPU（1 个）、深度学习加速器 DLA（2 个）、图像处理器（1 个）、视觉加速器（1 个），以及各一个视频编码器和解码器。依托这一强大的硬件组合，Jetson Xavier 能够在边缘端同时实时运行多种复杂算法，全面支持从传感器数据处理、距离测量、定位与建图、视觉识别到路径规划等各类机器人关键任务。

2：让机器人“会思考”的魔法：一探强大软件生态

Jetson Xavier 的软件栈，被 NVIDIA 做成了一条“机器人产线”：

• Isaac SDK——打地基：现成的 API + 全套加速库，写算法像拼乐高。  
• Isaac IMX——搬现成家具：拿来即用的感知、定位、建图等算法模块，不用再从 0 造轮子。  
• Isaac Sim——试车场：高保真虚拟世界，边训练边把 Jetson Xavier 接进来做硬件在环，仿真一次，落地零磨合。

二：2022年具身智能布局：技术迭代与生态拓展

2022年3月，英伟达发布 Isaac Nova Orin 参考平台，为下一代机器人系统提供更强大、高效的开发基础。

2022 年 3 月，GTC 现场——英伟达把 AMR 的开发节奏直接按下了快进键：  
Isaac Nova Orin 参考平台登场，核心是两台 Jetson AGX Orin，合体输出 ≥550 TOPS 的暴力算力；再配上一整套为新一代移动机器人量身定制的传感器全家桶。  
Jetson AGX Orin 本身则是一颗“小核弹”——Ampere 架构 GPU + Arm Cortex-A78AE CPU，再叠上新一代深度学习与视觉加速器，一步到位把感知、决策、控制塞进同一块板子。

感知阵容一次给齐：  
- 6 只“眼睛”——2 枚深度相机 + 4 枚超广角相机，360° 无死角。  
- 3 束“激光”——2 个 2D 导航雷达负责定位，1 个 3D 雷达（选配）专精建图。  
- 8 只“顺风耳”——超声波雷达补位近距盲区，让 AMR 在复杂环境里也能“耳聪目明”。

参考资料：Isaac Sim – 机器人仿真和合成数据生成 | NVIDIA 开发者

三：2022年11月：英伟达重磅发布 MinDojo：面向复杂任务的多模态具身智能体

该智能体具备互联网规模的知识体系。MinDojo 以广受欢迎的 Minecraft 游戏为基础，构建了一个全新的研究框架，专注于推动具身智能的发展。

这一模型融合了具身智能体所需的三大核心要素：一个支持多样化任务与目标的交互式环境、一个涵盖海量信息的多模态知识库，以及一个灵活且具备高度扩展性的智能体架构。MinDojo 的发布为具身智能领域的研究提供了坚实基础和可拓展的实验平台，标志着向真正“有行动能力的AI”迈出关键一步。

参考资料：https://zhuanlan.zhihu.com/p/555258658

四：2023 年「具身智能狂飙」：生成式 AI 接管机器人大脑

4.1Voyager 发布：英伟达再进一步探索自主智能体边界

Voyager：一个把大模型装进像素世界的“终身学徒”。  
在 Minecraft 里，它不靠人类脚本，纯凭 GPT 级大语言模型“边玩边学”：  
实时观察地形与背包 → 自动写任务 → 动手试错 → 把成功套路写进终身技能库。  
环境即课堂，代码即肌肉，越玩越聪明，真正演示了“具身智能”的自我进化。

Eureka 的双环引擎：  
外层把 GPT-4 当“奖励设计师”，零样本阅读原始环境代码和一句任务描述，就能吐出可执行奖励函数；  
内层用强化学习当“动作教练”，GPU 狂飙采样、打分。  
两环来回迭代——采样、评估、反思、再写奖励——几轮就把机器人训练曲线一路抬升。

Eureka 的用武之地——让机器人“手巧如人”：  
• 五指机械手穿针引线、解魔方、叠杯子，指尖动作分毫不差。  
• 人形机器人连贯完成后空翻、单脚平衡、倒挂金钩等高难体操。  
• 工业臂在混杂零件箱里精准抓取最薄芯片，零失误、零停顿。

参考资料：Eureka: Human-Level Reward Design via Coding Large Language Models

五：2024 年「具身大爆炸」：英伟达 GR00T 横空出世，机器人迎来通用大脑元年

5.1 2024年2月，英伟达正式组建具身智能体研究实验室 GEAR，致力于探索智能体在真实环境中的感知-行动闭环、自主学习与多模态交互等关键技术，推动人工智能向更接近人类行为能力的方向迈进。

2024 年 2 月，Jim Fan 与 Yuke Zhu 挂帅，英伟达悄悄拉起一支“GEAR”特战队——通用具身智能体实验室。  
他们的目标一句话：给虚拟角色和真实机器人造一个“通用大脑”。  
火力集中四大方向：多模态基座、通用机器人模型、虚拟世界智能体、仿真合成数据。

5.2 2024·3 核弹：Project GR00T 空降，机器人“通用人脑”上线！

2024年3月，在GTC开发者大会上，英伟达发布了面向人形机器人的通用基础模型 Project GR00T。该模型能够通过理解自然语言文本和语音，并结合对人类行为视频及真人演示的模仿学习，显著提升人形机器人协调多种技能的能力，使其更好地适应并主动与现实世界进行高效互动。

英伟达一声集结号，九大金刚到位：1X、Agility、Apptronik、Boston Dynamics、Figure、Sanctuary、宇树、傅利叶、小鹏鹏行，全部加入「GR00T 战队」。  

同场，Jetson Thor 也揭开面纱——专为“人形”而生的计算心脏：  
• Blackwell GPU + Transformer Engine，原生跑 FP4/FP8，大模型推理功耗骤减。  
• GPU 三集群 + MIG，切分算力像切蛋糕，多任务并行互不干扰。  
• 14 核 Arm AE CPU，性能是上一代 2.6×，毫秒级电机与传感器实时控制。  
• 128 GB 大内存、273 GB/s 带宽，把百亿级 Transformer 直接塞进本地。  
• 安全岛 + ISP + 编解码 + PVA + OFA 全套加速器，再送统一 SDK（VPI），一站式搞定视觉、语音、运动规划。

此外，英伟达在发布会上还宣布对 Isaac 机器人开发平台进行重大升级：

5.3 推出全新基础模型及相关开发工具

5.3.1  Isaac Manipulator

是基于 Isaac ROS 构建的全新解决方案，集成了 NVIDIA CUDA 加速库、AI 模型以及面向开发者的参考工作流程。该工具旨在助力机器人开发者打造具备环境感知、理解和交互能力的 AI 驱动机器人手臂或操作器，支持实现包括运动规划、物体检测、姿态估计与跟踪等多项核心功能。

5.3.1 Isaac Perceptor——AMR 的“超感神经”

它把 NVIDIA CUDA 的狂暴算力、预训练 AI 模型和即插即用的参考流程装进 Isaac ROS，一次打包：
• 视觉里程计 + 360° 3D 环视，零死角定位
• 立体障碍物检测 + 实时占用栅格，货架、叉车、行人瞬间显形
• 仓库、厂房、户外“三无”环境，开箱即可跑导航与抓取

一句话：让自主移动机器人睁开眼、算得准、走得稳。

5.4 仿真开挂：虚拟世界一键逼近真实

5.4.1 Isaac Lab

是一个基于 Isaac Sim 打造的轻量级、开源框架，依托 NVIDIA PhysX 物理引擎和基于 RTX 的高精度渲染技术，提供逼真的物理模拟环境。该框架有效连接了高保真仿真与基于感知的机器人训练之间的鸿沟，专为机器人学习流程进行了深度优化，旨在简化强化学习、模仿学习及运动规划等常见研究任务，显著提升机器人算法的开发效率与实际应用能力。

5.4.2 OSMO：

机器人界的“云端调度大脑”。  
用一条 YAML 就能把“造数据-训模型-跑强化学习-软件在环测试”整条流水线拆成多容器、多阶段任务，秒级扩展到本地、私有云或公有云。无论是人形机器人、AMR 还是工业机械臂，所有 Isaac 任务一键编排、实时可视、统一管理。

六： 2025，AI 机器人觉醒元年：英伟达开源人形智能核心模型

 2025 开局王炸：英伟达甩出 Cosmos × Isaac GR00T Blueprint，一键把宇宙塞进机器人大脑！

6.1世界基础模型平台 Cosmos

Cosmos 就是英伟达的“物理世界生成器”。  
一句话：给一句话、一张图或一段视频，它就能吐出无限接近真实物理规律的虚拟世界。  

• 核心资产：2000 万小时的机器人和自动驾驶视频打底，预训练出多模态世界基础模型（WFM）。  
• 四大件开箱即用：  
  ‑ WFM 直接生成可交互的 3D 场景；  
  ‑ Cosmos Tokenizer 把文本/图像/视频秒变高维 token；  
  ‑ Guardrails 自动过滤不合规内容，数据安全一键锁死；  
  ‑ NeMo Curator 的加速管道让海量合成数据像自来水一样哗哗流。  
• 用法够野：想要深夜雨天的仓库？一句话。想要雪天高速？一张图。生成后即可喂给自动驾驶或机器人模型，训练不再苦等真实数据。  
• 还能继续微调：把 Cosmos 当底座，后训练几步就能捏出专属物理 AI，适配任何长尾场景。

6.2 Cosmos 双子星：Predict 与 Transfer

6.2.1. Cosmos Predict  
   文本、图片、视频都能喂，Transformer 核心一次看多帧。给它头尾两张图，它就能把中间动作或轨迹完整脑补出来。9000 T token 的机器人 + 自动驾驶数据炼成底座，专门留给开发者“二次锻造”。

6.2.2. Cosmos Transfer  
   分割图、深度、LiDAR、姿态、轨迹……任何结构化线索丢进去，马上吐出电影级可控视频。ControlNet 内核 + 时空控制图，让虚拟画面与真实坐标逐像素对齐，实现“世界→世界”的无缝迁移，仿真到现实零缝隙。

NVIDIA Cosmos 的典型应用涵盖多个关键领域，包括：合成数据生成（SDG），用于构建多样化训练数据；策略模型初始化，为智能体提供高效的起点；策略模型评估，在仿真环境中测试和验证决策能力；以及 多视图生成，支持从不同角度生成一致且逼真的场景表示，全面提升机器人对复杂环境的理解与适应能力。

6.2.3Cosmos Reason

 是一款完全可定制的多模态推理模型，其设计基于对空间与时间维度的深度理解，具备强大的时空感知能力。该模型通过思维链（Chain-of-Thought）推理机制，能够深入分析视频数据，理解复杂场景中的动态交互，并预测可能的行为结果，从而为后续的决策规划提供支持。

在训练方式上，Cosmos Reason 分为三个阶段：预训练、通用监督微调（SFT） 以及 强化学习（RL），逐步提升其在真实世界环境下的推理、预测与响应能力，为人形机器人和智能体的自主决策系统提供坚实基础。

6.3 2025年3月，构建通用人形智能的新基石：GR00T N1 全面解析

2025年3月，在GTC开发者大会上，英伟达正式发布了全球首个**开源且可定制的通用人形机器人基础模型 GR00T N1**，标志着人形机器人迈向更高水平的感知-决策-行动一体化时代。

GR00T N1 是一款融合视觉、语言与动作的多模态模型（VLA），采用创新性的双系统架构设计：

- “系统1”：

是基于扩散变换器（DiT）构建的动作生成模块。该模块通过交叉注意力机制，聚焦于视觉-语言模型（VLM）输出的Tokens，并结合专为人形智能设计的状态与动作编码器/解码器，处理具有可变维度的输入输出，实现高精度运动生成。其闭环电机控制频率高达 **120Hz**，确保了动作的实时性与流畅性。

- “系统2”

 是基于视觉-语言模型（VLM）的推理引擎，运行于 NVIDIA L40 GPU 上，以 **10Hz** 的频率处理来自环境的视觉信息和用户发出的语言指令，负责理解场景并解析任务目标。

两个系统均以 Transformer 为核心架构，在训练过程中实现端到端的联合优化，使推理与执行高度协同，从而在复杂现实环境中达成更高效、更具适应性的智能行为。

GR00T N1 模型的预训练融合了多种数据来源，包括  真实机器人操作轨迹、合成生成数据 以及  人类行为视频  ，从而构建出一个多样化、泛化能力强的数据集，为模型在复杂场景下的感知与行动能力打下坚实基础。

论文：GR00T N1: An Open Foundation Model for Generalist Humanoid Robots

收官透视：  
英伟达把自己锻造成“机器人时代的电网”——电流是算力，插座是 Isaac + Omniverse，电线则是一整套 Jetson 芯片与 GR00T 大模型。插上插头，从 Figure 的人形、波士顿动力的 Atlas，到丰田产线上的机械臂，全都能在 Omniverse 的孪生宇宙里先跑通、再上岗。  

黄仁勋那句“一切会动的终将自治”不再只是口号：  
• 技术端——数字孪生预演、Cosmos 合成数据、Isaac Sim 闭环验证，让机器人“先仿真、后落地”。  
• 商业端——硬件标准化、软件全开放，拉来亚马逊、丰田、微软、OpenAI 共同铺轨，把具身智能的开发周期砍半、成本打骨折。  

结果很明显：当行业还在讨论标准时，英伟达已经卖起了“电”。