黄仁勋：机器人领域的ChatGPT时刻即将到来！（附CES2025演讲视频）

在CES 2025展开幕式上，NVIDIA CEO黄仁勋发表了一场精彩纷呈的主题演讲，话题涵盖AI、芯片、机器人、自动驾驶、GPU以及游戏产业等多个热点话题，并发布了多款极具影响力的产品，令人震撼。

黄仁勋CES2025开幕演讲

演讲中，黄仁勋还率领14款人形机器人惊艳亮相，它们分别是银河通用的G1、Apptronik的Apollo、星动纪元的Star1、智元机器人的远征A2、NEURA Robotics的4NE-1、傅利叶的GR-2、Agility Robotics的Digit、Figure的Figure 02、1X的NEO、Mentee的MnteeBot、宇树的H1、小鹏的Iron以及Sanctuary AI的Phoenix。

英伟达继续秉承“卖铲人”的战略定位，黄仁勋提出将继续与全球多家知名的机器人解决方案提供商、操作系统企业、AI视觉技术公司、机器人传感器制造商以及本体制造企业等携手合作，共同打造机器人生态系统。

焉知

首款世界基础模型开发平台Cosmos

为先进物理AI而生

黄仁勋表示，“机器人的‘ChatGPT时刻’即将到来。与大模型一样，世界基础模型对于推进机器人和自动驾驶汽车的开发至关重要，但并非所有开发人员都拥有培训自己的专业知识和资源。我们创造Cosmos是为了让每个开发人员都能接触到通用机器人。”

演讲现场，黄仁勋宣布英伟达将开源允许商用的生成式世界基础模型开发平台Cosmos，该平台专门为机器人和自动驾驶的开发而设计。

物理AI模型的开发成本很高，需要大量的真实世界数据和测试。Cosmos世界基础模型（world foundation models，简称wfm）为开发人员提供了一种简单的方法来生成大量真实的、基于物理的合成数据，以训练和评估他们现有的模型。开发人员还可以通过微调Cosmos wfm来构建定制模型。

Cosmos有三款：Nano、Super、Ultra

1）Nano（约15B）：超低延迟的实时模型，适合边缘端设备部署；

2）Super（34B）：高性能基线模型，支持开箱即用的微调与部署；

3）Ultra（约70B）：最高准确度和质量，适合大规模数据中心场景。

这些模型接受了18000万亿次tokens的训练，包括2000万小时的真实世界自动驾驶、机器人、无人机镜头和合成数据，通过训练“教AI理解物理世界。”

通过将Omniverse与Cosmos相结合，开发人员能够更便捷地生成大量可控且逼真的合成数据，这不仅助力物理AI模型做出更明智的行动决策，还有效减轻了世界模型可能产生的幻觉问题。

简而言之，当真实世界的数据不足时，可以利用Cosmos和Omniverse的模拟技术来生成视频数据，进而用这些合成数据来训练机器人。

Cosmos对各类企业均开放使用，无论规模大小。英伟达模拟技术副总裁Rev Lebaredian表示：“对于那些拥有数亿小时数据需要整理的自动驾驶和机器人企业来说，这套方案绝对是颠覆性的。”

目前，已有银河通用、1X、Agility Robotics、FigureAI、小鹏、Uber等公司率先开始了试用。

焉知

Omnvierse Blueprint

攻克人形机器人训练难题

人形机器人的智能化发展依赖于大量的真实世界数据，但直接通过人类演示获取这些数据成本高昂。针对这一问题，发布了Isaac GR00T合成运动生成Blueprint，可帮助开发者生成指数级规模的合成运动数据，以便使用模仿学习来训练他们的人形机器人。

模仿学习作为机器人学习的一个分支，使人形机器人能够通过观察并模仿人类专家的行为来掌握新技能。模仿学习作为机器人学习的一个分支，使人形机器人能够通过观察并模仿人类专家的行为来掌握新技能。然而，在现实中收集大量高质量的数据集既复杂又耗时，且成本往往令人难以承受。

通过实施Isaac GR00T合成运动生成蓝图，团队可以采用远程操作和人体动作捕捉技术来创建基础训练样本，并借助算法生成大量变体以进行深度训练。目前，波士顿动力、Figure等人形机器人公司已经开始应用并展示Isaac GR00T的成果。

在GR00T的工作流程中，首先通过遥操作（Teleop）阶段，用户可以利用Apple Vision Pro在数字孪生环境中捕捉人类动作。这些动作随后被模拟中的机器人模仿并记录，，用作真实数据。

接着，模仿（Mimic）工作流程将捕获的人类演示扩展为更庞大的合成运动数据集。

最后，基于 NVIDIA Omniverse 和 NVIDIA Cosmos 平台构建的 GR00T - 生成（Gen）工作流程通过域随机化和 3D 放大以指数方式扩展该数据集。这个数据集随后可以作为输入，用于在NVIDIA Isaac Lab（一个开源的机器人学习模块化框架）中训练机器人，使它们能够高效且安全地移动并与环境进行交互。

此外，英伟达还发布了Thor芯片，该芯片已投入量产，其处理能力相较于上一代Orin提升了20倍。Thor芯片不仅适用于汽车领域，还可在传统机器人领域发挥重要作用。

小结

黄仁勋表示，AI的发展将经历从当前的生成式AI到Agentic AI，再到未来的Physical AI的演变过程，其应用领域将广泛涉及智能驾驶、机器人等。英伟达凭借AI的迅猛发展，已从一家普通芯片企业蜕变为全球科技巨头。如今，随着机器人领域的ChatGPT时代即将来临，英伟达是否还会再造奇迹，让我们拭目以待吧~