Nvidia在CES 2026上发布了一套新的机器人基础模型、仿真工具和边缘硬件，这些举措表明该公司希望成为通用机器人的默认平台，正如Android成为智能手机的操作系统一样。
Nvidia进军机器人领域反映了整个行业的更广泛转变。随着AI从云端走向能够学习如何在物理世界中思考的机器，这得益于更便宜的传感器、先进的仿真以及越来越能够跨任务泛化的AI模型。
周一，Nvidia公布了其物理AI全栈生态系统的细节，包括新的开放基础模型，使机器人能够在许多任务和多样化环境中进行推理、规划和适应，超越了狭窄的任务专用机器人，所有这些模型均在Hugging Face上提供。
核心模型与仿真框架
新发布的模型包括：
- Cosmos Transfer 2.5和Cosmos Predict 2.5：两个用于合成数据生成和仿真中机器人策略评估的世界模型；
- Cosmos Reason 2：一种推理型视觉语言模型（VLM），使人工智能系统能够在物理世界中观察、理解和行动；
- Isaac GR00T N1.6：专为类人机器人打造的下一代视觉语言动作（VLA）模型。GR00T依赖Cosmos Reason作为其大脑，并解锁了类人机器人的全身控制能力，使其能够同时移动和处理物体。
Nvidia还在CES上推出了Isaac Lab-Arena，这是一个托管在GitHub上的开源仿真框架，作为公司物理AI平台的另一个组成部分，实现了机器人能力的虚拟安全测试。
该平台旨在解决行业的一个关键挑战：随着机器人学习越来越复杂的任务，从精确的对象处理到电缆安装，在物理环境中验证这些能力可能成本高昂、缓慢且有风险。Isaac Lab-Arena通过整合资源、任务场景、训练工具以及Libero、RoboCasa和RoboTwin等既定基准测试，创建了一个统一的行业标准，而此前该领域缺乏这样的标准。
支持这一生态系统的是Nvidia OSMO，一个开源指挥中心，它作为连接基础设施，将数据生成到训练的整个工作流程集成到桌面和云环境中。
硬件升级与生态合作
为了帮助为这一切供电，还有全新的Blackwell驱动的Jetson T4000显卡，它是Thor家族的最新成员。Nvidia将其定位为一种具有成本效益的设备端计算升级方案，在40至70瓦的低功耗下运行，提供1200万亿次浮点运算（teraflops）的AI算力和64GB内存。
英伟达正在深化其与Hugging Face的合作伙伴关系，让更多人无需昂贵的硬件或专业知识即可尝试机器人训练。此次合作将英伟达的Isaac和GR00T技术整合到Hugging Face的LeRobot框架中，将英伟达的200万机器人开发者与Hugging Face的1300万AI构建者连接起来。该开发者平台的开源Reachy 2人形机器人现在可直接与英伟达的Jetson Thor芯片配合使用，使开发人员能够在不被锁定在专有系统中的情况下尝试不同的AI模型。
更大的图景是，英伟达正试图使机器人开发更加普及，并希望成为为其提供动力的底层硬件和软件供应商，就像Android是智能手机制造商的默认平台一样。
目前已有早期迹象表明英伟达的策略正在奏效。机器人是Hugging Face上增长最快的类别，英伟达的模型在下载量方面领先。与此同时，从Boston Dynamics和Caterpillar到Franka Robots和NEURA Robotics等机器人公司，已经在采用英伟达的技术。