NVIDIA Physical AI 是甚麼？Cosmos、Isaac、GR00T 與 Jetson 全解析
目錄
- 一張圖看懂 NVIDIA Physical AI 全棧
- NVIDIA Physical AI 各產品做甚麼
- Cosmos：為 Physical AI 建立可生成和推理的世界
- Omniverse 與 Isaac：在虛擬世界訓練和驗證
- GR00T：由看懂指令到產生機器人動作
- Jetson Thor：把模型放進實體機器
- NVIDIA 的護城河在哪裏
- 1. 訓練、仿真和部署共用同一套計算生態
- 2. 仿真與合成數據形成潛在飛輪
- 3. 既有工業和汽車客戶縮短商業化路徑
- 4. 可以在多個環節收費
- Physical AI 現在為 NVIDIA 帶來多少收入
- NVIDIA Physical AI 和 CUDA 有何相似與不同
- 競爭和風險
- 投資者應追蹤的八項證據
- Klaro Research 結論
- 常見問題
- 官方資料來源
- 延伸閱讀
NVIDIA Physical AI 是一套讓開發者訓練、模擬、測試及部署機器人和自動駕駛系統的完整技術棧。它並不是單一晶片或單一 AI 模型，而是把 數據中心 GPU、Omniverse／Isaac 仿真、Cosmos 世界模型、GR00T 機器人策略模型，以及 Jetson 邊緣運算連接起來。
簡單說，NVIDIA 想在機器人時代複製 CUDA 在生成式 AI 的角色：開發者可以在 NVIDIA 平台收集和生成數據、訓練模型、在虛擬環境測試，最後把同一套工作流程部署到實體機器。
Klaro Research 核心判斷：NVIDIA 在 Physical AI 的真正優勢不是「自己製造最多機器人」，而是同時控制訓練算力、仿真工具、開放模型、開發框架和機載運算。這能形成跨層平台效應；但截至 2026 年 7 月，Physical AI 仍沒有獨立財務分部，不能把 NVIDIA 的數據中心收入或汽車收入全部視為機器人收入。
本文資料截至 2026 年 7 月 30 日，主要根據 NVIDIA 官方技術文件、2026 年產品發布與最新年度業績整理。
一張圖看懂 NVIDIA Physical AI 全棧
圖：Physical AI 的工作流程由訓練、世界生成與仿真、策略模型、評估和邊緣部署組成；不同產品可以獨立使用，也可以連成完整平台。
NVIDIA Physical AI 各產品做甚麼
| 層級 | NVIDIA 產品 | 主要作用 | 最容易被誤解的地方 |
|---|---|---|---|
| 雲端訓練 | DGX、雲端 GPU、CUDA-X | 訓練世界模型、VLA 模型與機器人策略 | 數據中心 GPU 也服務 LLM、推薦、科學計算，並非全部來自機器人 |
| 世界生成 | Cosmos | 生成、理解及推理物理世界，建立合成數據和世界模型 | Cosmos 是模型平台，不是完整機器人作業系統 |
| 仿真與數碼孿生 | Omniverse、Isaac Sim、Isaac Lab | 建立物理環境、訓練及測試機器人策略 | 仿真成功不等於真機已經安全或具經濟效益 |
| 機器人大腦 | Isaac GR00T | 以視覺、語言和機器人狀態產生動作 | GR00T 是開放平台與模型家族，不代表 NVIDIA 自己銷售大量人形機器人 |
| 中間件與部署 | Isaac ROS、CUDA-X libraries | 把感知、導航和策略模型部署至機器人 | 軟件採用不一定會被單獨披露為收入 |
| 機載運算 | Jetson Thor 等模組 | 在機器人上即時推理與控制 | 出貨量、平均售價和機器人使用量尚未獨立披露 |
理解這張表後，便能看清 NVIDIA 的定位：它主要銷售「建造機器人的工具與算力」，而不是和每一家機器人整機廠直接競爭。
Cosmos：為 Physical AI 建立可生成和推理的世界
NVIDIA Cosmos是一套世界基礎模型與工具平台，目的是讓開發者用真實和合成數據，建立能理解、生成及推理物理場景的模型。
機器人學習面對一個根本問題：真實世界數據昂貴、危險場景少見，而且不同機器人的感應器和身體並不相同。Cosmos 嘗試解決三類工作：
- 生成數據：把仿真場景轉為不同光線、材質、天氣和視角的逼真影像；
- 預測世界：根據目前環境和動作，推測下一個狀態；
- 物理推理：理解空間、物體、因果和可能發生的結果。
這些能力可用於自動駕駛、工業機器人、視覺檢測和人形機器人，但 Cosmos 本身不負責所有控制。它更像模型與數據層，需要與仿真、策略模型、機器人中間件和硬件配合。
Omniverse 與 Isaac：在虛擬世界訓練和驗證
如果 Cosmos 負責生成與理解世界，Omniverse 和 Isaac 更接近「實驗場」。
- Omniverse提供基於 OpenUSD 的數碼孿生和模擬基礎設施；
- Isaac Sim用物理仿真測試感應器、機器人和環境；
- Isaac Lab用於機器人學習、強化學習和策略訓練；
- Isaac Lab-Arena提供較一致的任務和評估流程；
- Isaac Teleop協助收集人類遙距操作示範數據。
NVIDIA 在 2026 年 3 月表示，FANUC、ABB、YASKAWA 和 KUKA 等工業機器人廠商正在把 Omniverse libraries 與 Isaac 仿真框架整合到虛擬調試流程；這些公司的全球安裝基礎合計超過 200 萬台機器人。這是平台採用的證據，但不等於所有已安裝機器人都使用 NVIDIA，也不代表相關收入已經單獨披露。
仿真的價值主要來自三點：
- 在不損壞設備或危害人員的環境測試；
- 生成罕見和危險場景；
- 在工廠正式改線前，以數碼孿生驗證流程。
最大的限制則是 sim-to-real gap（仿真到現實差距）。摩擦、材質、感應器噪聲、設備磨損和人員行為不可能被完全重現，所以虛擬測試不能取代真機驗證。
GR00T：由看懂指令到產生機器人動作
Isaac GR00T 是 NVIDIA 面向通用機器人、特別是人形機器人的開放參考平台。它包含數據管線、機器人基礎模型、仿真、評估、中間件和部署工具。
2026 年 7 月公布的 GR00T 1.7是一個 vision-language-action（VLA）模型：它接收影像、語言和機器人狀態，再輸出可以執行的動作。NVIDIA 官方技術文章披露，模型預訓練使用約 32,000 小時真實人類示範／第一身視角數據，以及約 8,000 小時仿真 rollout 和示範數據。
一套典型工作流程包括：
- 在 Isaac Lab-Arena 建立任務；
- 用 Isaac Teleop 收集真實或仿真示範；
- 用 GR00T 和訓練腳本建立策略；
- 在仿真環境重複評估；
- 經 Isaac ROS 和 Jetson Thor 部署至真機。
這套設計的戰略意義是降低整合成本。機器人公司可以只使用其中一層，也可以採用完整工作流程；對 NVIDIA 而言，每多使用一層，開發者轉往其他算力和軟件組合的成本便可能提高。
Jetson Thor：把模型放進實體機器
雲端訓練完成後，機器人仍需要在現場以低延遲感知、推理和控制。Jetson 系列就是 NVIDIA 的邊緣運算平台，Thor 世代面向高階機器人和 Physical AI。
它在整個平台中的角色可以理解為：
- 數據中心 GPU 負責大規模訓練；
- Omniverse、Cosmos 和 Isaac 負責生成、仿真和測試；
- Jetson 負責在機器人上即時執行模型；
- Isaac ROS 連接感應器、導航、策略和控制。
NVIDIA 亦在 2026 年公布以 Jetson Thor、Unitree H2 Plus 和靈巧手組成的開放人形機器人參考設計，計劃在 2026 年末供研究機構使用。參考設計的作用是建立共同硬件基線，讓研究者比較模型和任務；它目前不是 NVIDIA 大規模進入整機製造的證據。
NVIDIA 的護城河在哪裏
1. 訓練、仿真和部署共用同一套計算生態
單獨提供晶片的競爭者，未必同時擁有世界模型、仿真、機器人開發框架和邊緣模組。NVIDIA 的優勢是把不同階段放進熟悉的 CUDA、TensorRT 和開發工具體系。
2. 仿真與合成數據形成潛在飛輪
更多開發者使用 Isaac 和 Cosmos，可能產生更多任務、數據格式和評估方法；更成熟的工具又能吸引更多機器人公司。不過，大量模型和框架採用開放授權，開發者仍可混用其他硬件或工具，飛輪並非完全封閉。
3. 既有工業和汽車客戶縮短商業化路徑
ABB、FANUC、KUKA、YASKAWA、Siemens、Mercedes-Benz 等合作夥伴已經在工業或汽車市場營運。與只做研究展示的生態相比，既有客戶更有機會把工具帶進實際生產流程。
4. 可以在多個環節收費
Physical AI 若增長，NVIDIA 理論上可從雲端訓練 GPU、RTX PRO 仿真、Jetson 模組、軟件支援和網絡設備等多個環節受惠，而不必押注某一個機器人品牌成為最終贏家。
Physical AI 現在為 NVIDIA 帶來多少收入
這是目前不能精確回答的問題。
NVIDIA 2026 財年第四季業績披露：
- 單季總收入 681 億美元；
- 數據中心收入 623 億美元；
- 汽車收入 6.04 億美元；
- 全年汽車收入 23 億美元。
公司把業務更新章節命名為「Automotive and Robotics」，但財務數字只單列 Automotive revenue，沒有獨立披露機器人、Omniverse、Isaac、Cosmos、GR00T 或 Jetson 的收入。
因此，以下推論都不嚴謹：
- 把全部數據中心收入視為 Physical AI 訓練收入；
- 把全部汽車收入視為機器人收入；
- 根據合作夥伴數量直接推算軟件收入；
- 把開源模型下載量等同付費客戶。
更可靠的做法，是先把 Physical AI 視為 NVIDIA 下一個平台選擇權，再等待公司開始披露獨立收入、出貨、付費軟件或重大客戶部署。
NVIDIA Physical AI 和 CUDA 有何相似與不同
相似之處在於，兩者都嘗試建立開發者生態：
- CUDA 把模型和應用綁定至 GPU 計算工具鏈；
- Physical AI stack 把機器人數據、仿真、策略訓練和部署連接至 NVIDIA 軟硬件。
不同之處是，機器人比純軟件複雜得多。它還依賴：
- 感應器、馬達、減速器和機械結構；
- 工廠流程、安全規範與責任；
- 真實世界數據與長尾場景；
- 維修、能源、人工監督和單位經濟。
所以，即使 NVIDIA 成為主要平台，機器人產業的價值仍會分散在整機、零部件、軟件、系統整合與營運服務，不會全部歸於 GPU 供應商。
競爭和風險
| 風險 | 為甚麼重要 | 應觀察甚麼 |
|---|---|---|
| 機器人商業化慢 | 技術展示不一定轉化為大規模付費部署 | 真實任務量、利用率、人工接管和單位經濟 |
| 開放模型降低鎖定 | 開發者可混用其他模型、仿真和硬件 | GR00T／Isaac 是否成為事實標準，而不只是下載 |
| 雲端和晶片競爭 | 其他 GPU、ASIC 和雲端平台可承擔部分訓練 | 客戶是否跨平台，軟件對非 NVIDIA 硬件的依賴 |
| sim-to-real gap | 仿真成功不能保證真機安全可靠 | 真實部署失敗率、認證、保險與責任制度 |
| 收入披露不足 | 敘事可能快過實際盈利 | 獨立機器人收入、Jetson 出貨、軟件 ARR 或訂單 |
| 客戶自研 | 大型車廠、雲端或機器人公司可能自建模型與晶片 | 客戶採用 NVIDIA 的層數和長期合約 |
最大的估值風險不是 Physical AI 沒有前景，而是市場可能在收入形成前，已經把很大的終局價值計入 NVIDIA 股價。
投資者應追蹤的八項證據
- Jetson Thor 的量產出貨與具名客戶；
- Isaac／Omniverse 是否進入付費生產流程，而不只試驗；
- GR00T 在不同機器人身體和任務的真實成功率；
- Cosmos 生成數據是否縮短開發時間或降低成本；
- 工業合作是否由技術整合進入大規模部署；
- NVIDIA 是否開始單列 Robotics 收入或訂單；
- 客戶是否同時採用訓練、仿真和邊緣三層；
- 機器人整體的單位經濟和安全責任是否可接受。
這些證據比一次發布會中出現多少機器人，更能判斷 NVIDIA 是否正在建立下一個可持續平台。
Klaro Research 結論
NVIDIA Physical AI 的版圖可以濃縮成三部電腦與一套模型工作流：
- 訓練電腦：數據中心 GPU／DGX；
- 仿真電腦：Omniverse、Cosmos、Isaac；
- 機器人電腦：Jetson Thor；
- 模型與部署：GR00T、Isaac ROS、CUDA-X。
它的優勢是完整、開放而且已連接大量工業夥伴；它的不足是機器人商業化仍早，收入披露亦遠落後於產品敘事。
因此，現階段最合理的判斷不是「NVIDIA 已經壟斷機器人」，而是：NVIDIA 已建立一套有機會成為 Physical AI 標準開發平台的全棧工具，但這個平台能否像 CUDA 一樣轉化為長期收入，仍要由真實部署和財務披露證明。
常見問題
NVIDIA Physical AI 是甚麼？
它是面向機器人、自動駕駛和工業系統的完整開發平台，包含訓練算力、世界模型、仿真、機器人策略模型、中間件和邊緣運算，而不是單一產品。
Cosmos、Isaac 和 GR00T 有甚麼分別？
Cosmos 主要提供世界模型和合成數據能力；Isaac 提供機器人仿真、訓練、評估與部署框架；GR00T 是面向通用機器人、特別是人形機器人的模型與參考平台。三者可以互相配合。
NVIDIA 會自己製造人形機器人嗎？
目前 NVIDIA 的主要角色仍是平台、晶片和參考設計供應商。2026 年公布的 GR00T Reference Robot 是與硬件夥伴合作的研究參考設計，不能視為 NVIDIA 已經成為大規模整機廠。
Physical AI 已經為 NVIDIA 帶來多少收入？
公司尚未獨立披露。2026 財年第四季只單列 6.04 億美元汽車收入，機器人、Omniverse、Isaac、Cosmos、GR00T 和 Jetson 收入沒有分拆，因此不能精確計算。
投資 NVIDIA 是否等於投資 Physical AI？
不是。NVIDIA 的主要收入仍來自數據中心等廣泛計算需求，Physical AI 只是其中一個長期平台方向。投資者同時承擔估值、競爭、客戶集中、晶片周期及其他業務風險。
官方資料來源
- NVIDIA：2026 年 Physical AI 與全球機器人合作
- NVIDIA Developer：Isaac GR00T 平台
- NVIDIA：GR00T 1.7 完整開發工作流程
- NVIDIA：Cosmos 世界基礎模型平台
- NVIDIA：GR00T 人形機器人參考設計
- NVIDIA：2026 財年第四季及全年業績
延伸閱讀
- 物理 AI 概念股與港美股產業鏈
- Physical AI、具身智能與世界模型有何分別
- 世界模型概念股與可投資敞口
- 人形機器人概念股與產業鏈
- 機器人 ETF：BOTZ、ROBO、ROBT、ARKQ 比較
本文只作產業研究與教育用途，不構成任何證券的推薦或投資建議。
本文僅供參考，不構成投資建議。