NVIDIA Physical AI 是什么？Cosmos、Isaac、GR00T 与 Jetson 全解析
目录
- 一张图看懂 NVIDIA Physical AI 全栈
- NVIDIA Physical AI 各产品做什么
- Cosmos：为 Physical AI 建立可生成和推理的世界
- Omniverse 与 Isaac：在虚拟世界训练和验证
- GR00T：由看懂指令到产生机器人动作
- Jetson Thor：把模型放进实体机器
- NVIDIA 的护城河在哪里
- 1. 训练、仿真和部署共用同一套计算生态
- 2. 仿真与合成数据形成潜在飞轮
- 3. 既有工业和汽车客户缩短商业化路径
- 4. 可以在多个环节收费
- Physical AI 现在为 NVIDIA 带来多少收入
- NVIDIA Physical AI 和 CUDA 有何相似与不同
- 竞争和风险
- 投资者应追踪的八项证据
- Klaro Research 结论
- 常见问题
- 官方资料来源
- 延伸阅读
NVIDIA Physical AI 是一套让开发者训练、模拟、测试及部署机器人和自动驾驶系统的完整技术栈。它并不是单一芯片或单一 AI 模型，而是把 数据中心 GPU、Omniverse／Isaac 仿真、Cosmos 世界模型、GR00T 机器人策略模型，以及 Jetson 边缘运算连接起来。
简单说，NVIDIA 想在机器人时代复制 CUDA 在生成式 AI 的角色：开发者可以在 NVIDIA 平台收集和生成数据、训练模型、在虚拟环境测试，最后把同一套工作流程部署到实体机器。
Klaro Research 核心判断：NVIDIA 在 Physical AI 的真正优势不是「自己制造最多机器人」，而是同时控制训练算力、仿真工具、开放模型、开发框架和机载运算。这能形成跨层平台效应；但截至 2026 年 7 月，Physical AI 仍没有独立财务分部，不能把 NVIDIA 的数据中心收入或汽车收入全部视为机器人收入。
本文资料截至 2026 年 7 月 30 日，主要根据 NVIDIA 官方技术文件、2026 年产品发布与最新年度业绩整理。
一张图看懂 NVIDIA Physical AI 全栈
图：Physical AI 的工作流程由训练、世界生成与仿真、策略模型、评估和边缘部署组成；不同产品可以独立使用，也可以连成完整平台。
NVIDIA Physical AI 各产品做什么
| 层级 | NVIDIA 产品 | 主要作用 | 最容易被误解的地方 |
|---|---|---|---|
| 云端训练 | DGX、云端 GPU、CUDA-X | 训练世界模型、VLA 模型与机器人策略 | 数据中心 GPU 也服务 LLM、推荐、科学计算，并非全部来自机器人 |
| 世界生成 | Cosmos | 生成、理解及推理物理世界，建立合成数据和世界模型 | Cosmos 是模型平台，不是完整机器人作业系统 |
| 仿真与数码孪生 | Omniverse、Isaac Sim、Isaac Lab | 建立物理环境、训练及测试机器人策略 | 仿真成功不等于真机已经安全或具经济效益 |
| 机器人大脑 | Isaac GR00T | 以视觉、语言和机器人状态产生动作 | GR00T 是开放平台与模型家族，不代表 NVIDIA 自己销售大量人形机器人 |
| 中间件与部署 | Isaac ROS、CUDA-X libraries | 把感知、导航和策略模型部署至机器人 | 软件采用不一定会被单独披露为收入 |
| 机载运算 | Jetson Thor 等模块 | 在机器人上即时推理与控制 | 出货量、平均售价和机器人使用量尚未独立披露 |
理解这张表后，便能看清 NVIDIA 的定位：它主要销售「建造机器人的工具与算力」，而不是和每一家机器人整机厂直接竞争。
Cosmos：为 Physical AI 建立可生成和推理的世界
NVIDIA Cosmos是一套世界基础模型与工具平台，目的是让开发者用真实和合成数据，建立能理解、生成及推理物理场景的模型。
机器人学习面对一个根本问题：真实世界数据昂贵、危险场景少见，而且不同机器人的感应器和身体并不相同。Cosmos 尝试解决三类工作：
- 生成数据：把仿真场景转为不同光线、材质、天气和视角的逼真影像；
- 预测世界：根据目前环境和动作，推测下一个状态；
- 物理推理：理解空间、物体、因果和可能发生的结果。
这些能力可用于自动驾驶、工业机器人、视觉检测和人形机器人，但 Cosmos 本身不负责所有控制。它更像模型与数据层，需要与仿真、策略模型、机器人中间件和硬件配合。
Omniverse 与 Isaac：在虚拟世界训练和验证
如果 Cosmos 负责生成与理解世界，Omniverse 和 Isaac 更接近「实验场」。
- Omniverse提供基于 OpenUSD 的数码孪生和模拟基础设施；
- Isaac Sim用物理仿真测试感应器、机器人和环境；
- Isaac Lab用于机器人学习、强化学习和策略训练；
- Isaac Lab-Arena提供较一致的任务和评估流程；
- Isaac Teleop协助收集人类遥距操作示范数据。
NVIDIA 在 2026 年 3 月表示，FANUC、ABB、YASKAWA 和 KUKA 等工业机器人厂商正在把 Omniverse libraries 与 Isaac 仿真框架整合到虚拟调试流程；这些公司的全球安装基础合计超过 200 万台机器人。这是平台采用的证据，但不等于所有已安装机器人都使用 NVIDIA，也不代表相关收入已经单独披露。
仿真的价值主要来自三点：
- 在不损坏设备或危害人员的环境测试；
- 生成罕见和危险场景；
- 在工厂正式改线前，以数码孪生验证流程。
最大的限制则是 sim-to-real gap（仿真到现实差距）。摩擦、材质、感应器噪声、设备磨损和人员行为不可能被完全重现，所以虚拟测试不能取代真机验证。
GR00T：由看懂指令到产生机器人动作
Isaac GR00T 是 NVIDIA 面向通用机器人、特别是人形机器人的开放参考平台。它包含数据管线、机器人基础模型、仿真、评估、中间件和部署工具。
2026 年 7 月公布的 GR00T 1.7是一个 vision-language-action（VLA）模型：它接收影像、语言和机器人状态，再输出可以执行的动作。NVIDIA 官方技术文章披露，模型预训练使用约 32,000 小时真实人类示范／第一身视角数据，以及约 8,000 小时仿真 rollout 和示范数据。
一套典型工作流程包括：
- 在 Isaac Lab-Arena 建立任务；
- 用 Isaac Teleop 收集真实或仿真示范；
- 用 GR00T 和训练脚本建立策略；
- 在仿真环境重复评估；
- 经 Isaac ROS 和 Jetson Thor 部署至真机。
这套设计的战略意义是降低整合成本。机器人公司可以只使用其中一层，也可以采用完整工作流程；对 NVIDIA 而言，每多使用一层，开发者转往其他算力和软件组合的成本便可能提高。
Jetson Thor：把模型放进实体机器
云端训练完成后，机器人仍需要在现场以低延迟感知、推理和控制。Jetson 系列就是 NVIDIA 的边缘运算平台，Thor 世代面向高阶机器人和 Physical AI。
它在整个平台中的角色可以理解为：
- 数据中心 GPU 负责大规模训练；
- Omniverse、Cosmos 和 Isaac 负责生成、仿真和测试；
- Jetson 负责在机器人上即时执行模型；
- Isaac ROS 连接感应器、导航、策略和控制。
NVIDIA 亦在 2026 年公布以 Jetson Thor、Unitree H2 Plus 和灵巧手组成的开放人形机器人参考设计，计划在 2026 年末供研究机构使用。参考设计的作用是建立共同硬件基线，让研究者比较模型和任务；它目前不是 NVIDIA 大规模进入整机制造的证据。
NVIDIA 的护城河在哪里
1. 训练、仿真和部署共用同一套计算生态
单独提供芯片的竞争者，未必同时拥有世界模型、仿真、机器人开发框架和边缘模块。NVIDIA 的优势是把不同阶段放进熟悉的 CUDA、TensorRT 和开发工具体系。
2. 仿真与合成数据形成潜在飞轮
更多开发者使用 Isaac 和 Cosmos，可能产生更多任务、数据格式和评估方法；更成熟的工具又能吸引更多机器人公司。不过，大量模型和框架采用开放授权，开发者仍可混用其他硬件或工具，飞轮并非完全封闭。
3. 既有工业和汽车客户缩短商业化路径
ABB、FANUC、KUKA、YASKAWA、Siemens、Mercedes-Benz 等合作伙伴已经在工业或汽车市场营运。与只做研究展示的生态相比，既有客户更有机会把工具带进实际生产流程。
4. 可以在多个环节收费
Physical AI 若增长，NVIDIA 理论上可从云端训练 GPU、RTX PRO 仿真、Jetson 模块、软件支援和网络设备等多个环节受惠，而不必押注某一个机器人品牌成为最终赢家。
Physical AI 现在为 NVIDIA 带来多少收入
这是目前不能精确回答的问题。
NVIDIA 2026 财年第四季业绩披露：
- 单季总收入 681 亿美元；
- 数据中心收入 623 亿美元；
- 汽车收入 6.04 亿美元；
- 全年汽车收入 23 亿美元。
公司把业务更新章节命名为「Automotive and Robotics」，但财务数字只单列 Automotive revenue，没有独立披露机器人、Omniverse、Isaac、Cosmos、GR00T 或 Jetson 的收入。
因此，以下推论都不严谨：
- 把全部数据中心收入视为 Physical AI 训练收入；
- 把全部汽车收入视为机器人收入；
- 根据合作伙伴数量直接推算软件收入；
- 把开源模型下载量等同付费客户。
更可靠的做法，是先把 Physical AI 视为 NVIDIA 下一个平台选择权，再等待公司开始披露独立收入、出货、付费软件或重大客户部署。
NVIDIA Physical AI 和 CUDA 有何相似与不同
相似之处在于，两者都尝试建立开发者生态：
- CUDA 把模型和应用绑定至 GPU 计算工具链；
- Physical AI stack 把机器人数据、仿真、策略训练和部署连接至 NVIDIA 软硬件。
不同之处是，机器人比纯软件复杂得多。它还依赖：
- 感应器、马达、减速器和机械结构；
- 工厂流程、安全规范与责任；
- 真实世界数据与长尾场景；
- 维修、能源、人工监督和单位经济。
所以，即使 NVIDIA 成为主要平台，机器人产业的价值仍会分散在整机、零部件、软件、系统整合与营运服务，不会全部归于 GPU 供应商。
竞争和风险
| 风险 | 为什么重要 | 应观察什么 |
|---|---|---|
| 机器人商业化慢 | 技术展示不一定转化为大规模付费部署 | 真实任务量、利用率、人工接管和单位经济 |
| 开放模型降低锁定 | 开发者可混用其他模型、仿真和硬件 | GR00T／Isaac 是否成为事实标准，而不只是下载 |
| 云端和芯片竞争 | 其他 GPU、ASIC 和云端平台可承担部分训练 | 客户是否跨平台，软件对非 NVIDIA 硬件的依赖 |
| sim-to-real gap | 仿真成功不能保证真机安全可靠 | 真实部署失败率、认证、保险与责任制度 |
| 收入披露不足 | 叙事可能快过实际盈利 | 独立机器人收入、Jetson 出货、软件 ARR 或订单 |
| 客户自研 | 大型车厂、云端或机器人公司可能自建模型与芯片 | 客户采用 NVIDIA 的层数和长期合约 |
最大的估值风险不是 Physical AI 没有前景，而是市场可能在收入形成前，已经把很大的终局价值计入 NVIDIA 股价。
投资者应追踪的八项证据
- Jetson Thor 的量产出货与具名客户；
- Isaac／Omniverse 是否进入付费生产流程，而不只试验；
- GR00T 在不同机器人身体和任务的真实成功率；
- Cosmos 生成数据是否缩短开发时间或降低成本；
- 工业合作是否由技术整合进入大规模部署；
- NVIDIA 是否开始单列 Robotics 收入或订单；
- 客户是否同时采用训练、仿真和边缘三层；
- 机器人整体的单位经济和安全责任是否可接受。
这些证据比一次发布会中出现多少机器人，更能判断 NVIDIA 是否正在建立下一个可持续平台。
Klaro Research 结论
NVIDIA Physical AI 的版图可以浓缩成三部电脑与一套模型工作流：
- 训练电脑：数据中心 GPU／DGX；
- 仿真电脑：Omniverse、Cosmos、Isaac；
- 机器人电脑：Jetson Thor；
- 模型与部署：GR00T、Isaac ROS、CUDA-X。
它的优势是完整、开放而且已连接大量工业伙伴；它的不足是机器人商业化仍早，收入披露亦远落后于产品叙事。
因此，现阶段最合理的判断不是「NVIDIA 已经垄断机器人」，而是：NVIDIA 已建立一套有机会成为 Physical AI 标准开发平台的全栈工具，但这个平台能否像 CUDA 一样转化为长期收入，仍要由真实部署和财务披露证明。
常见问题
NVIDIA Physical AI 是什么？
它是面向机器人、自动驾驶和工业系统的完整开发平台，包含训练算力、世界模型、仿真、机器人策略模型、中间件和边缘运算，而不是单一产品。
Cosmos、Isaac 和 GR00T 有什么分别？
Cosmos 主要提供世界模型和合成数据能力；Isaac 提供机器人仿真、训练、评估与部署框架；GR00T 是面向通用机器人、特别是人形机器人的模型与参考平台。三者可以互相配合。
NVIDIA 会自己制造人形机器人吗？
目前 NVIDIA 的主要角色仍是平台、芯片和参考设计供应商。2026 年公布的 GR00T Reference Robot 是与硬件伙伴合作的研究参考设计，不能视为 NVIDIA 已经成为大规模整机厂。
Physical AI 已经为 NVIDIA 带来多少收入？
公司尚未独立披露。2026 财年第四季只单列 6.04 亿美元汽车收入，机器人、Omniverse、Isaac、Cosmos、GR00T 和 Jetson 收入没有分拆，因此不能精确计算。
投资 NVIDIA 是否等于投资 Physical AI？
不是。NVIDIA 的主要收入仍来自数据中心等广泛计算需求，Physical AI 只是其中一个长期平台方向。投资者同时承担估值、竞争、客户集中、芯片周期及其他业务风险。
官方资料来源
- NVIDIA：2026 年 Physical AI 与全球机器人合作
- NVIDIA Developer：Isaac GR00T 平台
- NVIDIA：GR00T 1.7 完整开发工作流程
- NVIDIA：Cosmos 世界基础模型平台
- NVIDIA：GR00T 人形机器人参考设计
- NVIDIA：2026 财年第四季及全年业绩
延伸阅读
- 物理 AI 概念股与港美股产业链
- Physical AI、具身智能与世界模型有何分别
- 世界模型概念股与可投资敞口
- 人形机器人概念股与产业链
- 机器人 ETF：BOTZ、ROBO、ROBT、ARKQ 比较
本文只作产业研究与教育用途，不构成任何证券的推荐或投资建议。
本文仅供参考，不构成投资建议。