2025年，人工智能正以前所未有的速度重塑整个汽车行业。从自动驾驶到智能制造，再到人形机器人，AI不仅让车辆更聪明，也在改变汽车从研发到生产的每一个环节。在今年的英伟达GTC（GPU Technology Conference）大会上，AI无疑成为了最火爆的话题。

正如此前英伟达CEO黄仁勋在CES上的主题演讲，英伟达正在将物理 AI（Physical AI）作为其技术布局的全新焦点。与传统AI主要聚焦于数据处理和软件优化不同，物理AI旨在赋能现实世界中的自动化系统，使其具备更强的自适应性和交互能力。这一理念的提出，意味着AI计算正从虚拟世界向现实环境深度融合，进一步推动自动驾驶和机器人技术的发展。

图片来源：英伟达

而在本届GTC大会上，英伟达不仅带来了全新一代自动驾驶计算平台，还展示了如何通过AI赋能人形机器人，让它们更好地适应复杂的现实世界。英伟达，这家从GPU起家的科技巨头，正凭借其强大的计算能力和AI应用能力成为自动驾驶和机器人领域的重要推动者。

AI如何重塑交通与机器人行业？

英伟达在GTC大会上展示的技术，不仅是对现有产品的升级，更是对未来交通和机器人行业的一次“预演”。从自动驾驶到人形机器人，AI正在成为这两个领域的核心驱动力。

1. 自动驾驶汽车AI的开发

尽管自动驾驶技术已经取得了显著进展，但距离真正的“无人驾驶”还有很长的路要走。

在此次GTC大会上，英伟达宣布推出Cosmos世界基础模型的重大更新。该模型引入了开放式、可完全定制的物理AI开发推理模型，让开发者以前所未有的方式控制世界生成。

图片来源：英伟达

“英伟达正在利用Omniverse和Cosmos加速自动驾驶汽车AI的开发，”黄仁勋这样认为。

例如，在与通用汽车的合作中，黄仁勋称双方将共同利用NVIDIA加速计算平台（包括搭载NVIDIA Cosmos™的NVIDIA Omniverse™）构建定制化AI系统，训练AI制造模型，优化通用汽车的工厂规划和机器人开发。通用汽车还将使用NVIDIA DRIVE AGX™车载硬件，打造未来的高级驾驶辅助系统和车内增强型安全驾驶体验。

英伟达还推出了NVIDIA Halos综合安全系统，将英伟达的汽车硬件、软件安全解决方案与其自动驾驶汽车安全领域前沿的 AI 研究相结合。

图片来源：英伟达

Halos涵盖芯片、软件、工具和服务，聚焦基于AI的端到端自动驾驶汽车堆栈，以确保自动驾驶汽车从云端到车端的安全开发。

2. 机器人 AI ：人形机器人生态的全新进展

众所周知，劳动力短缺是全球面临的重大挑战之一。据预测，到2030年，全球的劳动力缺口至少将达到5000万，机器人将能很好地弥补这一缺口。

然而，人型机器人的商业化一直是一个难题，主要原因在于其高昂的成本和复杂的技术要求。不过，随着AI技术的进步，这一局面正在改变。

英伟达通过Omniverse 提供统一的开发和AI仿真平台，人形机器人制造商可利用 Omniverse 快速构建“数字孪生”模型，实现从设计到验证的全流程优化。配合 Cosmos 的物理引擎，机器人在开发阶段即可进行高度真实的交互测试。

此外，英伟达推出了全球首个开源且完全可定制的AI基础模型NVIDIA Isaac GR00T N1，该模型可赋能通用人形机器人实现推理及各项技能，如单手或双手抓取、移动物体，将物体从一只手臂转移到另一只手臂，或执行需要长语境和通用技能组合的多步骤任务。

图片来源：英伟达

英伟达还与Google DeepMind和Disney Research合作，共同开发出开源物理引擎Newton，可让机器人学习如何以更高的精度处理复杂任务。

图片来源：英伟达

Blackwell Ultra+开源数据：英伟达的AI组合拳

自动驾驶和机器人行业正处在一个关键节点。根据麦肯锡的报告，到2030年，全球自动驾驶市场规模预计将达到4000亿美元，而人形机器人市场虽然起步较晚，但也被认为是一个潜在的万亿级市场。然而，这两个领域都面临着一个共同的挑战：算力。

自动驾驶汽车需要处理海量的传感器（如摄像头、雷达、激光雷达等）数据，并在毫秒级时间内做出决策。根据英伟达的数据，一辆L4级自动驾驶汽车每天产生的数据量高达4TB，这相当于2000部高清电影。

而人形机器人则需要更高的实时计算能力，以模拟人类的感知、决策和动作。目前，大多数机器人仍处于实验室阶段，距离大规模商业化还有一段距离。

英伟达正是看准了这一“算力饥渴”，在GTC大会上重磅推出Blackwell Ultra芯片平台和开源物理AI数据集，为行业提供了突破性的解决方案。

1. Blackwell Ultra

英伟达全新推出NVIDIA Blackwell AI工厂平台的新一代产品——NVIDIA Blackwell Ultra，开启了AI推理新时代。NVIDIA Blackwell Ultra提升了训练和测试时扩展推理能力（test-time scaling inference）， 即通过在推理过程中增加计算量来提升准确率的技术，以帮助全球各地的企业加速AI推理、代理式AI及物理AI等应用的开发与部署。

图片来源：英伟达

黄仁勋表示：“人工智能实现了巨大的飞跃——推理和代理式AI对计算性能的需求呈数量级增长，而Blackwell Ultra作为是一款单一且多功能的平台，能够轻松高效地完成预训练、后训练以及推理型AI推理任务。”

2. 开源物理AI数据集

训练自主机器人和车辆与物理世界有效互动需要海量高质量的数据，为此，英伟达在其全球AI大会 NVIDIA GTC上正式发布其大型开源数据集，助力构建下一代物理AI。

图片来源：英伟达

这个商业级、预先验证的数据集将帮助研究人员和开发者克服从零开始的挑战，顺利启动物理AI项目。开发者可以利用数据集开展模型预训练、测试和验证，或用于后训练以调优世界基础模型，加快部署进程。

初始数据集现可通过Hugging Face平台下载，为开发者提供15 TB数据，包含超过320,000条机器人训练轨迹，以及高达1,000个通用场景描述（OpenUSD） 资源。此外，还即将发布支持端到端自动驾驶汽车开发的专用数据。

未来，该数据集有望发展为世界上最大的统一、开源的物理AI开发数据集。可以为多种 AI 开发模型提供支持，包括能安全穿越仓库环境的自主导航机器人、外科手术辅助机器人，以及在施工区等复杂交通场景下穿梭自如的自动驾驶汽车。

技术狂飙后的冷思考

英伟达在GTC大会上展示的技术，无疑为自动驾驶和人形机器人行业注入了新的活力。然而，技术的进步也伴随着挑战。例如，自动驾驶的安全性和伦理问题、人形机器人的社会接受度等，都是需要解决的难题。

1. 自动驾驶的“最后一公里”难题

尽管DRIVE Thor芯片提供了强大的算力，但自动驾驶的“最后一公里”问题依然存在。例如，如何确保系统在极端天气或复杂路况下的稳定性？如何解决法律和伦理问题（如事故责任归属）？这些都是车企和技术公司需要共同面对的挑战。

2. 人形机器人的“社会接受度”

人形机器人的商业化不仅需要技术突破，还需要社会的接受。例如，机器人是否会取代人类的工作？如何保护用户的隐私和数据安全？这些问题都需要在技术发展的同时得到妥善解决。

技术的进步并非一蹴而就。自动驾驶和人形机器人的商业化之路依然充满挑战，需要技术公司、车企、政策制定者和社会各界的共同努力。无论如何，英伟达已经在这场AI驱动的革命中占据了先机。未来，随着技术的不断成熟和应用的普及，我们或许将迎来一个由AI主导的交通和机器人新时代。