物理AI基础设施竞争加速成形
36氪将近期三项物理AI进展联系起来:Google DeepMind的Genie 4、扩展后的NVIDIA Isaac机器人开发平台,以及Intel与SAP的自主仓储概念验证。报道称,Genie 4可生成原生音频并通过自然语言实时改变模拟场景;NVIDIA则新增人形机器人参考平台、数据集和运行时,并更新机器人学习框架。Intel与SAP的演示将SAP EWM业务任务转换为机器人操作,并回传执行状态与结果。
这篇分析显示,物理AI的竞争已从单一模型能力延伸至世界模拟、机器人开发、边缘计算、工业软件和工作流集成的完整基础设施。
摘自汇总《英伟达/谷歌/英特尔接连出手,物理AI打响基础设施之争》
以 NVIDIA 此次扩展 Isaac 开放机器人开发平台为例,其布局已经覆盖机器人开发的多个关键环节——
数据基础设施: Human 1M包含多样化的人类活动、同步的三视角视频和 3D 手部追踪数据;SimReady Central Library 提供 2000 多个仿真就绪资产,为机器人训练提供数据和环境资源。
仿真训练: Isaac Lab 3.0是一个开源的、支持智能体的学习框架,利用多 GPU 工作流以及包括 Newton 和 NVIDIA PhysX 在内的物理引擎,支持从桌面端到数据中心训练并优化机器人策略。
运行时与部署: Isaac OS 是一款基于 NVIDIA Holoscan 构建的开源运行时框架,它将 AI、传感器、控制系统与机器人硬件无缝连接,从而实现从仿真环境到实体机器人的确定性实时性能。
边缘计算与安全: Jetson Thor等计算平台为机器人提供本地推理和实时控制能力,Halos 则进一步关注机器人部署过程中的安全问题。
从数据资源、仿真训练框架,到运行时软件、边缘计算平台和安全体系,英伟达正在将机器人开发过程中原本相对分散的技术环节整合起来。这也说明,英伟达并不满足于仅仅扮演机器人 AI 芯片供应商的角色,而是希望通过算力、模型、数据、仿真工具和软件框架,建立覆盖机器人开发全生命周期的技术生态。
这让人联想到 NVIDIA 当年通过 CUDA 构建 GPU 软件生态的路径——CUDA 不仅提升了开发者使用 GPU 进行并行计算的便利性,也逐渐成为 AI 计算领域的重要基础设施。如今,NVIDIA 希望通过 Isaac 将类似的生态优势延伸至机器人领域:开发者使用其工具生成数据、训练模型、开展仿真,并进一步在基于资深算力的平台上部署应用。当越来越多的机器人企业和开发者围绕这一体系开展工作,Isaac 的价值就不再局限于某一款软件或硬件,而可能体现在整个开发生态的集聚效应上。
#Google DeepMind#Genie 4#Gemini#NVIDIA#Isaac#Isaac Lab 3.0#Isaac OS#Intel#SAP#SAP EWM#Jetson Thor#Halos