在2026年GTC开发者大会上，英伟达（Nvidia）再次聚焦“物理AI”（Physical AI），宣布将其平台能力进行大规模扩展。这一战略旨在通过芯片、模型、仿真工具及安全架构，为汽车、机器人、医疗及通信行业提供底层支持。英伟达首席执行官黄仁勋将自动驾驶称为“首个价值数万亿美元的机器人产业”，并断言“所有移动物体终将成为自主的”。
在自动驾驶领域，英伟达与Uber的合作伙伴关系迎来关键节点。计划于2027年上半年在洛杉矶及旧金山湾区启动Robotaxi服务，并目标在2028年扩展至全球28个城市。除了Uber，比亚迪（BYD）、吉利（Geely）和日产（Nissan）等车企也采用了英伟达的DRIVE-Hyperion架构。其中，日产结合了英国AI公司Wayve的软件，而五十铃则与TIER IV合作开发基于DRIVE-AGX-Thor芯片的自动驾驶巴士。为确安全，英伟达推出了基于ASIL-D认证的Halos OS操作系统，内置NCAP五星安全栈。
针对自动驾驶的感知与决策，英伟达发布了开源模型Alpamayo 1.5。该模型支持语音指令控制驾驶轨迹，并能处理多摄像头配置，自发布以来已吸引超过10万名开发者下载。同时，基于3D高斯泼溅技术的Omniverse NuRec仿真工具现已开放，可重构真实驾驶场景用于交互测试，被dSPACE、Foretellix及密歇根大学等机构采用。
在工业机器人领域，发那科（FANUC）、ABB、安川（YASKAWA）和库卡（KUKA）等巨头正将英伟达的Omniverse库和Isaac仿真框架集成至其解决方案中。针对人形机器人，英伟达展示了基础模型GR00T N2。据称，该模型在未知环境中完成新任务的成功率是现有领先模型的两倍以上，并已在MolmoSpaces和RoboArena基准测试中排名第一，预计2026年底商用。此外，Isaac Lab 3.0的发布将进一步提升机器人在DGX基础设施上的学习效率。
为了解决物理AI训练数据稀缺的痛点，英伟达推出了开源蓝图“物理AI数据工厂”（Physical AI Data Factory）。该方案通过自动化流程将原始数据转化为训练集，核心逻辑是将“数据获取难题”转化为“算力问题”。这意味着模型的性能瓶颈将不再取决于车队收集真实数据的能力，而是取决于企业投入的仿真计算资源。该蓝图计划于4月在GitHub开源，并整合了AI编码代理以优化数据流水线。
在边缘计算与通信方面，英伟达推出了通用版IGX Thor边缘计算平台，已应用于强生医疗的数字化手术平台、卡特彼勒的AI座舱助手以及Planet Labs的卫星数据处理。同时，英伟达联合T-Mobile和诺基亚，计划将5G网络改造为分布式边缘AI基础设施，把重型计算任务从云端下沉至网络边缘，以支持实时感知与决策，例如优化交通信号灯控制。
对于中国从业者而言，英伟达此次将“数据问题”重构为“算力问题”的思路极具参考价值。随着国内机器人及自动驾驶行业进入深水区，单纯依赖真实数据采集的成本已难以为继，构建高保真仿真环境与合成数据能力，将成为企业突破训练瓶颈、加速产品落地的关键竞争壁垒。