Nvidia ingin membuat "Android" untuk "AI Fisik"

撰文：鲍奕龙

Sumber：华尔街见闻

英伟达 sedang berupaya keras membangun platform default di bidang robotik, bertujuan meniru dominasi Android dalam sistem operasi ponsel pintar.

Pada 5 Januari,英伟达 CES 2026 meluncurkan beberapa model dasar sumber terbuka, termasuk beberapa model dasar sumber terbuka yang memungkinkan robot melakukan penalaran, perencanaan, dan adaptasi dalam berbagai tugas dan lingkungan, semua model terbuka di platform Hugging Face.

英伟达 juga meluncurkan generasi baru arsitektur Blackwell dari kartu grafis Jetson T4000, serta pusat kendali sumber terbuka bernama OSMO, untuk mendukung seluruh alur kerja pengembangan robot. Perusahaan juga memperdalam kerja sama dengan Hugging Face, bertujuan menurunkan hambatan perangkat keras dan teknologi dalam pelatihan robot.

Pengaturan ini mencerminkan tren industri di mana kecerdasan buatan berpindah dari cloud ke dunia fisik. Dengan menurunnya biaya sensor, kemajuan teknologi simulasi, dan peningkatan kemampuan generalisasi model AI, robot sedang berkembang dari pelaksanaan tugas tunggal menuju generalisasi. Perusahaan seperti Boston Dynamics, Caterpillar, dan lainnya sudah mulai menggunakan teknologi英伟达, dan kategori robot menjadi bidang dengan pertumbuhan tercepat di platform Hugging Face.

Membangun Matriks Model Lengkap

Model dasar yang dirilis英伟达 kali ini membentuk lapisan kemampuan inti dari AI fisik.

Cosmos Transfer 2.5 dan Cosmos Predict 2.5 adalah model dunia yang bertanggung jawab atas sintesis data dan evaluasi strategi robot, dapat memverifikasi perilaku robot dalam lingkungan simulasi.

Cosmos Reason 2, sebagai model bahasa visual berpenalaran, memberi sistem AI kemampuan untuk mengamati, memahami, dan bertindak di dunia fisik.

Isaac GR00T N1.6 adalah model bahasa visual dan aksi yang dikembangkan khusus untuk robot humanoid, menggunakan Cosmos Reason sebagai inti penalaran, dan mewujudkan fungsi kontrol seluruh tubuh, memungkinkan robot humanoid melakukan pergerakan dan manipulasi objek secara bersamaan.

英伟达 memperkenalkan Isaac Lab-Arena di CES, sebuah kerangka simulasi sumber terbuka yang dihosting di GitHub, bertujuan mengatasi masalah industri dalam verifikasi kemampuan robot.

Seiring robot belajar melakukan tugas kompleks seperti penanganan objek secara presisi dan pemasangan kabel, verifikasi kemampuan ini di lingkungan fisik seringkali mahal, memakan waktu, dan berisiko.

Platform ini mengintegrasikan sumber daya, skenario tugas, alat pelatihan, serta benchmark seperti Libero, RoboCasa, dan RoboTwin, membangun kerangka kerja umum yang sebelumnya kurang standar di industri. Platform sumber terbuka OSMO sebagai pusat kendali mengintegrasikan seluruh alur kerja mulai dari pembuatan data hingga pelatihan, mendukung lingkungan desktop dan cloud.

Menurunkan Hambatan Perangkat Keras

Anggota baru seri Thor, kartu grafis Jetson T4000 yang dilengkapi arsitektur Blackwell, sebagai solusi peningkatan daya komputasi perangkat biaya-efisien, menawarkan 1200 triliun operasi floating point AI dan memori 64GB, dengan konsumsi daya antara 40 hingga 70 watt.

英伟达 juga memperdalam kerja sama dengan Hugging Face, mengintegrasikan teknologi Isaac dan GR00T ke dalam kerangka LeRobot milik mereka, menghubungkan 2 juta pengembang robot英伟达 dengan 13 juta pembangun AI Hugging Face.

Robot humanoid sumber terbuka Reachy 2 kini langsung mendukung chip Jetson Thor dari英伟达, memungkinkan pengembang menguji berbagai model AI tanpa terkunci dalam sistem proprietary.

Tanda awal menunjukkan strategi英伟达 mulai menunjukkan hasil. Robot menjadi kategori dengan pertumbuhan tercepat di platform Hugging Face, dan model英伟达 menduduki posisi terdepan dalam jumlah unduhan. Perusahaan seperti Boston Dynamics, Caterpillar, Franka Robots, dan NEURA Robotics sudah menggunakan teknologi英伟达.

Pengaturan ini mencerminkan niat strategis perusahaan untuk mempermudah pengembangan robot, sekaligus menempatkan dirinya sebagai penyedia perangkat keras dan perangkat lunak dasar, mirip peran Android bagi produsen ponsel pintar.

Seiring AI berpindah dari cloud ke mesin yang mampu belajar dari dunia fisik, sensor yang lebih murah, teknologi simulasi canggih, dan model AI yang mampu melakukan generalisasi lintas tugas mendorong transformasi industri secara keseluruhan.