NVIDIA定调物理AI：EB级数据、OpenUSD与仿真落地

在SIGGRAPH 2026期间的NVIDIA Physical AI Day上，NVIDIA系统展示了其在物理AI和具身智能领域的最新布局。活动明确传递了一个核心信号：物理AI的发展高度依赖仿真技术，其底层基础设施和数据获取范式正在被重新定义。

已确认

标准与底座：OpenUSD与合成数据

NVIDIA正在大力推动OpenUSD成为3D内容、仿真和物理AI工作流的通用基础标准，呼吁行业广泛采用并推广Alliance for OpenUSD。官方在演讲中强调，物理AI始于仿真，OpenUSD与合成数据共同构成了这一技术路线的坚实底座。此外，NVIDIA还在推广免费的OpenUSD相关资源以降低开发门槛。

数据生成范式的转变

具身与物理AI的训练正经历从缓慢的实体数据采集向可规模化、可泛化数据生成的转型。NVIDIA指出，人形机器人和世界模型所需的训练数据规模可能高达EB级，约相当于自动驾驶的1000倍。为突破这一数据获取瓶颈，官方提出借助世界基础模型来推动物理AI的数据生成。

仿真走向现实应用

在具体应用层面，Lightwheel AI在活动中展示了具身机器人的实际案例：机器人首先在Isaac Lab Arena中完成仿真训练，随后被成功部署到真实手术室中执行相关任务。这标志着仿真技术在医疗等复杂场景中正加速落地。

为什么重要

NVIDIA的这一系列动作表明，具身智能面临的最大瓶颈是海量高质量训练数据的获取。通过确立统一的3D数据标准（OpenUSD）并利用算力与基础模型批量生成仿真数据，NVIDIA正试图为下一代物理AI打造一套以仿真为核心的底层基础设施生态。

2026-07-22 ~ 2026-07-23 · 6 条相关

一手来源