英伟达有机器人计划吗
英伟达不务正业，转行造机器人了。 lg 刚宣布合作 troy 的 机器人用上英伟达的仿真训练技术，先模拟再上岗，试错成本骤降。同一天， 英伟达发布开源多模态模型 nano， 三百亿参数混合专家架构，视觉音频语言三合一智能体推理，效率直接拉高九倍。从造显卡到造机器人，黄仁勋这盘棋下的够大。
粉丝1.3万获赞17.5万
相关视频
01:22查看AI文稿AI文稿这期呢，还是跟大家谈一谈英伟达的瓦力机器人。老黄的这个机器人啊，我觉得目前是独一无二的，和其他会翻跟斗啊，跳霹雳舞啊，包括身体转来转去的机器人啊，完全不一样。当然我不是贬低其他机器人啊， 这些机器人呢，用在某些工业领域呢，或者其他地方或许是很不错的选择，但是他们更多的还是机器，只不过可能做成一个人的模样而已。而展会上 在现场演示的时候呢，很多时候他那些炫酷的技能啊，其实后台是有人在操控或者预先编程了，但是我敢说，老黄的这两个瓦力机器人啊，绝对没有人在后台操控， 或许这是我个人的感觉，但是这不正是因为人才有的感觉吗？或者说感觉就是生命所特有的一种东西啊，你再仔细想想，再仔细看看老黄对待这两个小家伙的一种表现吧，他像不像老父亲带着自己的一双儿女，或者说 某个人带着自己的心爱的宠物狗狗？最终的是这两个小家伙呀，他也确实透露出了一些灵性，似乎是能够识别和应对人的感情， 这个非常重要，这或许才是英伟达真正的技术核心的极大成者，目前还是无法量产的非卖品，你觉得呢？欢迎评论区讨论一下。
419GEEK数码科技
02:43查看AI文稿AI文稿他背后的三个技术，英伟达完全可以垄断未来。您现在看到的是黄仁勋在二零二六年 cs 大 会上展示的小机器人。很多人看完这个片段之后，感觉，啊，又发布了一个机器人，哇，好可爱啊！但是我花了两个小时的时间看完了发布会，又花了一天的时间深挖技术文章得出了一个结论，就是英伟达已经完全有 能力垄断未来所有物理机器人的市场份额。接下来，我会花两分钟向你拆解这个载体身上，因为它布局多年的三个核心技术通盘，你可能会和我一样感觉到毛骨悚然。第一个技术就是塞进这个机器人身体里面的 jackson 芯片，这是他的大脑。 它的故事要回溯到二零一四年，最早叫做 jackson tikki。 一 起初，英美达人想做手机市场，但这个市场份额并没有做起来。于是黄仁君做了一个极其大胆决定，把它运用到了 ai 机器人领域。在经历了 t 叉、 one、 trevor orange 整整十二年的疯狂迭代以后，每一代的算力都成倍增长。直到今天，它的算力已经达到了惊人的每秒八百万亿次。 有了它，机器人不再需要联网，就能在本地瞬间处理眼睛看到的，耳朵听到的，并且直接指挥手脚进行行动。那么现在有了大脑，我们就要对大脑进行训练。 于是就有了第二个技术， omniverse。 在 现实中，制造机器人太慢、太贵、太危险了。但在 omniverse 里，英伟达把地球的重力、光线摩擦力全部都代码化了， 因为他们积累了超过二十年的光线追踪、 rtx 和物理引擎技术，大家才发现，老黄做了几十年的显卡，原来不只是为了让我们打游戏爽，而是为了能够给机器人造一个能够用来练级的平行世界。 机器人在这里训练，时间是可以加速的，现实过一个小时里面可能已经模拟了十年，他在虚拟现实里摔倒一万次，现实中只需要把学好的脑子下载下去，就一定不会摔倒。最后是三者中最年轻的技术，也是最后一块拼图 project group， 没错，就是电影里面那个 group。 这是机器人的灵魂，他让机器人从执行命令的死机器变成了能够听懂人话的智能屏，可以理解把叉 gpt 植入到他身体里面， 这也是一个多模态的 ai 模型，你给他看视频，对他说话，他就能理解逻辑并且输出动作。他采用了强化学习技术，这让机器人有了极强的泛化能力，也就是说换个身体，换个环境，它照样能动。 总结一下就是英伟达用了十二年做出了 jackson 芯片，用了二十年的时间，积累了 omniverse 的 物理仿真，赶上了最近三年 ai 大 模型爆发，这三条漫长的河流终于在二零二六年汇入大海，引发了人形机器人的寒武级大爆发。 在这三位一体的支持下，你想想看，以后任何的有听看能力的电子设备都可以成为机器人，汽车是装了四个轮子的机器人，无人机是长了翅膀的机器人。最终连我们身处的工厂仓库本身就是一个巨大的机器人， 货架在移动，叉车在穿梭，所有设备都在顾问的指挥下拥有了生命。这不是科幻电影，这是英伟达正在交付的未来。
8310柱子哥TzFilm
00:52查看AI文稿AI文稿哎，不少小伙伴好奇，英伟达的机器人网力为什么这么灵动呢？现在可以看一下它的开源模型。先声明一下，英伟达已经把 cosmos 和 g 二零零 t 都开源了， 赫什玛时是开源推理视觉语音模型，通过它能使智能机器人能够像人类一样看见和理解物理世界并采取行动，再加上 g r 零零 t 开放式推理视觉语音行动模型，便可解锁全身控制能力。这也就是为什么黄仁勋和瓦力互动跳起来便是这个逻辑理解的。当然，瓦力还有一个很厉害的点在于， 他的训练是在一个虚拟世界里面学会的，通过一比一还原物理规律，从反证到现实，把训练直接装进机器人。 因此啊，不用像在现实世界训练机器人会遇到磕磕碰碰。此外，在 g 二零 t 开源模型主要大家能看到语速和资源的机器人案例，国内机器人也很厉害的。不管怎么样，机器人进步对于科技来说都是好事啊。
1329作手阿飞
02:25查看AI文稿AI文稿有人要颠覆消费级机器人行业了，没有夸张的机械感造型，不用沉甸甸的遥控器，你猜他靠什么在机器狗领域抑菌突起，不仅完成了对英伟达的技术突围，还让曾经动辄好几万的机器狗像智能家电一样走进几万个家庭的客厅。他就是蔚蓝科技，一个预计 q 三会正式上市新品的聚生智能公司。就在前两天，他发布了 baby alpha a 三消费吉斯族机 机器人，一个真正能睁眼看世界、能看懂、能听懂、能自主思考的家庭智能伙伴。他的眼睛六千六百万像素，是行业主流的三十三倍，搭配 hdr 一 百四十 db 的 动态范围，直接跨过人眼一百到一百二十 db 的 理论极限，再加上五组三 d top 加三 d 结构光组成的三百六十度环视面阵点云密度高达两百二十三点二万点每秒，给 你家里每一寸空间做高密度的厘米级建模，十二阵列仿生立体麦克风，声源定位精度达正负三度，像人耳一样精准判断声音方向和距离。 一整套超越人类视觉的感知系统，让他对你家里的角角落落都了如指掌。说白了，只有让机器人的感知能力超过人类，他才能比你更安全的自主行动，而不是反过来让你去照顾他。但要让机器人真正走进家庭，光靠感知升级还不够。过去五年，消费级机器人一直困在单一芯片方案里，高端芯片贵的离谱， 国产方案运行大模型又力不从新。蔚蓝用了整整七年，坚持全站自研，从硬件到算法不依赖外人自研。六芯片混合易购计算机，两块五纳米感知智能芯片、 块八纳米系统级 so c 芯片，两块三 d 堆叠芯片，二十二个大核 cpu 协同工作，为机器人配了一个高效协助的智能决策团队。结果呢？七十亿参数端侧稳定运行两百八十 tops， 而同等算力的成本只有英伟达 jackson a g x thor t 五千的十分之一。这不是简单的升级，而是机器人本地算力的代际跃迁。对比上一代 a 二，算力提升一千倍，视觉感知能力提升三十三倍，帧率提升十六倍，空间感知 能力提升五百五十八倍，听觉感知能力提升七十二倍，宽动态感光能力提升一千倍。说实话，这种踏踏实实做技术的品牌，真的很难不圈粉。 从二零二二年国内首个四足机器人量产工厂头产，到二零二四年全球首家具身智能体验店落地，再到 baby alpha 系列累计销量突破二点五万台，家庭消费者占比超百分之九十，用户使用时长超九点五亿分钟。 他就这样一点一点构建了产品到数据到智能，再回归到产品的正向循环，用几万个真实家庭数据，去打磨一台越来越懂生活的机器人。 第三，目前定位万元级。他没有想着做更贵更遥不可及的炫技玩具，而是拼命把技术成本打下来，让普通家庭用得起具身智能，支起了一个人造劳动力站得住脚的起点。从四足到双足，从家庭到办公再到未来，通用机器人，让属于每个人的机器人时代来得更快、更猛烈。
444Ai斌工厂
06:39查看AI文稿AI文稿机器人现在的问题大家都知道，能跑马拉松，能跳舞，但没脑子。如果不把机器人大脑模型搞定，机器人的价值会大打折扣。过去一年，虚拟世界的 ai 已经从会聊天进化到能干活了，也就是说，虚拟世界的机器人已经验证商业价值了。 但是物理世界的机器人在大脑模型上进展不大。在一年一度的红山 ai 大 会上，英美达的华人科学家 jim feyn 详细解释了为什么会这样，以及未来应该怎么解决这个问题。 jim 说，过去机器人大脑的模型叫 v l a， 全称叫视觉语言、动作模型。 看上去视觉、语言、动作这三个元素是平等的，但事实并不是这样，在这样的模型里，语言是第一功名， 视觉其次动作最后。这就造成了一个问题，他很擅长理解知识和名词，比如可乐罐 taylor swift， 但他不擅长理解物理和动词，比如拿起倒水折衣服。 jim 说，这叫头重脚轻， 因为机器人真正需要的不只是知道这是什么，更重要的是知道如果我做这个动作，世界会怎么变。为了让世界变成目标状态，我该做什么动作。所以底层模型的训练方式要从文字为主变成视频为主。 为什么呢？因为研究员发现，当视频模型学习了足够多的视频之后，如果让他去尝试预测下一帧的画面，他就会慢慢学会类似于重力、浮力、光照、反射、照射这样的物理规律。比如谷歌最新的视频模型 vivo 三，已经可以在没有任何训练素材的前提下，非常真实的模拟浮力和反射了。甚至 他还学会怎么走迷宫了。英伟达内部正在做一种新的机器人策略模型，名叫 dream zero。 这个模型同时预测两件事，第一，接下来的世界状态。第二，接下来该怎么行动。 这种预测被研究员称为梦见。研究发现，如果他梦见的东西，也就是对未来画面的预测是对的，动作通常也会成功，反之则会失败。这样的模型就是我之前给大家介绍过的 w a m， 也就是 world action model 世界行动模型。 所以注意啊，以后不要再关注 v l a 模型了。更有前景的是， w a m 模型，靠模型策略搞明白了，那接下来就要解决用来训练模型的海量数据从哪里来的问题了。 虚拟世界的 ai 之所以发展神速，是因为用的底层模型是 l l m， 也就是大语言模型，而用来训练大语言模型的数据就是文字这样的数据，互联网上图书管理到处都是，人类积累了上千年。但是对于用来训练机器人底层模型 w a m 的 视频数据， 尤其是跟物理世界互动的视频和动作数据，人类从来都没有积累过，所以需要从零去积累。怎么积累呢？过去几年，机器人数据的收集主要靠 tele operation， 也就是摇操作。什么是摇操作呢？你看，就是这样，人戴着 vr 眼镜，穿着各种复杂的装置， 远程控制机器人干活。用这种方式采集数据问题很大，最大的问题是数据采集的速度被真实机器人的数量和人类的时间卡死了。 理论上来说，每台机器人每天最多能采集二十四小时的数据，这其实已经非常有限了，更何况现实中因为机器人经常出问题，结果一天可能只有三小时有效数据。于是聪明的研究员们发明了 umi， 全程是 universal manipulation interface， 中文叫通用操作接口。这个思路很巧妙，人直接把机器人的手戴在自己手上，用人的动作直接采集数据， 这样就绕开了整台机器人，把数据采集的效率大幅提高了。我们来对比一下，左边是人直接采集数据，速度最快，但没办法跟机器人硬件对齐。右边是传统的摇操作，数据很全，但很慢。中间的 u m i 兼顾了采集速度和机器人硬件对齐。但是这样的数据采集方式还是不够高效， 毕竟机器人的手操作起来还是有难度的。怎么进一步降低采集难度呢？答案是 egocentric video， 也就是人类第一视角视频。这种方式不再需要采集数据的人带着机器人的手去工作，而是人带着摄像头记录用自己的手做各种事情的过程就够了。 这样采集数据不仅更方便更自然，而且可以完成一些更灵巧的任务，比如分拣卡片、操作注射器、叠衣服等等。 这些数据只需要做一定的处理，就能用来训练机器人了，而且质量已经得到了验证。去年十一月四日，美国知名的机器人大脑公司 generalist 发布了 g n zero 模型， 用超过二十七万小时的数据证明了人类低视角视频。这类数据具备 scaling law， 也就是规模定律，意思是预训练视频小时数越多，模型在操作上的能力越强，两者的相关性非常明显。今年四月二号， generalist 发布的 g n one 模型 训练数据，时长从二十七万小时提高到了五十万小时，任务平均成功率从之前的百分之六十四提升到了百分之九十九，执行速度是之前的三倍，这相当于进一步确认了这类数据的 scaling log。 jim 预判，未来一两年，摇操数据会迅速下降到几乎可以忽略，机器人数据的主食会从机器人数据变成人类数据。到这里，数据的问题完全解决了吗？还差最后一步。前面讲的都是预训练，相当于学知识，除了学知识，还需要做练习，这就是强化学习。 强化学习的基本逻辑是，机器人做一个动作，环境，给他一个反馈，机器人根据反馈去调整策略。如此重复很多次。 问题来了，在真实环境里做强化学习非常麻烦，因为一个真实环境往往就意味着一台真实机器人，一个真实的桌面，一堆真实物体，人工一遍一遍重置任务，你稍微想想都觉得成本很高。 如果你想要搭建一百万个机器人强化学习的环境，这就成了一个不可能完成的任务。于是就需要把环境数字化，把现实世界搬进仿真世界，让机器人在仿真世界里练动作，然后再回到现实世界。这个过程有个学名叫 real to sim to real， 也就是现实到虚拟，再回到现实。 jim 介绍了一个项目，叫 dreamdojo， 这应该是英美达的一个项目， github 上面已经有页面了。 dreamdojo 是 一个机器人世界模型，你只要输入机器人的连续动作信号，这个模型就会给你输出这些动作在仿真世界里的效果。 你可以把 dreamdojo 看成是给机器人强化学习用的练功房，有了这个仿真练功房，机器人就不用每次在真实世界里摔杯子撞桌子，而是可以先在 dreamdojo 这个 ai 驱动的仿真世界里大量试错，先把动作练到九十五分，再回到现实世界里补齐最后的五分。 到这里，机器人训练相关的数据收集以及生成方法论就完整讲完了。不过有方法论只是第一步，后面在落地的过程中还有非常多的工作要做，这方面专门有公司在搞，未来我找机会给大家详细介绍相关的公司。 最后这也没有忘记给自己的东家英伟达做广告，他说 compute environment equals data， 也就是训练机器人需要数据，数据来源于环境，而环境是由算力生成的， 所以机器人大脑往前走的原动力还是算力。虽然我说这是广告，但我认为这也是客观事实。看着架势，虚拟世界的 ai 缺算力的问题还没有解决，物理世界的 ai 很 快也要来抢算力了。你觉得算力供不应求的局面还要持续多久呢？欢迎在评论区聊一聊。
3972哈佛老徐抓AI趋势
00:30查看AI文稿AI文稿兄弟们，英伟达在 c e s 二零二六发布的这套物理 ai 生态野心已经彻底明牌了，它就是要当机器人界的安卓。老黄这次寄出的三板斧，直接把行业的准入门卡拉到了地板上。那以前造机器人要先搞定物理定律啊，算力底座，那现在英伟达全包了，厂商只需要套个壳，做好功能设计。 与老黄的平台化打法不同，马斯克走的是苹果路线，那特斯拉是全站闭环，他的核心竞争力是他的私域数据，那英伟达是在做卖产人，赋能千行百业，那这波你觉得谁能笑到最后？
117大姚叨叨叨
03:19查看AI文稿AI文稿每隔十来年，世界就会换一次底层操作系统。如果类比互联网时代，我们现在大概处于淘宝和智能手机诞生的前夜，真正的 iphone 时刻还没到。但今年的 ces， ai 已经开始动手干活了。大家好，我是黑屏 老黄，说每十到十五年就会来一次平台大迁移。现在轮到 ai 平台的时代了，从台式机到笔记本电脑，算力成为了个人的工具，再到互联网，连接比计算更加重要。在这个阶段，网页搜索和电商纷纷崛起 之后，应运而生的是云服务，接着是智能手机的出现。从浏览器到口袋，一切应用围绕场景又需要重做一遍。我们现在用的微信、抖音、小红书玩的王者荣耀都是这个阶段后的产物。 ai 平台是比互联网更有想象力的升级版，互联网只是把信息工业化了，而 ai 要做的是把决策与行动都给承包了。智能体就像是浏览器和网页，不需要人动手， ai 就 自动上手，把活都干了。物理 ai 更是让它从屏幕走到现实世界，不管是工厂、汽车、物流还是千家万户。如果说前两年 c e s 还更像是给万物都加上一个语音助手的话，今年则更像是给万物装上了智能手铰。 新伟达出了新发布的 ruby 平台，一台由六颗芯片组成的 ai 超热计算器以外，还发布了一套开源自动驾驶推理生态 app mario， 包含会思考的驾驶老式模型、仿真框架和开放数据集，主要为了攻克最难的百分之一的场尾场景。 它的核心是让自动驾驶开始会思考推理，还能把理由讲出来，解释自己为什么会这么拍，以及可以反复训练和验证。除了车，物理 ai 也在不断渗透工厂和机器人。 有老黄演示的瓦力风格家庭服务机器人，有 lg 出的能洗衣叠衣做家务的家庭机器人。最引人注目的还是大名鼎鼎的波士顿动力，他们家的阿特拉斯 与谷歌旗下的 deepmind 的 合作，搭载机面的模型能力，让机器人更智能、更适应人类的日常工作，甚至直接进场拧螺丝打工。还有三星超薄三 d 风格显示屏，五十二毫米厚，用空间光学做出更强的纵深感，把二 d 画面做成了三 d 视觉感， 以及雷蛇的全系 ai 桌面助理，把 ai 助手拟人化成二次元角色，陪你打游戏，成为你的生活助理。是不是有点像迭代又迭代货的小爱同学呢？ 传统玩具巨头乐高也下场搞 ai 了，推出了 smartbrick， 把 nfc 传感器和无线连接通通塞进一块小小的积木， 做成一个平台，不用屏幕或者其他操控，就自动让实体玩具火起来。滑雪和滑板爱好者都有福了。 in vivo 在 任何环境模拟滑雪的电动装备，把运动体验从场地中解放出来，不用去雪场，在都市马路上就能用滑雪体验代步。从今天的 ces 明显可以感觉到的是，机器人终于从表演跳舞走向了干活。 各大厂商也在不断试图造出下一个 iphone， 从 ai 眼镜、 ai 耳机到各种可穿戴设备，而英伟达、 amd 则在为未来搭建下一代的计算平台。你最想要什么新的硬件玩具呢？谁的脑洞最大？我们评论区见。
122黑皮诺NULL
01:33查看AI文稿AI文稿朋友们太炸裂了！英伟达黄仁勋再次把 ai 拉进了下一个时代，六大核弹组成新王炸！人类计算体系又迎来一次换代，这就是市值五万亿美元的魅力，观众比明星演唱会还挤，我现在就在 c e s 现场飞了半个地球，排队几小时看老黄演讲，为你带来英伟达最炸的发布解读。 首先，老黄开启疯狂撒钱模式，一口气丢出六大领域的全开放模型，可以直接使用训练和部署。 ai 的 创新门槛被彻底打开，医学模型 clara、 地球软身 earth two a 卷的推理大脑直接拿去用，而 cosmos 和 g r 零零 t 直接给机器人装上世界模型和大脑现场演示桌面机器人瞬间活了，仓库、人形、家用工厂等机器人都将加速进化到真实世界干活。 接着，阿 farme 登场，全球首个会思考的自动驾驶推理模型已经落地到奔驰上。其他自动驾驶是看见到反应，而阿 farme 是 看见推理预测决策，像人一样思考，如果那个人冲出来，我该怎么办？ 实现真正的 l 四级自动驾驶。黄承勋说， ai 不 只是看世界，而是要理解世界是怎么运转的。接下来全场都疯了，老黄掏出一大堆东西说，这就是六位一体极致协同设计的 ai 平台，用 vr、 c p u 机、 p u 等六大神器组成超级计算机，作为一个平台运行， 全面投产。今年交付 vivo， 比 nv link 七十二巨无霸机贵，每秒三百六十亿亿次计算内部贷款超过了整个互联网流量总和。与 blackberry 相比， ai 退利成本直接砍掉百分之九十。 训练超复杂模型， gpu 只要四分之一，让全世界都用得起。老黄的 p 更亮了，每次发布都在改写算类的规则，加速 ai 的 进化。我是赛博奇，让我们一起奔向 agi 世界。
4.7万赛博奇
17:151653大小飞
01:43查看AI文稿AI文稿创造历史，英伟达成为第一家市值超过白银的公司，很难想象，一家公司比地球上全部白银加起来还要值钱。都说黄仁勋是最后才登上飞机，是他不想来，还是不得不来？四月中，黄仁勋还在播课里说，限制中国获得美国技术是个愚蠢决定。 比如现在 deepsea 全面使用华为升腾，他表示非常担心，认为这对英伟达和美国 ai 地位是灾难性的。结果到了四月三十日，他又说，英伟达在中国 ai 加速器市场的份额跌到接近零。 更有意思的是，五月四日同一天，他一边说中国不应该拿到最先进的 ai 芯片，另一边又蹲出华盛顿放松限制，让英伟达能向中国卖更多芯片。这几句话连在一起看，就不是普通的表态摇摆， 而是英伟达在中国市场的真实困境。一边担心先进芯片流向中国，一边又舍不得英伟达丢掉中国市场。 h 二零零曾被允许以各案审批方式对中国出口，甚至还设计过一套美国政府抽成的机制， 但中国这边并没有马上照单全收，海关、采购、监管态度都在反复拉扯。 deepsea v 四发布后，华为、深腾、韩五 g、 海光等国产芯片完成了适配。注意，这不等于国产芯片已经在所有训练场景里打平英伟达，也不等于库达生态一夜之间被推翻。但它证明了一件更重要的事， 中国 ai 产业第一次把不依赖英伟达的路真正跑通了一小段。这对英伟达来说，比少卖几张卡更危险。因为英伟达真正的护城河从来不只是 gpu， 而是库达，是开发者，习惯，是模型框架，是整个 ai 工程体系的默认选项。只要中国工程师还在库达上写代码，英伟达就永远有机会回来。 一旦越来越多模型应用推理场景开始适配国产芯片，中国企业就会积累自己的工具链，自己的调优经验，自己的工程人才。到那个时候，英伟达丢掉的就不只是订单，更是生态的垄断被打破。这次组团访华，仁勋最后才登上空军一号，能看出他在来和不来间选择了不得不来。
190硬核派
05:04查看AI文稿AI文稿看惯了咱们中国的机器人丢手绢、翻跟头、马拉松，那今儿呢，咱们就聊聊世界范围的机器人行业的最新的发展。最近呢，英伟大的居深智能的负责人军帆在美国红山的一场线下活动里做了一次非常震撼的演讲，而这场演讲最核心的一句话就是，机器人行业正在完整的复刻大圆模型过去的十年的发展， 军帆呢，把它叫做一个 the great peril， 意思呢，就是今天机器人领域所发生的事情，和几年前 ai 大 模型发生的事情，本质上是 同一个故事。过去的大元模型呢，是通过预测下一个词这么成长起来的，而未来的机器人呢，会通过预测下一个世界的状态成长起来。也就是说，机器人未来不再只是执行的程序，而是内部不断的预测下一秒这个世界会变成什么样子，我应该怎么去行动，什么动作带来什么样的结果。 是不是像极了最近爆火的 ai 呢？他认为呢，过去的很多人其实低估了大模型真正厉害的地方，很多人总觉得，比如像 g、 b、 d 这样的 ai 呢，只是一个高级的 auto completion 自动补全，你给他一句话，他呢，只在预测下一个 token 来接上这一句话。但俊帆说呢，真正重要的是，魔修为了完成这件预测这个事，被迫在他的脑中内部学会了理解世界，比如空间物理、逻辑计划、因果关系，这些东西都并不是我们人类硬编码进去了，而是魔修自己在训练过程中慢慢 长出来的。而机器人呢，接下来会经历同样的过程，他花了很长的时间来讲述视频模型，因为在他看来呢，视频 ai 其实是机器人领域真正的一个转折的点。很多人在看到 ai 的 视频，总会想到这个互联网上一些垃圾的内容，比如说呢，小猫跳舞， 美女唱歌，物理关系呢？错乱的这种人物交互环境，比如说翻跟头，但军番的认为呢，这些都不重要，真正重要的是，当一个模型开始预测下一帧视频的时候，他其实已经在被迫学习整个现实世界的运行的规律。比如说重力 独立、光照反射、空间结构、运动惯性，这些东西没有任何人写进代码里，而是一个多模态的模型，自己从海量的视频当中学会的。 比如现在有些视频的模型在走迷宫的时候，已经先会在他的脑中内部模拟一个未来的路线，再决定下一步往哪走。也就是说， ai 呢，已经开始在像素空间里提前去思考未来，这点非常的重要，因为它就意味着 ai 已经不仅仅是在 识别图像了，而是在内部建立了某种世界的模拟器。现在呢，大模型呢，我们都知道，英文的全称呢，叫做 large language model， 简称 l l m。 而英美达呢，开始创造一种新的机器人的模型，叫做 word action model w a m。 之前主流的路线呢，叫做 v l a， 也就是 visual language action。 本质上呢，是先有一个语言模型，然后接视觉，最后再接一个外挂的动作系统。但问题是，这种模型太擅长语言了，太擅长知识概念，理解名词，但并不擅长真正的理解物理的动作，比如力压、时空控制，连续动作，所以呢，他们开始尝试着完全的不同的方向，让视觉和动作一起成为模型的核心， 而不是附属品。他们做出这套系统，甚至会在行动之前先梦见未来。机器人呢，会一边预测未来的画面，一边来预测未来的动作。换句话说呢，他会先在内部去模拟，如果我这样做，世界会发生什么，然后再决定我是否要真的行动。 所以说呢，这种感觉已经越来越像我们人类的大脑了，并不是被动的反应，而是在不断的在脑中预测未来。但他认为呢，机器人真正最大的瓶颈其实并不是模型本身，而是 数据。过去机器人行业呢，数据采集方式非常的痛苦，基本都是靠人类带着 vr 遥控机器人一点点的手动去示范，学名呢，叫做 teleoperation， 问题是它有物理的极限，理论上，一个机器人在一天最多工作二十四个小时，而现实里呢，可能只有三个小时。因为机器人呢，经常的坏，所以呢，整个行业数据的增长速度根本不可能像我们的互联网这样文字一样 指数型的爆炸。于是他们就开始思考，机器人能不能够也建立自己的数据的飞轮呢？而他们最后的答案呢，也非常有意思，未来的机器人呢，最重要的是，数据来源可能并不是机器人本身，而是人类。 于是呢，他们开始疯狂收集第一视角的人类的视频，比如说，人类如何去拿东西啊，折衣服啊，如何倒水啊，如何操作工具啊。 ai 不 一定非要先看机器人的数据，它完全可以先看人类是怎么使用世界上的，然后再去迁移到机器人身上。而更疯狂的是，他们发现机器人未来最大的训练场，也许根本就不是现实的世界，而是 simulation。 因为现实世界太慢太难 scale 了，所以他们开始做 neural simulation， 让 ai 呢，在虚拟世界里完成数十亿次的训练，再回到现实世界去执行。 俊帆说了一句非常非常关键的话，未来的 compute 就是 environment， 算力越多，世界越多。也就是说，未来机器人不只是吃数据，它甚至会自己生成世界，自己生成环境， 自己训练自己。而整场演讲最有历史感的部分就是他对未来的预测。他认为机器人领域呢，会接下来发生三件有意思的事情。第一呢，叫做 physical tweeting test， 也就是未来机器人会做很多事情的时候，你已经 分不清到底是人还是机器人了。第二个是 physical a p i， 未来的机器人呢，会像云计算一样被调用，你并不是买一个机器人，而是像调用 a p i 一 样去调用这个 physical labor。 第三呢，也是世界最疯狂的阶段， physical out research， 也就是机器人开始设计机器人，制造机器人，优化机器人，形成真正的 self improving loop。 这个其实并不光是他这么说，早在去年底，一个 max 在 接受采访的时候就说，未来的他们，自己的 optimus 一定是自己生产自己 ai 不 再只是优化代码了，而是开始优化现实世界。
64aone
03:51查看AI文稿AI文稿昨晚熬夜看完英伟达 gtc 二零二六大会，我现在感觉呢，就两个字，窒息！如果说以前的英伟达是在卖铲子，那现在老黄直接把整座金矿加上全自动挖掘机都给你造好了。 这条视频呢，用五分钟带你扒一下 gtc 二零二六被誉为科技界春晚，老黄所有的底牌，不管你是炒股的，干互联网的，还是普通职场人，这条视频啊，我都建议你看到最后，因为未来五年的财富密码和残酷淘汰赛，全在昨晚的这几张 ppt 里。 一、一万亿美元的推理拐点，老黄向全世界抛出了一个极其恐怖的数据，一万亿美元的算力焦虑！很多人以为过去几年大模型疯狂训练，算力需求已经到顶了吧？老黄在台上直接宣布， 错，大错特错！ ai 已经正式跨越了纯粹的在实验室里训练的阶段，全面步入了推理和深沉的商业落地期，这就是所谓的推理拐点。 这意味着，以前只有科学家在跑 ai， 而现在是几十亿人，无数个企业每天每秒都在调用 ai。 老黄预测，从二零二五到二零二七年，全球在 ai 算力上的支出将达到令人发指的一万亿美元。而老黄更是铁了心要吃下这块蛋糕。英伟达的商业模式彻底变了。 以前呢，老黄是一张一张的显卡卖给你，今年的聚光灯打在了一个叫 ver ruby 架构，英伟达直接开始卖系统，卖 ai 工厂 的潜台词就是，别再自己组装折腾了，买我的完整系统，我把推理效率给你压到极致！这是一场巨大的算力豪赌，而老黄呢，显然已经是庄家第二，智能体 ai 生态。接下来这个概念啊，绝对会颠覆你的认知。过去我们是怎么用电脑的？ 你打开 word 打字，点开剪映剪视频，是人在操作软件。但在老黄的蓝图里，未来企业的基础设施是智能体 ai， 它在现场猎取了 s、 c、 p 这样的传统软件巨头，说了一句极度反常识的话， ai 不 会直接取代这些传统软件工具，相反， ai 会反 过来去使用它们。以后的工作方式是这样，你给 ai 下载一个指令，比如说帮我设计一个芯片草图，或者整理一份千万级的财务报表。然后 ai 自己去打开那些专业复杂的软件，去按按钮， 去拉表格， ai 帮你完成一切。工具还是工具，但是坐在电脑前操作工具的打工人，换成了不知疲倦的智能体。 第三，物理世界大爆发， ai 长出了双腿与车轮。昨晚的高潮时刻之一，是老黄直接把一百一十台形态各异的机器人搬到了舞台上，从机械臂到人形机器人，整齐列阵，那压迫感，我直呼，好家伙，天网降临了，属于是 仅是机器人，还有汽车。老黄呢，直接甩出一枚重磅炸弹，英伟达和 uber 达成了史诗级合作计划，在二零二八年在四大洲二十八个城市推出完全由英伟达全站软件驱动的自动驾驶车队。不仅如此，老黄呢，还现场点名表扬了我们的国产之光，比亚迪、吉利， 再加上现代和日产这些全球车企大军，将全面采用英伟达技术，集体冲刺 l 四级别的自动驾驶。 未来的汽车，不再是四个轮子的沙发，而是四个轮子的超级 ai 计算机第四，图形学的核弹 d l s s 五。对于游戏玩家和影视从业者，老黄也没有吝啬，他直接扔出了图形渲染界的核武器 d l s s。 五，预计今年秋季推出。官方给他的评价极高。 这是二零一八年光纤追踪技术问世以来，计算机图形学领域的最大突破。为什么这么牛？因为以前的渲染是靠显卡计算光照和材质，而现在的 d l s s。 五 直接引入了深沉式 ai。 ai 不是 在计算画面，而是在脑补和深沉。极度逼真的物理光影，你将分不清什么是现实，什么是虚拟。在演讲最后，黄日勋说了这样一句话，让我久久不能平静。 他说，我们重新定义了计算，就像个人电脑革命和互联网革命一样，我们现在正处于一个变格的开端。是啊，从芯片到工厂，从数字世界到物理世界，英伟达已经不再是一家显卡公司，它正在成为构建未来人类文明的基建矿脉。
1.2万杜恩泽·AI分享与思考
