NVIDIA 发布 Isaac ROS 5.0：让机器人更像“智能体”，代码开源
NVIDIA 推出了 Isaac ROS 5.0，重点是把机器人往“智能体”方向推——也就是让机器人能自己感知环境、做规划，而不是死板地执行固定指令。这次更新改进了视觉感知和路径规划模块，并且把更多代码开源了，方便社区参与。不过正文没披露具体的性能提升数据，也没说需要什么硬件配置，所以实际效果要等跑起来才知道。
#具身智能
#具身智能
今日 0 条9月22日星期二
7月16日星期四
英伟达发布两款新的 Jetson Thor 边缘计算模块 T3000 和 T2000，把 Blackwell 架构塞进了更小、更省电的机器人电脑里
英伟达推出了 T3000 和 T2000 两款基于 Thor 架构的新模块。T3000 算力 865 FP4 teraflops，配 32GB 内存和 273GB/s 带宽，体积和功耗大约是之前 T5000 的一半，但跑多模态模型的推理速度差不多，能帮客户在高内存价格下省一笔硬件钱。T2000 算力 400 FP4 teraflops，16GB 内存，...
推荐理由：英伟达发了 Jetson Thor 系列的新模块 T3000 和 T2000，主打边缘机器人。T3000 的卖点很直接：算力 865 FP4 teraflops，配 32GB 内存和 273GB/s 带宽，体积和功耗砍到 T5000 的一半左右，但跑多模态模型推理速度没怎么掉。我会先打个折——这是官方博客，没给第三方跑分，也没说什么时候能大规模买到。不过内存优化这块确实戳中痛点，现在内存贵，能省就是赚。T2000 给到 400 FP4 teraflops 和 16GB 内存，定位更低一些。整体看，对做机器人或边缘 AI 的团队是个值得跟进的信号，但...
6月3日星期三
NVIDIA 在 CVPR 发了三篇物理 AI 论文：抓取、自动驾驶和游戏里练出来的智能体
这三篇论文都进了 CVPR。GraspGen-X 用 20 亿次模拟抓取训练，让机械手能处理没见过的物体，但正文没披露真实世界的抓取成功率。LCDrive 把自动驾驶的推理 token 砍了大约一半，靠的是让模型直接输出轨迹而不是先写文字再转成动作，延迟更低，不过没提极端场景下的安全性验证。NitroGen 在 1000 多个游戏里跑了 4 万小时的交...
推荐理由：NVIDIA 在 CVPR 放出的三篇论文，每篇都带着实打实的数字：GraspGen-X 用 20 亿次模拟抓取训练机械手，LCDrive 把自动驾驶模型的推理 token 砍掉一半，NitroGen 在 1000 多款游戏里攒了 4 万小时交互数据来训游戏 agent。我会先打个折——这是厂商研究打包发布，不是新模型或产品上线，所以重要性停在 78 分。但信息密度够高，对做机器人、自动驾驶和游戏 agent 的人有直接参考价值，尤其是用合成数据替代真实采集、降低推理延迟这两条思路，正文没披露具体硬件环境和延迟数字，这点先别太激动。
5月28日星期四
NVIDIA 在 ICRA 发了 8 篇论文，核心是让机器人在仿真里练完直接去现实世界干活
NVIDIA Research 在 ICRA 上展示了 8 篇论文，都围绕一个思路：在仿真里训练机器人，然后直接部署到真实环境。ScheduleStream 让多机械臂并行规划，速度提升 3 倍，代码已开源。COMPASS 导航框架完全不靠真实数据，在仿真里训练后迁移到真机，20 次真实导航测试成功率约 80%，比纯模仿学习基线高了 4.5 倍。Gra...
推荐理由：我会先打个折：这些成功率都是在论文设定的场景里跑出来的，换到更乱的现场不一定能复现。但 8 篇论文同时给出实机数据，而且不是零星的几次测试，ScheduleStream 的 3 倍提速和 COMPASS 的 20 次导航约 80% 成功，至少说明 sim-to-real 的 gap 在可控缩小。对正在纠结仿真训练能不能落地的团队，这组结果比纯讲架构有说服力。
5月22日星期五
NVIDIA 在 COMPUTEX 2026 拿了四个奖，Vera Rubin NVL72 号称推理能效比上代高 10 倍
NVIDIA 在 COMPUTEX 2026 上靠 Vera Rubin NVL72、Jetson Thor 和 Alpamayo 拿了四个 Best Choice 奖。Vera Rubin NVL72 把 36 颗 Vera CPU 和 72 颗 Rubin GPU 连在一起，NVIDIA 说它每瓦推理性能是上代的 10 倍，每个 token 的成本...
推荐理由：我会先打个折：这是 NVIDIA 自己活动博客发的，不是第三方实测，10 倍能效得看什么负载、跟谁比。但 Vera Rubin NVL72 的规格和能效数字本身够硬，对算力成本和采购节奏有直接参考价值，所以给 featured。正文没披露具体基准测试条件和上市时间，这点先别太激动。
4月13日星期一
Google DeepMind 发布 Gemini Robotics-ER 1.6 机器人推理模型
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其面向机器人的推理优先模型升级版，强化了空间推理与多视角理解，并新增仪表读数能力。
推荐理由：原文给出新模型在空间推理、多视角与仪表读数上的能力变化和开放入口，可据此判断机器人高层推理的进展。
1月21日星期三
黄仁勋在达沃斯把 AI 分成五层蛋糕，说这是人类史上最大规模基建
黄仁勋在达沃斯论坛上把 AI 产业链拆成五层：能源、芯片与算力基建、云数据中心、模型、应用。他说 2025 年全球风投砸了超过 1000 亿美元，大部分钱流向了 AI 原生公司，重点在应用层和基建层。他举了个具体例子：美国护士缺口大概 500 万，AI 可以先把病历记录和转录这类活接过去。对从业者来说，他传递的信号是瓶颈不只在模型本身，整条基建和人力链...
推荐理由：这篇是黄仁勋在达沃斯的发言，不是产品发布或论文，所以分数不会给到顶。但他说的事够具体：1000 亿美金风投、五层栈结构、500 万护士缺口，而且把 AI 讨论从模型竞赛拽回基础设施和劳动力替代，对从业者有参考价值。我会先打个折，因为终究是高管讲话，不是可复现的结果，但信息量和切入角度都到位，80 分合理。
1月6日星期二
NVIDIA 在 CES 2026 说 Rubin 平台已量产，跑大模型的成本能降到上一代的十分之一
NVIDIA 在 CES 2026 上宣布，由六颗芯片组成的 Rubin AI 平台已经进入全面量产。最直接的好处是生成 token 的成本能压到上一代平台的十分之一左右。Rubin 的 GPU 在 NVFP4 精度下推理算力达到 50 petaflops，并且通过一个叫 KV-cache 的存储层把性能又提升了 5 倍。另外，他们还发布了一套叫 Al...
推荐理由：HKR-H 成立，因为 Rubin 进入量产状态本身就是信号，不是路线图更新。HKR-K 靠 50 PFLOPS、5 倍吞吐和约 1/10 成本这几组数字撑起来，比口号实在。HKR-R 成立，因为推理经济学和 NVIDIA 的节奏仍然牵动整个行业，不过公司博客的包装感让它到不了 90 分。
NVIDIA 把跑千亿参数大模型的机器塞进了桌面
NVIDIA 在 CES 上展示了两台桌面设备 DGX Spark 和 DGX Station，能在本地跑 1000 亿到 1 万亿参数的开源模型。DGX Station 有 775GB 的统一内存，可以把模型压缩到 NVFP4 格式，压缩率最高 70%，跑 llama.cpp 时推理速度平均提升 35%。现场还演示了每秒处理 25 万个 token ...
推荐理由：HKR 三项都站得住：桌面跑大模型的 hook 够强，性能数字和演示数据把事实撑住了，而且整件事指向本地开发闭环能不能替代部分云端迭代这个真问题。不过说到底这是英伟达的产品发布，性能证据都来自厂商自己的演示，我会先打个折，所以重要性停在 75 分。
NVIDIA 的 DRIVE AV 软件将首发搭载于新款奔驰 CLA
新款奔驰 CLA 会成为美国市场第一辆用上 NVIDIA DRIVE AV 的量产车，今年底交付。这套系统是双架构设计：核心驾驶决策靠一个端到端 AI 模型，同时外面包了一层基于 Halos 的传统安全校验模块，用来兜底。功能上支持点到点辅助驾驶、城市道路导航、主动避撞和自动泊车，后续还能 OTA 升级。不过，博客里没提这套系统要加多少钱、用了哪些传感...
推荐理由：我会先打个折：正文没披露传感器配置、具体价格和 ODD，所以没法判断这套系统到底多能打。但亮点在于量产时间给了，双栈设计把端到端驾驶和传统安全冗余绑在一起，不是纯 demo。对从业者来说，这是看端到端方案能不能过车规安全关的一个真实样本，所以放在 featured 低位。
NVIDIA 一口气开源了一堆模型、数据和工具，覆盖智能体、机器人、自动驾驶和生物医药
NVIDIA 在 2026 年 1 月 5 日放出了一批新的开源模型和数据集。语言模型方面，有 Nemotron 系列的新成员，专门做语音、外挂资料库（RAG）和安全对齐；还有一个叫 Alpamayo 1 的模型，正文没具体说它擅长什么。物理 AI 这边，Cosmos 系列更新了 Reason 2、Transfer 2.5 和 Predict 2.5 ...
推荐理由：NVIDIA 这次不是发一篇通稿，而是把 Nemotron、Cosmos、GR00T、Clara 几条线的模型、数据集和工具一起开源了。我会先打个折：所有信息都来自厂商自己，没有第三方验证，实际可用性还得看后续社区反馈。但光看披露的数字——10 万亿 token 文本、50 万条机器人轨迹、100TB 车载数据、45.5 万个蛋白结构——规模确实够大，而且覆盖了代理、物理 AI、自动驾驶和生命科学几个热门方向。具体到模型，Nemotron Speech 做语音、Cosmos Reason 2 做推理、GR00T N1.6 做人形机器人、Alpama...