來源：新智元

【導(dǎo)讀】AI不是泡沫，而是人類史上最大基建狂潮！黃仁勛直言：已投數(shù)千億，僅是開端，未來需數(shù)萬億美元打造「五層蛋糕」，從電廠到應(yīng)用層全產(chǎn)業(yè)鏈爆發(fā)，就業(yè)機(jī)會(huì)前所未有。

突發(fā)！

騰訊科技獨(dú)家新聞報(bào)道，2026年黃仁勛首度來華， 首站到訪了英偉達(dá)在上海的新辦公室，與員工交流，回顧公司2025年主要事件。

據(jù)報(bào)道，這次來華行程與2025年初基本一致，主要參加上海、北京和深圳分公司的新年晚會(huì)以及供應(yīng)商答謝會(huì)。

騰訊科技：獨(dú)家丨黃仁勛2026年首度來華，未提及H200

根據(jù)知情人士，黃仁勛和員工的諸多問題中，主要聚焦在2026年重點(diǎn)芯片相關(guān)的話題。

根據(jù)英偉達(dá)真實(shí)路線圖，繼Blackwell之后，2026年的重點(diǎn)大概率是Rubin架構(gòu)。

而就在中國行前夕，黃仁勛在達(dá)沃斯世界經(jīng)濟(jì)論壇上的一番發(fā)言，正在全球科技界引發(fā)震動(dòng)，讓全場(chǎng)脊背發(fā)涼：我們正在犯一個(gè)歷史性錯(cuò)誤——

把AI當(dāng)作技術(shù)，而不是電和路。

這句話背后，是一場(chǎng)數(shù)萬億美元的財(cái)富轉(zhuǎn)移：

水管工、電工、建筑工人的收入未來或突破「六位數(shù)」，

而坐在辦公室里的白領(lǐng)，可能面臨第一波AI沖擊。

這不僅是科技革命，這是人類工作價(jià)值的重新定價(jià)。

人工智能（AI）爆發(fā)，已拉開「史上最大規(guī)�；A(chǔ)設(shè)施建設(shè)」的序幕。

規(guī)模到底有多大？

黃仁勛表示，盡管各大企業(yè)已為這項(xiàng)技術(shù)投入數(shù)千億美元，但未來仍需持續(xù)投入巨額資金。「我們需要建設(shè)價(jià)值萬億美元級(jí)的基礎(chǔ)設(shè)施�！�

他認(rèn)為，ASI基建新工種將涌現(xiàn)，預(yù)測(cè)未來美國的建筑工有機(jī)會(huì)實(shí)現(xiàn)「六位數(shù)」收入。

人類歷史上最大規(guī)模基礎(chǔ)設(shè)施建設(shè)

2026年1月21日，瑞士達(dá)沃斯，世界經(jīng)濟(jì)論壇（WEF）。

在一場(chǎng)擠得水泄不通的主論壇上，黃仁勛（下圖右）與Larry Fink（下圖左）展開了一場(chǎng)關(guān)于AI未來的深度對(duì)話，豪言AI是「人類歷史上最大規(guī)模基礎(chǔ)設(shè)施建設(shè)」的基石。

眾所周知，黃仁勛是NVIDIA創(chuàng)始人兼CEO，是AI時(shí)代「算力之王」；而后者Larry Fink，也不簡(jiǎn)單，是華爾街的兩枚定海神針之一貝萊德（BlackRock）共同創(chuàng)辦人、董事長、CEO。

黃仁勛提到，2025年是有記錄以來風(fēng)險(xiǎn)投資規(guī)模最大的年份之一，大部分資金流向他所稱的「原生AI公司」。

這些企業(yè)遍布醫(yī)療、機(jī)器人、制造與金融服務(wù)領(lǐng)域。黃仁勛指出：「這是首次出現(xiàn)足夠成熟的模型，能夠支撐這些行業(yè)的深度開發(fā)。」

相關(guān)投資正直接轉(zhuǎn)化為就業(yè)崗位。

他特別列舉了當(dāng)前緊缺的技術(shù)工種：水管工、電工、建筑工人、鋼鐵工人、網(wǎng)絡(luò)技術(shù)員，以及負(fù)責(zé)安裝運(yùn)營高端設(shè)備的專業(yè)團(tuán)隊(duì)。

從熟練技工到初創(chuàng)企業(yè)，AI正開啟下一次平臺(tái)級(jí)變革。

對(duì)全球打工人來說，這場(chǎng)變革將推動(dòng)工作重心從執(zhí)行任務(wù)轉(zhuǎn)向?qū)崿F(xiàn)價(jià)值。

AI 之下，工作要有目的

面對(duì)大家對(duì)AI取代人類的擔(dān)憂，黃仁勛給出了反直覺的有力反擊：AI不會(huì)摧毀工作，它正在讓工作從「完成任務(wù)」轉(zhuǎn)向「實(shí)現(xiàn)人生價(jià)值」 。

他以放射科醫(yī)生為例。

2016年，「AI教父」辛頓曾表示：「我們現(xiàn)在就應(yīng)該停止培訓(xùn)放射科醫(yī)生了」，因?yàn)锳I很快就能比他們做得更好。

他說得沒錯(cuò)：近十年來，模型在各項(xiàng)基準(zhǔn)測(cè)試中的表現(xiàn)已超越放射科醫(yī)生。

然而，放射科醫(yī)生的崗位數(shù)量正處于歷史最高水平，平均薪資高達(dá)52萬美元。

為什么？

因?yàn)獒t(yī)生的使命是診斷疾病和救治病人，看片子只是任務(wù)之一 。

AI處理了看片子的任務(wù)，讓醫(yī)生能花更多時(shí)間與病人互動(dòng)，從而能接診更多病人，從而醫(yī)院效益好了，自然需要更多放射科醫(yī)生。

同樣的邏輯也適用于護(hù)士。

美國正面臨500萬護(hù)士的短缺，部分原因是護(hù)士們近一半的時(shí)間都花在填表和記錄上 。

AI接管了圖表記錄和轉(zhuǎn)錄工作后，護(hù)士的工作效率提高了，醫(yī)院效益變好了，反而需要招募更多護(hù)士。

作為CEO，黃仁勛幽默比喻：「若有人觀察我和Fink的工作，大概會(huì)覺得我倆是打字員�！�

但自動(dòng)化打字不會(huì)取代他們的CEO工作，因?yàn)榇蜃植⒎呛诵膬r(jià)值。

再比如，黃仁勛盛贊Claude「不可思議」，宣稱「所有軟件公司都需要使用它」。

黃仁勛并非突然認(rèn)同Anthropic的AI安全理念，而是折服于他們的工程能力。Claude Code正在以驚人速度吞噬企業(yè)軟件開發(fā)市場(chǎng)，以至于英偉達(dá)這家硬件公司竟公開點(diǎn)名推薦特定模型。

這說明AI已跨越「新奇事物」的門檻，蛻變?yōu)檐浖袠I(yè)基礎(chǔ)設(shè)施。

AI通過協(xié)助事務(wù)性工作，讓人更能聚焦核心使命，提升效能，從而創(chuàng)造更大價(jià)值。

「所以關(guān)鍵在于：你工作的本質(zhì)價(jià)值是什么？」黃仁勛最后發(fā)問。

英偉達(dá)創(chuàng)始人兼首席執(zhí)行官黃仁勛與貝萊德董事長兼首席執(zhí)行官Larry Fink在2026年瑞士達(dá)沃斯世界經(jīng)濟(jì)論壇年會(huì)對(duì)話

在對(duì)話中，他也淡化了外界對(duì)巨額支出承諾可能導(dǎo)致AI泡沫的擔(dān)憂。

五層蛋糕論

AI沒有泡沫

據(jù)估計(jì)，僅2025年一年，全行業(yè)就將在AI研發(fā)上投入約1.5萬億美元——

這個(gè)數(shù)字超過了幾乎所有其他領(lǐng)域任何企業(yè)集團(tuán)的名義支出。

然而，黃仁勛堅(jiān)持認(rèn)為，這并不是過度投資。他說，這代表著人類歷史上規(guī)模最大的基礎(chǔ)設(shè)施建設(shè)，而這還只是剛剛開始。

他進(jìn)一步解釋稱，在芯片領(lǐng)域，「臺(tái)積電已宣布計(jì)劃新建20座芯片工廠；富士康正與我們合作，還有緯創(chuàng)和廣達(dá)，將新建30座計(jì)算機(jī)工廠，這些工廠后續(xù)將轉(zhuǎn)化為AI工廠（數(shù)據(jù)中心）�！�

「美光已開始在美國投資2000億美元，SK海力士表現(xiàn)非常出色，三星也做得非常出色。你們可以看到，整個(gè)芯片行業(yè)正以驚人的速度增長，」黃仁勛補(bǔ)充說。

而且不止單一的芯片突破。

黃仁勛將AI產(chǎn)業(yè)精辟地拆解為五個(gè)核心層級(jí)，重申了他的「AI五層蛋糕論」：

1. 能源（Energy）：為AI提供動(dòng)力的電力基礎(chǔ)。

2. 芯片與計(jì)算基礎(chǔ)設(shè)施（Chips and ComputingInfrastructure）：硬件算力的基石。

3. 云數(shù)據(jù)中心（Cloud Data Centers）：承載計(jì)算的樞紐。

4. AI模型（AI Models）：智能的大腦。

5. 應(yīng)用層（ApplicationLayer）：最終創(chuàng)造經(jīng)濟(jì)效益的頂端。

他特別指出，最大的經(jīng)濟(jì)效益將來自應(yīng)用層——

AI正在重塑醫(yī)療、制造、金融服務(wù)等行業(yè)，并改變整體經(jīng)濟(jì)中的工作性質(zhì)。

從能源發(fā)電、芯片制造到數(shù)據(jù)中心建設(shè)與云端運(yùn)維，黃仁勛表示AI建設(shè)已催生大量技術(shù)工種需求。

更關(guān)鍵的是，他用「價(jià)格」來反證泡沫論：

如果這是泡沫，算力應(yīng)該不缺、租GPU應(yīng)該越來越便宜；但現(xiàn)實(shí)相反——GPU 很難租到，算力現(xiàn)貨租賃價(jià)格在上漲，不只是最新一代，連兩代以前的GPU也在漲。

這意味著需求來自真實(shí)業(yè)務(wù)，而不只是投機(jī)資本燒錢。

黃仁勛還舉了企業(yè)調(diào)整研發(fā)預(yù)算的例子：比如制藥公司把一部分投入從濕實(shí)驗(yàn)室轉(zhuǎn)向AI超算。

AI是電，是路，是生產(chǎn)力

黃仁勛將AI定位為國家關(guān)鍵基礎(chǔ)設(shè)施。

「AI即基礎(chǔ)設(shè)施，」他強(qiáng)調(diào)，各國應(yīng)像對(duì)待電力或公路那樣重視AI，「必須將AI納入國家基礎(chǔ)設(shè)施體系」。

他呼吁各國基于本土語言文化構(gòu)建自主AI能力：「開發(fā)屬于自己的AI，持續(xù)優(yōu)化迭代，讓國家智慧融入生態(tài)系統(tǒng)。」

Fink質(zhì)疑是否只有高學(xué)歷人群才能使用或受益于AI。

黃仁勛駁斥了這一觀點(diǎn)。

「AI超級(jí)易用——這是歷史上最簡(jiǎn)單的軟件，」他表示，AI工具僅用兩三年已觸達(dá)近十億用戶。

因此，掌握AI素養(yǎng)正成為必備技能：「學(xué)習(xí)如何使用AI、引導(dǎo)它、管理它、設(shè)立防護(hù)欄、評(píng)估結(jié)果，這些能力與領(lǐng)導(dǎo)力和團(tuán)隊(duì)管理同等重要�！�

回到「放射科醫(yī)生」，RSNA（北美放射學(xué)會(huì)）主席、 斯坦福大學(xué)醫(yī)學(xué)教授Curt Langlotz之前表達(dá)過類似的觀點(diǎn)：

AI不會(huì)取代放射科醫(yī)生，但會(huì)使用AI的放射科醫(yī)生將取代不會(huì)使用 AI 的放射科醫(yī)生。

歐洲的AI超車機(jī)會(huì)：物理AI

對(duì)于發(fā)展中國家，黃仁勛認(rèn)為AI帶來了縮小長期技術(shù)差距的契機(jī)：「AI很可能彌合技術(shù)鴻溝，普惠性與資源豐沛性將發(fā)揮關(guān)鍵作用�！�

談到歐洲時(shí)，他特別指出制造業(yè)與工業(yè)實(shí)力是巨大優(yōu)勢(shì)：AI不是寫出來的，是教出來的。

「機(jī)器人是世代難逢的機(jī)遇，」黃仁勛強(qiáng)調(diào)，這對(duì)工業(yè)基礎(chǔ)雄厚的國家尤為關(guān)鍵。

「如今我們可以將工業(yè)能力、制造能力與人工智能相融合，由此邁入實(shí)體AI即機(jī)器人技術(shù)的世界，」他補(bǔ)充說，這為歐洲帶來了「跨越」由美國主導(dǎo)的軟件時(shí)代的機(jī)遇。

「我認(rèn)為，為了在歐洲構(gòu)建繁榮的AI生態(tài)系統(tǒng)，我們必須認(rèn)真對(duì)待能源供給的增長，加大對(duì)基礎(chǔ)設(shè)施層的投資，這一點(diǎn)是確定無疑的，」 黃仁勛說道

Fink總結(jié)討論時(shí)表示，這場(chǎng)對(duì)話說明世界遠(yuǎn)未形成AI泡沫，真正的問題在于：「我們的投資夠嗎？」

黃仁勛贊同這一判斷，指出龐大投資勢(shì)在必行：我們必須為AI技術(shù)棧的所有上層建筑構(gòu)建必要基礎(chǔ)設(shè)施。

他形容這一機(jī)遇「非同尋常，每個(gè)人都應(yīng)參與其中」。

他重申2025年全球風(fēng)投規(guī)模創(chuàng)歷史新高，超千億美元資金流向全球，其中大部分注入AI原生初創(chuàng)企業(yè)�！高@些公司正在構(gòu)建上層的應(yīng)用生態(tài)，」黃仁勛說，「而它們需要基礎(chǔ)設(shè)施與投資來筑造未來。」

Fink補(bǔ)充道，確保增長紅利被廣泛共享至關(guān)重要：

我相信全球養(yǎng)老基金參與這場(chǎng)變革將是絕佳投資機(jī)遇，能與AI世界共同成長。

我們必須讓普通養(yǎng)老金領(lǐng)取者和儲(chǔ)蓄者分享這份增長。若只能作壁上觀，他們將被時(shí)代拋在后面。

參考資料：

https://www.wsj.com/tech/ai/nvidia-ceo-says-ai-needs-more-investment-in-defiance-of-bubble-fears-9dabba63

https://blogs.nvidia.com/blog/davos-wef-blackrock-ceo-larry-fink-jensen-huang/

https://qz.com/jensen-huang-nvidia-speech-davos-2026

https://finance.yahoo.com/news/nvidia-ceo-jensen-huang-trillions-of-dollars-of-ai-infrastructure-needs-to-be-built-144212721.html

https://news.qq.com/rain/a/20260123A07C5A00

老黃萬億美元夢(mèng)成真，英偉達(dá)版「世界模型」震撼問世

來源：新智元

【導(dǎo)讀】黃仁勛的預(yù)言成真！從Sora的夢(mèng)幻視頻到英偉達(dá)的3D通才模型，AI不再只是「看和說」，而是真正「動(dòng)手」構(gòu)建3D世界，開啟機(jī)器人時(shí)代的無限可能。

黃仁勛沒有吹牛！

AI不能只會(huì)看、會(huì)說、會(huì)生成，它還必須理解并遵守物理世界的規(guī)則。

現(xiàn)在，英偉達(dá)補(bǔ)上了關(guān)鍵拼圖——

讓AI從「生成畫面」升級(jí)為「生成可行動(dòng)的3D世界」，不僅能描述世界，還能一步步搭建世界、修改世界、糾錯(cuò)迭代。

時(shí)間撥回到兩年前， 2024年2月。

OpenAI發(fā)布了一段「東京街頭漫步」的Sora視頻，震驚世界，硅谷集體狂歡。

人們高呼「現(xiàn)實(shí)不存在了」，仿佛人終于可以「言出法隨」、重造萬物。

但在一片喧囂中，那個(gè)穿皮衣的男人始終保持冷靜，甚至帶有一絲不屑。

在2024年和2025年的多次演講中，黃仁勛像復(fù)讀機(jī)一樣不斷重復(fù)——「PhysicalAI」（物理AI）。

反駁視頻生成模型的理由是這樣的：

AI生成的視頻很美，但如果你走進(jìn)那個(gè)視頻，試圖拿起桌上的杯子，你的手會(huì)穿過去。

杯子沒有重量，沒有摩擦力，沒有物理法則。

那不是世界，那是動(dòng)畫片。下一波浪潮，必須是懂物理的AI。

當(dāng)時(shí)，很多人以為這只是老黃的營銷話術(shù)，最終目的是為了推銷昂貴的Omniverse平臺(tái)和RTX顯卡。

直到CES 2026，大家才明白老黃說的對(duì)。

剛剛，我們發(fā)現(xiàn)英偉達(dá)甩出了一篇新年第一篇論文：3D通才模型。

鏈接：https://research.nvidia.com/publication/2026-03_3d-generalist-vision-language-action-models-crafting-3d-worlds

如果說ChatGPT是AI學(xué)會(huì)了「說話」，Sora是AI學(xué)會(huì)了「做夢(mèng)」，那么英偉達(dá)的這個(gè)新模型，就是讓AI真正「睜眼看世界，動(dòng)手造世界」。

這是圖形學(xué)的勝利，這是「硅基生命」長出四肢的前夜。

老黃沒有畫餅——

物理AI的「ChatGPT時(shí)刻」，在這一刻，正式降臨。

英偉達(dá)開年首篇論文

手搓賽博房之家

這篇論文由英偉達(dá)和斯坦福大學(xué)合作，正式發(fā)表在今年第十三屆國際三維視覺會(huì)議上，標(biāo)題相當(dāng)拗口——

《3D Generalist：Vision-Language-Action Models for Crafting 3D Worlds》（3D通才：用于構(gòu)建三維世界的視覺-語言-動(dòng)作模型）。

2026年3月20日至23日，第十三屆國際三維視覺會(huì)議2在加拿大不列顛哥倫比亞省溫哥華的溫哥華會(huì)議中心以線下形式舉行

我們要讀懂這次技術(shù)革命，首先要從這篇論文標(biāo)題里，把那個(gè)最核心的單詞揪出來。

請(qǐng)盯住這個(gè)詞：Action（動(dòng)作/行動(dòng)）。

這是整個(gè)邏輯的起點(diǎn)。

在過去的三年里，無論是Midjourney畫圖，還是Runway生成視頻，AI扮演的角色都是「觀察者」和「夢(mèng)想家」。

它看了一億張貓的照片，然后根據(jù)概率，在屏幕上預(yù)測(cè)下一排像素應(yīng)該是什么顏色，從而湊出一只貓的樣子。

它不知道貓有骨骼，不知道貓毛有觸感，它只是在「模仿視覺信號(hào)」。

但英偉達(dá)的VLA（Vision-Language-Action）模型，徹底顛覆了這個(gè)邏輯。

它不再是畫家，而是「全能手」。

你只要輸入一句話，3D-GENERALIST就能輸出包含完整3D布局的房屋。

這些3D布局包括材料、固定裝置（比如門和窗戶）、3D資產(chǎn)以及照明配置。

背后的理念是，構(gòu)建一個(gè)既詳細(xì)又與文本描述相符的3D環(huán)境，應(yīng)該被視為一個(gè)過程，需要依次做出決策。

因此，通過場(chǎng)景級(jí)和素材級(jí)的策略，他們不斷改進(jìn)和優(yōu)化這些3D環(huán)境。

在提出的框架中，第一個(gè)重要的模塊是全景環(huán)境生成。

如圖2所示，這個(gè)模塊能夠根據(jù)文本描述初始化一個(gè)基礎(chǔ)的3D房間模型，包括墻壁、地板以及固定裝置，如門和窗戶。

為了避免傳統(tǒng)方法過于簡(jiǎn)化或不切實(shí)際的問題，他們首先利用全景擴(kuò)散模型生成一個(gè)360°的圖像作為指導(dǎo)，然后通過逆圖形技術(shù)構(gòu)建3D環(huán)境。

圖2：3D-GENERALIST全景環(huán)境生成概述。全景擴(kuò)散模型生成引導(dǎo)性360°場(chǎng)景圖像，然后房間布局估計(jì)模型、Grounded-SAM和視覺語言模型提取角落、窗戶和門的信息。這些預(yù)測(cè)隨后被用于通過程序化方式構(gòu)建帶有構(gòu)件的3D房間

這個(gè)過程包括以下幾個(gè)步驟：

1. 房間布局估算：利用全景圖像和HorizonNet模型，推斷出房間的基本結(jié)構(gòu)，如墻壁、地板和天花板。

2. 固定裝置分割：使用Grounded SAM技術(shù)對(duì)窗戶和門進(jìn)行分割。

3. 視覺-語言模型注釋：通過GPT-4o這樣的視覺-語言模型，分析每個(gè)分割區(qū)域，確定其類型（例如單扇門、雙扇門、滑動(dòng)門或折疊門）和材料（如門框、門體和門把手的材料）。

4. 過程化生成：最后，根據(jù)3D位置的相應(yīng)信息，房間、門和窗戶被逐步構(gòu)建出來。

3D-Generalist 使用擴(kuò)散模型生成全景圖像，并通過逆向圖形（inverse graphics）流水線來創(chuàng)建3D環(huán)境的結(jié)構(gòu)。

3D-Generalist采用視覺-語言-動(dòng)作（VLA）模型來生成代碼，用于構(gòu)建與修改最終3D環(huán)境的各個(gè)方面（材質(zhì)、光照、素材與布局）。

該VLA通過一個(gè)自我改進(jìn)訓(xùn)練循環(huán)進(jìn)行微調(diào)，以優(yōu)化與提示詞（prompt）的對(duì)齊效果。

3D-Generalist還使用了另一個(gè)VLA來處理多樣化的小物體擺放任務(wù)，即使 3D素材是無標(biāo)注（unlabeled）的也能完成。

微調(diào)后（After Finetuning），3D-Generalist涌現(xiàn)出自我糾錯(cuò)行為。

研究團(tuán)隊(duì)還使用Florence-2框架，在由3D-Generalist生成的3D環(huán)境渲染得到的合成數(shù)據(jù)上訓(xùn)練一個(gè)視覺基礎(chǔ)模型。

結(jié)果表明：其效果接近使用規(guī)模大幾個(gè)數(shù)量級(jí)的真實(shí)數(shù)據(jù)所能達(dá)到的效果。

物理AI的ChatGPT時(shí)刻，已開啟？

如果你認(rèn)為黃仁勛費(fèi)盡心機(jī)搞這個(gè)，只是為了讓你玩游戲更爽，或者讓視覺特效更便宜，那你嚴(yán)重低估了英偉達(dá)的野心。

英偉達(dá)不只是買買游戲顯卡，更致力于解決「智能」算力問題。

這篇論文的真正戰(zhàn)略意圖，其實(shí)藏在英偉達(dá)宏大的「具身智能」（Embodied AI）版圖中。

老黃早已押注機(jī)器人，他認(rèn)為那是一個(gè)數(shù)萬億美元的機(jī)遇：

這次無疑是英偉達(dá)「秀肌肉」。

請(qǐng)看這個(gè)邏輯鏈條：

1. 我們想要全能的機(jī)器人（比如特斯拉Optimus，或英偉達(dá)Project GR00T）。

2. 機(jī)器人需要學(xué)會(huì)像人一樣處理復(fù)雜的物理世界（怎么拿雞蛋不碎？怎么在濕滑地板上走路？）。

3. 在真實(shí)世界里訓(xùn)練機(jī)器人太慢、太貴、且不可逆（你不能讓機(jī)器人摔壞一萬個(gè)雞蛋，或者摔斷一千次腿）。

4. 解決方案：把機(jī)器人扔進(jìn)「虛擬世界」里訓(xùn)練。

但是，以前的虛擬世界（模擬器）不僅搭建很慢，而且不夠真實(shí)。

如果模擬器里的物理規(guī)則和現(xiàn)實(shí)不一樣，機(jī)器人學(xué)出來的本事就是花拳繡腿，一上真機(jī)就撲街。

現(xiàn)在，新模型「3D通才」補(bǔ)上了這一環(huán)。

有了這個(gè)技術(shù)，英偉達(dá)可以瞬間生成數(shù)百萬個(gè)包含不同物理變量的「虛擬平行宇宙」。

• 場(chǎng)景A：地板剛拖過，很滑，光線昏暗。

• 場(chǎng)景B：地板鋪了地毯，摩擦力大，強(qiáng)光照射。

• 場(chǎng)景C：地板上散落著樂高積木，障礙物復(fù)雜。

在這個(gè)無限生成的「3D物理世界」里，機(jī)器人大腦可以在一天之內(nèi)經(jīng)歷人類幾百年的訓(xùn)練時(shí)長。它在虛擬世界里摔倒一億次，就是為了在現(xiàn)實(shí)世界里穩(wěn)穩(wěn)地邁出第一步。

在英偉達(dá)的Omniverse生態(tài)中，研究團(tuán)隊(duì)使用Omniverse Replicator實(shí)現(xiàn)大規(guī)模合成數(shù)據(jù)生成，并支持域隨機(jī)化（domain randomization）；而Isaac Lab提供可直接使用的具身載體（例如人形機(jī)器人），可在這些生成環(huán)境中進(jìn)行機(jī)器人仿真。

這才是「物理AI」的終極目標(biāo)：打通Sim-to-Real（從模擬到現(xiàn)實(shí)）的最后一公里。

黃仁勛構(gòu)建的不僅僅是一個(gè)生成的引擎，它是硅基生命誕生的子宮。

所有移動(dòng)之物，終將自主

當(dāng)AI不僅掌握了人類的語言（GPT），掌握了人類的視覺（Sora），現(xiàn)在又掌握了構(gòu)建物理世界的法則（Physcial AI）時(shí)，虛擬與現(xiàn)實(shí)的界限，將不再是涇渭分明的。

我們?cè)谄聊焕飫?chuàng)造的世界，將擁有和現(xiàn)實(shí)世界一樣的重力、光影和因果律。

而我們?cè)诂F(xiàn)實(shí)世界里的機(jī)器人，將擁有在數(shù)億個(gè)虛擬世界里磨練出來的智慧。

在2024年的SIGGRAPH大會(huì)上，黃仁勛曾說：「Everything that moves will be autonomous.」（所有移動(dòng)之物，終將自主。）

當(dāng)時(shí)我們以為他在說機(jī)器人。

現(xiàn)在看來，他說的是整個(gè)物理世界。

作者介紹

Fan-Yun Sun

Fan-Yun Sun是斯坦福大學(xué)AI實(shí)驗(yàn)室（SAIL）的計(jì)算機(jī)科學(xué)博士生，隸屬于Autonomous Agents Lab和斯坦福視覺與學(xué)習(xí)實(shí)驗(yàn)室（SVL）。

在讀博期間，他也深度參與了英偉達(dá)研究院的工作，曾效力于學(xué)習(xí)與感知研究組、Metropolis深度學(xué)習(xí)（Omniverse）以及自動(dòng)駕駛汽車研究組。

他的研究興趣主要在于生成具身（3D）環(huán)境與數(shù)據(jù)，用于訓(xùn)練機(jī)器人和強(qiáng)化學(xué)習(xí)策略；致力于推動(dòng)具身、多模態(tài)基礎(chǔ)模型及其推理能力的發(fā)展。

Shengguang Wu

Shengguang Wu目前是斯坦福大學(xué)計(jì)算機(jī)科學(xué)系的博士生，師從Serena Yeung-Levy教授。

他在北京大學(xué)獲得碩士學(xué)位，導(dǎo)師為Qi Su教授；此前，他也曾在Qwen團(tuán)隊(duì)擔(dān)任研究實(shí)習(xí)生。

他的研究致力于賦予機(jī)器跨多模態(tài)的類人學(xué)習(xí)與推理能力，并推動(dòng)現(xiàn)實(shí)應(yīng)用的落地。

• 多模態(tài)Grounding與推理：利用視覺洞察來優(yōu)化基于語言的推理，同時(shí)引入文本反饋來指導(dǎo)細(xì)粒度的視覺感知。

• 自我提升：讓AI智能體能夠從交互中學(xué)習(xí)并持續(xù)自我進(jìn)化——主動(dòng)適應(yīng)新信息，并隨著新任務(wù)的出現(xiàn)不斷成長。

Jiajun Wu

吳佳俊是斯坦福大學(xué)計(jì)算機(jī)科學(xué)系助理教授，同時(shí)兼任心理學(xué)系助理教授。

在加入斯坦福之前，他曾在Google Research擔(dān)任訪問研究員，與Noah Snavely合作。

他本科畢業(yè)于清華大學(xué)交叉信息研究院「姚班」，師從屠卓文（Zhuowen Tu）教授。在清華期間，他曾連續(xù)三年保持年級(jí)第一，并榮獲清華大學(xué)最高榮譽(yù)——特等獎(jiǎng)學(xué)金以及「中國大學(xué)生年度人物」稱號(hào)。

隨后，他在麻省理工學(xué)院獲得電氣工程與計(jì)算機(jī)科學(xué)博士學(xué)位，導(dǎo)師是Bill Freeman和Josh Tenenbaum。

吳佳俊的團(tuán)隊(duì)致力于物理場(chǎng)景理解的研究——即構(gòu)建能夠「看」見世界、進(jìn)行推理并與物理世界互動(dòng)的機(jī)器，其代表性項(xiàng)目包括Galileo、MarrNet、4D Roses、Neuro-Symbolic Concept Learner以及Scene Language。

除了開發(fā)表征本身，團(tuán)隊(duì)還同步探索這些表征在各個(gè)領(lǐng)域的應(yīng)用：

• 多模態(tài)感知，代表項(xiàng)目如ObjectFolder和RealImpact；

• 4D物理世界的視覺生成，代表項(xiàng)目如3D-GAN、pi-GAN、Point-Voxel Diffusion、SDEdit和WonderWorld；

• 基于物理概念接地的視覺推理，代表項(xiàng)目如NS-VQA、Shape Programs、CLEVRER和LEFT；

• 機(jī)器人學(xué)與具身智能，代表項(xiàng)目如RoboCook和BEHAVIOR。

Shangru Li

Shangru Li是英偉達(dá)高級(jí)系統(tǒng)軟件工程師，長期從事智能視頻分析（IVA）和Metropolis平臺(tái)的相關(guān)工作。

他擁有賓夕法尼亞大學(xué)計(jì)算機(jī)圖形學(xué)與游戲技術(shù)工程碩士學(xué)位，以及廣東外語外貿(mào)大學(xué)計(jì)算機(jī)軟件工程學(xué)士學(xué)位。

其他華人作者還有：

• Haoming Zou (Stanford University)

• Yu-Hsin Chou (Stanford University)

• Xunlei Wu (NVIDIA)

參考資料：

https://research.nvidia.com/publication/2026-03_3d-generalist-vision-language-action-models-crafting-3d-worlds

為偉大思想而生！

AI+時(shí)代，互聯(lián)網(wǎng)思想（wanging0123)，

第一必讀自媒體