電子發(fā)燒友網(wǎng)報道（文/吳子鵬）在具身智能領(lǐng)域，人形機器人無疑是最值得期待的產(chǎn)品類別，有著更高的市場熱度和更大的發(fā)展?jié)摿ΑＰ聭?zhàn)略人形機器人產(chǎn)業(yè)研究所的統(tǒng)計數(shù)據(jù)顯示，截至 2025 年 4 月，全球人形機器人本體企業(yè)數(shù)量已超 300 家，中國企業(yè)數(shù)量占半壁江山。

隨著全球范圍內(nèi)越來越多企業(yè)涌入人形機器人賽道，市場預(yù)期持續(xù)攀升。根據(jù)高工機器人產(chǎn)業(yè)研究所（GGII）近期發(fā)布的《2025 年人形機器人產(chǎn)業(yè)發(fā)展藍皮書》，2025 年全球人形機器人市場銷量有望達 1.24 萬臺，市場規(guī)模 63.39 億元；2030 年銷量將接近 34 萬臺，市場規(guī)模超 640 億元；2035 年銷量將突破 500 萬臺，市場規(guī)模超 4000 億元。

數(shù)據(jù)來源：《2025 年人形機器人產(chǎn)業(yè)發(fā)展藍皮書》，電子發(fā)燒友網(wǎng)制圖

然而，要釋放人形機器人的市場潛力，研發(fā)企業(yè)仍需攻克諸多挑戰(zhàn)。尤其在數(shù)據(jù)與模型能力層面，人形機器人設(shè)計面臨多維度技術(shù)瓶頸，既涉及底層感知決策的精度問題，也關(guān)乎復(fù)雜物理系統(tǒng)與智能算法的協(xié)同效率。對于通用人形機器人而言，更需基于有限數(shù)據(jù)構(gòu)建接近甚至超越人類的通用模型，多任務(wù)耦合、物理約束與場景泛化等挑戰(zhàn)尤為突出。

在應(yīng)對上述挑戰(zhàn)的探索中，NVIDIA 發(fā)布的開源人形機器人基礎(chǔ)模型 Isaac GR00T N1 提供了高效解決方案。其在雙系統(tǒng)架構(gòu)、合成數(shù)據(jù)生成、仿真訓(xùn)練等方面的創(chuàng)新，大幅降低了通用人形機器人的開發(fā)門檻，標志著該領(lǐng)域進入全新發(fā)展階段。

數(shù)據(jù)多樣性與場景泛化的雙重桎梏

人形機器人產(chǎn)業(yè)有一句被廣泛認同的發(fā)展定律 ——“得數(shù)據(jù)者得天下”。這是因為人形機器人的智能化依賴 AI 大模型，而大模型的能力提升高度依賴數(shù)據(jù)規(guī)模與質(zhì)量。從這個角度看，數(shù)據(jù)堪稱人形機器人的 “靈魂”，但當(dāng)前產(chǎn)業(yè)正面臨數(shù)據(jù)匱乏的痛點。

首先，數(shù)據(jù)采集場景復(fù)雜。通用人形機器人需適應(yīng)家庭、工業(yè)、戶外等多元場景，不同場景的光照、地形、物體分布差異顯著，采集全場景數(shù)據(jù)需耗費大量時間與資源。現(xiàn)階段，多數(shù)機器人數(shù)據(jù)僅來源于實驗室環(huán)境下的簡單動作（如行走、抓取），缺乏工廠物料分揀、老人居家護理等復(fù)雜動態(tài)場景的實時交互數(shù)據(jù)。

其次，多模態(tài)數(shù)據(jù)采集門檻高。人形機器人需融合視覺、聽覺、觸覺等多模態(tài)數(shù)據(jù)感知環(huán)境，這要求多種傳感器同步工作并保證時序一致性，技術(shù)難度極大。與整機構(gòu)建不同，數(shù)據(jù)采集階段需依賴多模態(tài)感知系統(tǒng)保障質(zhì)量，醫(yī)療場景更需柔性傳感器，進一步制約了數(shù)據(jù)池擴展。

第三，數(shù)據(jù)標注難度與工作量雙高。標注人形機器人數(shù)據(jù)需掌握運動學(xué)、動力學(xué)及場景專業(yè)知識（如標注行走姿態(tài)需關(guān)節(jié)角度、運動軌跡等知識），標注人員需經(jīng)專業(yè)培訓(xùn)。此外，數(shù)據(jù)量龐大且關(guān)聯(lián)復(fù)雜，需標注動作、姿態(tài)及環(huán)境交互信息，導(dǎo)致標注工作量呈指數(shù)級增長。

最后，數(shù)據(jù)孤島與標準缺失問題突出。企業(yè)將數(shù)據(jù)視為核心競爭力，擔(dān)心共享導(dǎo)致技術(shù)泄露，形成 “數(shù)據(jù)孤島”；同時，不同機構(gòu)的數(shù)據(jù)采集設(shè)備、方法與格式缺乏統(tǒng)一標準，即便倡導(dǎo)開源，數(shù)據(jù)融合仍困難重重。

數(shù)據(jù)匱乏直接制約 AI 大模型性能提升。如上所述，通用人形機器人需覆蓋家庭、辦公、戶外等復(fù)雜場景，小規(guī)模數(shù)據(jù)難以捕捉場景多樣性，導(dǎo)致模型無法學(xué)習(xí)足夠模式，在新場景中表現(xiàn)欠佳。為保證安全性，開發(fā)人員不得不為機器人添加大量物理約束，將規(guī)范嵌入控制系統(tǒng)，但這反而限制了場景泛化能力。

比數(shù)據(jù)缺乏更嚴峻的是數(shù)據(jù)質(zhì)量問題：錯誤標注、缺失值或偏差會使模型學(xué)習(xí)錯誤模式，導(dǎo)致機器人決策失誤。例如，在養(yǎng)老護理場景里，訓(xùn)練物體識別時，錯誤標注可能導(dǎo)致機器人拿錯藥物，引發(fā)嚴重后果。

為破解數(shù)據(jù)困局，機器人行業(yè)嘗試引入動作捕捉技術(shù) —— 通過高精度傳感器采集人類關(guān)節(jié)軌跡、肌肉發(fā)力模式，將人類動作轉(zhuǎn)化為機器人控制指令。這一技術(shù)試圖打通人類運動經(jīng)驗與機器人控制的壁壘，但仍存在局限：高精度動捕系統(tǒng)需在特定場地部署大量設(shè)備，成本高昂；視覺動捕易受光照與遮擋干擾，慣性動作捕捉可能受電磁干擾漂移；若 AI 模型基礎(chǔ)能力不足，示教動作可能引入誤差，限制復(fù)雜環(huán)境應(yīng)用。

GR00T N1為人形機器人帶來通用技能和推理

GTC 2025期間，NVIDIA 推出一系列全新技術(shù)，助力人形機器人開發(fā)，其中包括全球首個開源且完全可定制的基礎(chǔ)模型 NVIDIA Isaac GR00T N1。NVIDIA 創(chuàng)始人兼 CEO 黃仁勛表示，“借助 NVIDIA Isaac GR00T N1 以及新的數(shù)據(jù)生成和機器人學(xué)習(xí)框架，全球機器人開發(fā)者將開啟 AI 時代的全新篇章。”

GR00T N1是NVIDIA Isaac GR00T平臺推出的首個用于通用人形機器人推理和技能的可完全定制模型，其擁有兩大突出的優(yōu)勢：GR00T N1基于龐大的人形數(shù)據(jù)集訓(xùn)練而來，且創(chuàng)新性地采用了雙系統(tǒng)架構(gòu)，可幫助解決當(dāng)前通用人形機器人開發(fā)遇到的挑戰(zhàn)，保證了通用人形機器人性能的“基本盤”。

GR00T N1的訓(xùn)練數(shù)據(jù)既包含了真實獲取的數(shù)據(jù)，也有使用 NVIDIA Isaac GR00T Blueprint 組件生成的合成數(shù)據(jù)，以及互聯(lián)網(wǎng)級視頻數(shù)據(jù)。其中，用于合成運動生成的 NVIDIA Isaac GR00T Blueprint 是基于 NVIDIA Omniverse 和 NVIDIA Cosmos 構(gòu)建的參考工作流，它可以從少量的人類演示中創(chuàng)建大量的合成運動軌跡，用于機器人操作。列一組簡單的數(shù)據(jù)對比，GR00T Blueprint能夠在11 小時內(nèi)生成 780,000 個合成軌跡，相當(dāng)于 6,500 小時或連續(xù)九個月的人類演示數(shù)據(jù)。同時，GR00T Blueprint生成的數(shù)據(jù)還能夠和真實世界數(shù)據(jù)結(jié)合，進一步提升了數(shù)據(jù)的質(zhì)量和規(guī)模。

GR00T Blueprint工作流，圖源：NVIDIA

如此吸引人的訓(xùn)練數(shù)據(jù)集該如何獲取呢？NVIDIA也回應(yīng)了人形機器人開發(fā)人員關(guān)切的問題。GTC 2025上，該公司發(fā)布了大型開源數(shù)據(jù)集，助力構(gòu)建下一代物理 AI。初始數(shù)據(jù)集包含15 TB 數(shù)據(jù)，有超過 320,000 條機器人訓(xùn)練軌跡，以及包含 SimReady 資源集合在內(nèi)的高達 1,000 個通用場景描述（OpenUSD）資源，開發(fā)人員可通過 Hugging Face 平臺下載。從數(shù)據(jù)規(guī)模來看，已發(fā)布的 GR00T N1 數(shù)據(jù)集是更大的開源物理 AI 數(shù)據(jù)集的一部分。事實上，這些高質(zhì)量數(shù)據(jù)不僅可用于預(yù)訓(xùn)練，也可用于后訓(xùn)練，以對AI模型進行調(diào)優(yōu)。

發(fā)展至今，GR00T N1背后的數(shù)據(jù)集和數(shù)據(jù)合成方法已經(jīng)不只是一個解決方案，而是一種適用于自主機器人或自動駕駛的數(shù)據(jù)生態(tài)。一方面，人形機器人公司、自動駕駛方案商和領(lǐng)先的科研機構(gòu)在積極使用這些數(shù)據(jù)；另一方面這些機構(gòu)和單位也在基于此構(gòu)建新的數(shù)據(jù)和方法論。比如，智元機器人利用 GR00T-Teleop 打造了更加高效易用的仿真遙操作方法，GR00T-Teleop 是NVIDIA Project GR00T 的核心模塊之一，支持基于 Apple Vision Pro 的遠程操作。因此，用戶可以通過佩戴 VR 設(shè)備，利用手柄實時控制 Isaac Sim 中智元 AgiBot G1 機器人的手臂、腰部和底盤運動，然后再借助GR00T-Mimic，實現(xiàn)少量示教到海量數(shù)據(jù)的泛化，實現(xiàn)數(shù)據(jù)采集規(guī)模的指數(shù)級上升。這一方法，以及與之類似的方法實際上也解決了我們上述提到的動作捕捉技術(shù)的痛點和難點，以少量的人類示范就可以構(gòu)建大量人形機器人動作的“金標準”。

Genie Sim 基于 GR00T-Teleop 的仿真遠程操作架構(gòu)，圖源：NVIDIA

除了龐大的數(shù)據(jù)支撐，GR00T N1模型還采用了雙系統(tǒng)架構(gòu)，以提供類似人類大腦的認知模式。如下圖所示，系統(tǒng) 2是一個視覺-語言模型，基于 NVIDIA-Eagle 和 SmolLM-1.7B，是一個方法論思考系統(tǒng)，通過視覺和語言指令解釋環(huán)境，使機器人能夠?qū)ζ洵h(huán)境和指令進行推理，并規(guī)劃正確的行動；系統(tǒng)1是擴散 Transformer，這個動作模型生成連續(xù)動作以控制機器人的運動，將系統(tǒng) 2 制定的動作計劃轉(zhuǎn)化為精確、連續(xù)的機器人運動，如在倉庫場景中，系統(tǒng)1能規(guī)劃自主導(dǎo)航路徑并完成多步驟貨物分揀。

GR00T N1模型的雙系統(tǒng)架構(gòu)，圖源：NVIDIA

因此，GR00T N1模型能夠讓通用人形機器人開發(fā)人員從一開始就不必受到數(shù)據(jù)規(guī)模和場景泛化的牽絆，它可以輕松適應(yīng)和應(yīng)對各種通用任務(wù)，比如單手或雙手抓取、移動物體，或者是將物品從一只手臂轉(zhuǎn)移到另一只手臂，當(dāng)然它也能夠勝任需要較長背景和常規(guī)技能組合的多步驟任務(wù)，比較典型的場景是物料的搬運和檢查。

針對特定場景，開發(fā)人員還可以使用真實數(shù)據(jù)或合成數(shù)據(jù)對GR00T N1模型進行后訓(xùn)練，進一步提升人形機器人的場景適應(yīng)性；針對復(fù)雜任務(wù)，開發(fā)人員也可以通過開源物理引擎 Newton提升人形機器人精度以處理復(fù)雜任務(wù)。該引擎基于 NVIDIA Warp 框架構(gòu)建，針對機器人學(xué)習(xí)進行優(yōu)化，并與 Google DeepMind MuJoCo 和 NVIDIA Isaac Lab 等仿真框架兼容。

正如1X Technologies 首席執(zhí)行官 Bernt B?rnich 所言，“人形機器人的未來開發(fā)重點在于適應(yīng)能力和學(xué)習(xí)能力。”GR00T N1模型的出現(xiàn)精準契合行業(yè)發(fā)展的大趨勢，通過高效、高質(zhì)量的數(shù)據(jù)集、預(yù)訓(xùn)練、后訓(xùn)練和推理，GR00T N1模型讓人形機器人研發(fā)全面換擋提速。當(dāng)前，優(yōu)先使用 GR00T N1 的領(lǐng)先機器人公司包括1X Technologies、Agility Robotics、波士頓動力、Mentee Robotics 和 NEURA Robotics等。

Blackwell 架構(gòu)為智能體提供強勁動能

如上所述，GR00T N1是NVIDIA 一系列可完全定制模型中的首個模型，也是GR00T平臺更新的重要成果。除了基礎(chǔ)模型和數(shù)據(jù)流水線，NVIDIA Jetson為人形機器人模型部署提供可擴展且性能強大的計算平臺。

GR00T工作流程圖，圖源：NVIDIA

NVIDIA Jetson平臺已有多款針對機器人部署的芯片方案。例如，Jetson Orin系列為不同規(guī)格的人形機器人模型提供 7 個具有相同架構(gòu)的模組，包括Jetson AGX Orin、Jetson Orin NX和Jetson Orin Nano等，最高可提供每秒高達 275 萬億次運算 (TOPS) 的算力，性能是上一代多模態(tài) AI 推理的 8 倍，可支持訓(xùn)練好的人形機器人模型進行快速推理。

更讓人形機器人開發(fā)者興奮的是最新的Jetson Thor系列，其是NVIDIA專為人形機器人設(shè)計的計算平臺。Jetson Thor集成高性能CPU、高算力內(nèi)核、功能安全模塊和100 GB以太網(wǎng)帶寬，使人形機器人能夠運行復(fù)雜的多模態(tài) AI 模型，高效處理實時的多模態(tài)傳感器數(shù)據(jù)并支持復(fù)雜處理任務(wù)，是下一代通用人形機器人部署的理想平臺。此前，NVIDIA 機器人與邊緣計算副總裁Deepu Talla透露，Jetson Thor平臺計算性能可達到1050 TOPS。

Jetson Thor計算平臺的出色性能源于背后的NVIDIA Blackwell 架構(gòu)的強大支持，該架構(gòu)為生成式 AI 和加速計算帶來突破性進步。基于Blackwell 架構(gòu)的GPU具有 2080 億個晶體管，采用專門定制的臺積電 4NP 工藝制造。所有 NVIDIA Blackwell 產(chǎn)品均采用雙倍光刻極限尺寸的裸片，通過 10 TB/s 的片間互聯(lián)技術(shù)連接成一塊統(tǒng)一的 GPU。

除了計算性能的提升，Blackwell 架構(gòu)還有非常多的優(yōu)化，能夠提升基于該架構(gòu)的計算芯片在人形機器人市場的表現(xiàn)。比如，Blackwell 架構(gòu)搭載第二代 Transformer 引擎，該引擎將定制的 NVIDIA Blackwell Tensor Core 技術(shù)與 NVIDIA TensorRT-LLM 和 NeMo 框架的創(chuàng)新進行結(jié)合，加速大語言模型 (LLM) 和多專家模型 (MoE) 的推理和訓(xùn)練。GR00T N1數(shù)據(jù)集和模型等一系列新的方案發(fā)布之后，全球通用人形機器人在預(yù)訓(xùn)練、后訓(xùn)練和部署推理方面的芯片需求將顯著提升，而這些任務(wù)對算力芯片的算力精度和算力規(guī)模有著不一樣的要求，Blackwell Tensor Core 新增了由社區(qū)定義的新型微縮放格式作為新的精度選項，這一改進不僅提升了計算的準確性，還可在必要時輕松切換至更高的精度級別，這種能力保障了人形機器人的訓(xùn)練和推理。

對于第二代 Transformer 引擎，還有一點對于人形機器人是非常重要的，那就是微張量縮放的細粒度縮放技術(shù)。這項技術(shù)可以優(yōu)化性能和準確性，從而實現(xiàn) 4 位浮點 (FP4) AI。這一技術(shù)在保持高精度不變的同時，將內(nèi)存能夠支持的下一代模型的性能和規(guī)模均提升了 1 倍。這使得人形機器人能夠?qū)崟r處理視覺識別、自然語言交互、力控反饋等多維度數(shù)據(jù)，決策能力顯著提升。同時，通過 FP4 精度和硬件級解壓縮引擎，Blackwell架構(gòu)可以降低人形機器人推理的功耗。通用人形機器人主要依賴電池供電，有限的身體空間導(dǎo)致電池容量無法像汽車一樣擴大，因此能效是非常重要的指標。

此外，Blackwell 內(nèi)置 NVIDIA 機密計算技術(shù)，可通過基于硬件的強大安全性保護敏感數(shù)據(jù)和 AI 模型，使其免遭未經(jīng)授權(quán)的訪問，能夠增強人形機器人等AI智能體的數(shù)據(jù)安全特性。因此，Blackwell 架構(gòu)不僅是算力的升級，而是帶來了算力、效能、安全性等方面的全面提升，推動人形機器人從實驗室走向工業(yè)、服務(wù)、特種作業(yè)等場景。

結(jié)語

從數(shù)據(jù)孤島到生態(tài)協(xié)同，從場景局限到通用泛化，NVIDIA Isaac GR00T N1數(shù)據(jù)集和模型的出現(xiàn)，使得研發(fā)通用人形機器人不再受困于數(shù)據(jù)缺失，并帶來了“數(shù)據(jù)合成 + 智能推理”的高效范式，僅需要少量的示范數(shù)據(jù)就能模擬人類大腦的決策邏輯，讓通用人形機器人在家庭服務(wù)、工業(yè)分揀、醫(yī)療護理等復(fù)雜場景中更快落地。在此過程中，Jetson AGX Thor 計算平臺與 Blackwell 架構(gòu)的創(chuàng)新賦能價值凸顯，為人形機器人裝上了高性能的“智能引擎”。

未來，隨著物理 AI 與生成式 AI 的深度耦合，人形機器人將從 “定制化工具” 邁向 “通用化智能體”，真正融入人類生活的每個角落，開啟人機協(xié)作的全新時代。