新聞?wù)?/p>

該藍(lán)圖支持大規(guī)模數(shù)據(jù)處理與整理、合成數(shù)據(jù)生成、強(qiáng)化學(xué)習(xí)以及物理 AI 模型的評估，適用于視覺 AI 智能體、機(jī)器人和智能汽車。

包括 Microsoft Azure 和 Nebius 在內(nèi)的云服務(wù)提供商正通過該藍(lán)圖，將全球規(guī)模的算力轉(zhuǎn)化為由智能體驅(qū)動的開箱即用型數(shù)據(jù)生產(chǎn)引擎。

FieldAI、Hexagon Robotics、Linker Vision、Milestone Systems、Skild AI、Uber 和 Teradyne Robotics 等領(lǐng)先的物理 AI 開發(fā)商，正基于該藍(lán)圖加速機(jī)器人、視覺 AI 智能體和智能汽車的開發(fā)。

加利福尼亞州圣何塞 —— GTC —— 太平洋時間 2026 年 3 月 16 日 —— NVIDIA 今天宣布推出 NVIDIA 物理 AI 數(shù)據(jù)工廠 Blueprint（NVIDIA Physical AI Data Factory Blueprint）。這是一個開放的參考架構(gòu)，用于統(tǒng)一并自動化訓(xùn)練數(shù)據(jù)的生成、增強(qiáng)和評估流程，從而降低大規(guī)模訓(xùn)練物理 AI 系統(tǒng)的成本、時間和復(fù)雜性。

借助該藍(lán)圖，開發(fā)者能夠使用 NVIDIA Cosmos? 開放世界基礎(chǔ)模型和先進(jìn)的編程智能體，將有限的訓(xùn)練數(shù)據(jù)轉(zhuǎn)化為大規(guī)模且多樣化的數(shù)據(jù)集，其中包括在現(xiàn)實(shí)世界中采集成本極高、耗時且往往難以采集的罕見邊緣用例和長尾場景。

NVIDIA 正與 Microsoft Azure 和Nebius 合作，將該開放藍(lán)圖深度集成至其云基礎(chǔ)設(shè)施和服務(wù)中，助力開發(fā)者將加速計(jì)算能力轉(zhuǎn)化為海量訓(xùn)練數(shù)據(jù)。FieldAI、Hexagon Robotics、Linker Vision、Milestone Systems、Robo Force、Skild AI、Teradyne Robotics 和 Uber 等領(lǐng)先的物理 AI 開發(fā)企業(yè)正借助該藍(lán)圖加速機(jī)器人、視覺 AI 智能體和智能汽車的開發(fā)。

NVIDIA Omniverse 與仿真技術(shù)副總裁 Rev Lebaredian 表示：“物理 AI 是 AI 革命的下一個前沿，其成功的關(guān)鍵在于生成海量數(shù)據(jù)的能力。通過與領(lǐng)先的云服務(wù)提供商合作，我們正在提供一種全新的智能體引擎，將算力轉(zhuǎn)化為高質(zhì)量數(shù)據(jù)，推動下一代自主系統(tǒng)和機(jī)器人的發(fā)展。在這個新時代，計(jì)算即數(shù)據(jù)?！?/p>

面向物理 AI 開發(fā)的統(tǒng)一引擎

物理 AI 遵循擴(kuò)展定律：性能隨著數(shù)據(jù)規(guī)模、算力和模型容量的增長而提升。NVIDIA 物理 AI 數(shù)據(jù)工廠 Blueprint 作為統(tǒng)一的參考架構(gòu)，通過模塊化、自動化的流程，幫助團(tuán)隊(duì)從原始數(shù)據(jù)轉(zhuǎn)變?yōu)閷δＰ涂芍苯佑?xùn)練的數(shù)據(jù)集：

數(shù)據(jù)整理與搜索：NVIDIA Cosmos Curator 用于處理、優(yōu)化并標(biāo)注大規(guī)模的真實(shí)世界和合成數(shù)據(jù)集。

增強(qiáng)與倍增：Cosmos Transfer 對整理后的數(shù)據(jù)進(jìn)行指數(shù)級擴(kuò)展和多樣化處理，使真實(shí)與模擬輸入成倍增加，更好地捕捉不同環(huán)境和光照條件下的罕見邊緣用例和長尾場景。

評估與驗(yàn)證：基于 Cosmos Reason 的 NVIDIA Cosmos Evaluator（現(xiàn)已上線 GitHub）可自動對生成的數(shù)據(jù)進(jìn)行評分、驗(yàn)證并篩選，確保物理準(zhǔn)確性及訓(xùn)練可用性。

NVIDIA 正在使用該物理 AI 數(shù)據(jù)工廠 Blueprint 來訓(xùn)練和評估 NVIDIA Alpamayo，這是個全球首個基于推理的、用以提高輔助駕駛的長尾場景能力的開源 VLA 模型。Skild AI 正在借助該藍(lán)圖推進(jìn)通用機(jī)器人基礎(chǔ)模型。同時， Uber 正利用其加速智能汽車的開發(fā)。

由智能體驅(qū)動的規(guī)?；幣?/p>

許多機(jī)器人開發(fā)人員并不具備建立和管理大規(guī)模生成數(shù)據(jù)所需的復(fù)雜 AI 基礎(chǔ)設(shè)施的能力。

開源編排框架NVIDIA OSMO 可在不同計(jì)算環(huán)境之間統(tǒng)一并管理這些工作流，減少人工操作，使開發(fā)人員可以專注于構(gòu)建模型。

目前，OSMO 已與 Cursor 等先進(jìn)的編程智能體集成，實(shí)現(xiàn)了 AI 原生運(yùn)維。在這一模式下，智能體能主動管理資源、解決瓶頸問題，并加速模型的規(guī)?；桓哆M(jìn)程。

賦能全球物理 AI 生態(tài)系統(tǒng)

云服務(wù)提供商在提供開發(fā)者大規(guī)模構(gòu)建和部署物理 AI 所需的加速 AI 基礎(chǔ)設(shè)施、機(jī)器學(xué)習(xí)運(yùn)營和編排服務(wù)方面起著關(guān)鍵作用。

Microsoft Azure 正在將 NVIDIA 物理 AI 數(shù)據(jù)工廠 Blueprint 集成到一套開放的物理 AI 工具鏈中，現(xiàn)已在 GitHub 上線。該藍(lán)圖實(shí)現(xiàn)了與 Azure 多項(xiàng)服務(wù)的深度集成，包括 Azure IoT Operations、Microsoft Fabric、Real-Time Intelligence、Microsoft Foundry 和 GitHub Copilot，旨在提供智能體驅(qū)動的企業(yè)級工作流，用于快速、大規(guī)模地訓(xùn)練和驗(yàn)證物理 AI 系統(tǒng)。

FieldAI、Hexagon Robotics、Linker Vision 和 Teradyne Robotics 是首批測試 Azure 物理 AI 工具鏈的部分企業(yè)，用于加速和擴(kuò)展其感知、移動性和強(qiáng)化學(xué)習(xí)工作流中的數(shù)據(jù)生成、增強(qiáng)和評估。

Nebius 已將 OSMO 集成至其 AI Cloud 中，使開發(fā)者能夠使用該藍(lán)圖部署符合自身需求的生產(chǎn)就緒型數(shù)據(jù)管線。Nebius 的基礎(chǔ)設(shè)施為物理 AI 堆棧提供端到端支持。

Milestone Systems、Voxel51 和 RoboForce 已經(jīng)率先在 Nebius 基礎(chǔ)設(shè)施上運(yùn)行該藍(lán)圖，以加速視頻分析 AI 智能體、智能汽車和工業(yè)人形機(jī)器人的模型開發(fā)。