• 物理 AI 的发展重心正从基础模型能力提升转向任务能力与系统能力扩展,VLA 与 WAM 路线演进、Egocentric 数据与仿真合成数据发展,以及 Agentic 架构兴起,共同指向如何以更高的资源效率持续扩大机器人的可靠任务范围。
  • Agentic 架构为突破单一模型与同类数据规模扩张的边际收益瓶颈提供了新思路,通过基础技能组合、长程规划与环境反馈纠错,将复杂任务能力的扩展从端到端模型训练延伸至系统层面的组织与执行。
  • 英伟达通过整合 Cosmos 世界基础模型、数据处理工具、仿真与训练框架及端侧计算平台,降低开发者从数据生产、模型训练到实际部署的成本,为物理AI规模化发展提供全栈开发基础设施。