陈沛/文 英伟达最近在6月初的演讲活动中公布了下一代Rubin GPU的路线图以及历代GPU的性能优化情况。

虽然这次发布内容引发了广泛关注，但是实际上，英伟达的路线图更新与提速已在去年至今的多次公司分析中都出现过，我在之前的专栏中也写过相关内容。

除了业界关注的GPU更新，英伟达在这次演讲尾声还专门展示了一段关于物理AI（Physical AI）未来发展的3分钟视频，我认为更加值得关注。

英伟达提出AI下一波发展重点，将从生成式AI（Generative AI）转向物理AI（Physical AI），这意味着AI系统将能够更好理解现实世界的物理定律和复杂环境，从而推动自动化服务机器人加速普及。

英伟达集中展示了Fourier Intelligence、Moon Surgical、Sanctuary AI、DeepMind等多家公司在自动化服务机器人方面的研究进展。而在这些物理AI应用的背后，离不开英伟达Omniverse的机器人模拟训练平台，以及配套的视觉AI工具Metropolis和AI机器人开发平台Isaac。

其中，英伟达Omniverse是一个实时仿真平台，整合了高度物理仿真、实时光线追踪、AI训练优化、实时协作与跨平台集成等功能特点。在一款机器人推出之前，可以在Omniverse中进行几百万次模拟训练和强化学习，以增强适应现实世界的能力。

具体来说，Omniverse平台内置的物理仿真引擎能帮助机器人适应真实世界中的重力、碰撞、摩擦等特性，训练机器人完成抓取、操作等任务；实时光线追踪可生成高度逼真的光影效果，训练机器人在复杂光照条件下识别和处理物体；Omniverse还可以利用强化学习算法迭代训练，优化机器人的行为规划和学习策略。

在英伟达Omniverse的支持下，可以看到正在加紧训练各种类型的自动化服务机器人，例如在家庭和医院中的陪护机器人、在生产线和仓库中的工业机器人、辅助手术的医疗机器人以及各类无人驾驶汽车和无人机等等。

这些自动化服务机器人的发展，让英伟达Omniverse在机器人模拟训练和强化学习方面正显示出强大的应用潜力和广阔的发展前景。不仅如此，考虑到Omniverse的物理仿真特性，可以设想它还会在建筑设计、影视制作、游戏开发甚至是教育培训等领域不断突破边界，为开发者和工程师构建智能化应用带来更多可能性。

为了持续推进物理AI的发展愿景，英伟达近期还趁热打铁发布了AI Enterprise-IGX平台，提升在边缘环境中大规模部署AI应用的能力。在物理AI的想象空间中，所有移动设备都需要引入智能化的自主行动能力，这也会帮助英伟达突破现有业务边界，从目前的数据中心AI服务器向更广泛的边缘设备AI处理器延伸，构筑新的业务增长空间和远期发展目标。