在刚刚落幕的GTC台北和Computex 2026大会上，NVIDIA创始人兼CEO黄仁勋带来了一场震动科技圈的重磅发布。
这一次，英伟达不再仅仅聚焦于算力芯片，而是将目光投向了“物理AI（Physical AI）”。NVIDIA正式发布了面向物理AI的开源智能体工具和技能集合，旨在帮助开发者大幅降低构建复杂AI工作流的成本与时间。
正如黄仁勋所言：“AI智能体正在彻底改变软件开发，而这种转变正蔓延至物理AI领域，将深刻变革交通运输、制造业、医疗保健和机器人技术。”
以下是本次GTC台北大会关于“物理AI”的核心干货盘点：
核心大招：物理AI技术栈全面“智能体化”
NVIDIA正在优化其整个物理AI堆栈，将原本复杂的库、模型和框架，转化为AI智能体（Agent）可以直接调用的工具。这套强大的技术栈包括：
NVIDIA Cosmos 3：全球首款完全开放的全模态物理AI世界基础模型，用于物理世界的推理与生成。
NVIDIA Omniverse：强大的仿真和数字孪生库。
NVIDIA Isaac：专为机器人仿真和机器人学习打造。
NVIDIA Metropolis：赋能实时视觉AI。
NVIDIA Alpamayo：面向自动驾驶的开放式推理模型。
NVIDIA Jetson：专为边缘AI开发设计的平台。
开发利器：让AI自己写代码、跑流程
为了让开发者更轻松地应用上述工具，NVIDIA推出了一系列全新技能：
物理AI技能：作为NVIDIA Agent Toolkit的一部分，这些技能将复杂的开发流程转化为编码智能体可遵循的“重复执行指令”。智能体会自动决定调用哪些工具、生成哪些输出以及如何验证结果。
NemoClaw蓝图与OpenShell运行时：开发者可借助NemoClaw快速构建智能体编排层，并利用OpenShell安全运行时在本地或云端提供基于策略的安全和隐私治理。
五大领域迎来“加速时刻”
这些工具和技能正在全面赋能以下核心领域的代理式开发：
机器人和边缘AI：加速从生成训练数据、仿真、导航训练自动化到基于Jetson边缘系统部署的全流程。
智能汽车：引导智能体将车队数据放入仿真环境重建，大规模生成高真实度驾驶场景，并通过闭环强化学习扩大训练范围。
实时视觉AI：帮助团队生成合成训练数据、微调模型、自动标记，并构建能搜索、总结和分析视频的AI智能体。
工业AI：将工程数据转换为CAD资产用于数字孪生仿真，减少手动设置并优化大型OpenUSD场景。
医疗保健：指导智能体完成医院环境数字孪生创建、仿真到现实的数据生成及软件在环策略测试。
巨头入局：行业落地跑出“加速度”
NVIDIA的物理AI技术已经吸引了全球众多行业领导者率先采用：
电子制造：台积电、和硕、台达电子等利用缺陷图像生成技能微调视觉检测模型，大幅缩短训练时间并提高检测率与一次通过率。
自动驾驶：理想汽车、千里科技等利用Omniverse NuRec模型进行神经场景重建，每天生成超30万次渲染与仿真。
工业软件：Cadence、达索系统、西门子等利用Omniverse库进行工程数据检查、仿真和交互式数字孪生。
机器人：1X、Agile Robots、Universal Robots等企业正使用NVIDIA智能体就绪型物理AI堆栈加速开发。
开发者福利：现已全面开源
好消息是，这些物理AI代理工具和技能现已在GitHub和skills.sh开源发布。
此外，用于合成数据生成的代理技能和工具也可在NVIDIA Brev平台上作为预配置环境（Physical AI Launchables）获取，帮助开发者更快地生成和评估合成数据。
互动话题：
从虚拟世界走向物理世界，你认为物理AI最先会在哪个领域实现大规模商业化？欢迎在评论区留下你的看法！
10个月宝宝每天需要喝多少奶粉？
