新聞摘要：

? 該藍圖支持大規(guī)模數(shù)據(jù)處理與整理、合成數(shù)據(jù)生成、強化學習以及物理 AI 模型的評估，適用于視覺 AI 智能體、機器人和智能汽車。

? 包括 Microsoft Azure 和 Nebius 在內的云服務提供商正通過該藍圖，將全球規(guī)模的算力轉化為由智能體驅動的開箱即用型數(shù)據(jù)生產引擎。

? FieldAI、Hexagon Robotics、Linker Vision、Milestone Systems、Skild AI、Uber 和 Teradyne Robotics 等領先的物理 AI 開發(fā)商，正基于該藍圖加速機器人、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，用于統(tǒng)一并自動化訓練數(shù)據(jù)的生成、增強和評估流程，從而降低大規(guī)模訓練物理 AI 系統(tǒng)的成本、時間和復雜性。

借助該藍圖，開發(fā)者能夠使用 NVIDIA Cosmos? 開放世界基礎模型和先進的編程智能體，將有限的訓練數(shù)據(jù)轉化為大規(guī)模且多樣化的數(shù)據(jù)集，其中包括在現(xiàn)實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，將該開放藍圖深度集成至其云基礎設施和服務中，助力開發(fā)者將加速計算能力轉化為海量訓練數(shù)據(jù)。FieldAI、Hexagon Robotics、Linker Vision、Milestone Systems、Robo Force、Skild AI、Teradyne Robotics 和 Uber 等領先的物理 AI 開發(fā)企業(yè)正借助該藍圖加速機器人、視覺 AI 智能體和智能汽車的開發(fā)。

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

面向物理 AI 開發(fā)的統(tǒng)一引擎

物理 AI 遵循擴展定律：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，通過模塊化、自動化的流程，幫助團隊從原始數(shù)據(jù)轉變?yōu)閷δＰ涂芍苯佑柧毜臄?shù)據(jù)集：

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

? 增強與倍增：Cosmos Transfer 對整理后的數(shù)據(jù)進行指數(shù)級擴展和多樣化處理，使真實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)進行評分、驗證并篩選，確保物理準確性及訓練可用性。

NVIDIA 正在使用該物理 AI 數(shù)據(jù)工廠 Blueprint 來訓練和評估 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 正在借助該藍圖推進通用機器人基礎模型。同時， Uber 正利用其加速智能汽車的開發(fā)。

由智能體驅動的規(guī)?；幣?/strong>