英伟达正构建一个从云端到边缘的完整物理AI生态。通过Blackwell架构和Jetson Thor等硬件，其实现了训练、仿真到部署的闭环，为机器人等领域的应用提供了底层技术支持。
智能速览
Blackwell架构采用双裸片设计，实现10TB/s片间互联。
Jetson Thor面向边缘端，提供T5000级算力支持实时推理。
英伟达构建“云端训练-仿真验证-边缘部署”物理AI三平台闭环。
Holoscan技术能直入GPU显存，显著降低传感器数据处理延迟。
第二代Transformer引擎与TensorRT-LLM结合，加速大模型推理。
精华内容
英伟达的物理AI战略并非空谈，而是通过具体的硬件平台与软件栈，将算力精准地注入到机器交互的每一个环节。
Blackwell创新
Blackwell架构是新一代AI计算的基石。其创新性地采用双裸片设计，通过高达10TB/s的NVLink技术互联，形成一个逻辑统一的GPU。配合第二代Transformer引擎与第五代Tensor Core，它能动态调整算力以进行混合精度计算。实测数据显示，其Ultra TensorCore可实现2倍的注意力层加速和1.5倍的AI计算FLOPS，显著提升大语言模型（LLM）与混合专家模型的训练与推理效率。
边缘算力核心
Jetson Thor是英伟达面向边缘侧实时推理的关键产品。它提供了T5000级别的算力与273GB/s的内存带宽，足以在端侧支撑大模型的运行。通过Holoscan技术，传感器数据可直接写入GPU显存，大幅降低了处理延迟。同时，MIG（多实例GPU）技术允许单个Jetson Thor并行运行多个AI模型或多智能体，为复杂的机器人任务提供了灵活的算力分配方案。
全栈生态
物理AI的实现需要一个完整的闭环生态。英伟达的策略是：在云端，利用DGX平台进行基础大模型的训练；在仿真层，通过OVX服务器配合Omniverse平台进行算法验证与合成数据生成；最后，在边缘侧，将验证过的模型部署到AGX或Jetson系列硬件中，与真实世界交互。Jetson Software Stack和AI Lab则打通了从开发到部署的全流程，确保了整个链条的高效运转。
英伟达通过硬件创新与软件生态的深度整合，为物理AI的未来描绘了一幅清晰的蓝图。当强大的算力无缝覆盖从数字世界到物理世界的每一个节点，下一个由AI驱动的工业革命或许已不再遥远。
