GTC柏林现场，演讲快结束时，黄仁勋把一群小机器人叫上台：走两步、坐下、睡一觉，最后还翻了个跟头。台下觉得萌，他自己却是认真的——这场91分钟的演讲，最核心的判断就一个：物理AI、人形机器人，是下一个伟大的产业。微博B站知乎
这回不只是嘴上说说。10月底，Counterpoint放出全球人形机器人追踪报告，两个结论都很硬：
第一，英伟达已经在人形机器人AI加速器市场坐上头把交椅——加速器就是机器人的「大脑」；高通、英特尔、特斯拉、小鹏都在追，但目前只能算「逐步崛起」。新浪数码
第二，到2030年，全球人形机器人AI加速器累计出货量将突破100万台，2026到2030年的复合增长率高达144%。144%什么概念？出货量每年乘以2.4倍，连着翻五年。微博
为什么大脑还是英伟达的？报告给了答案：主流的VLA（视觉-语言-动作）模型和世界模型都是GPU生态里长大的，短期内GPU仍是人形机器人算力的主流架构。说白了，英伟达挖了近二十年的CUDA护城河，原封不动复用到了机器人身上。微博
更有意思的对照是——身体，大多是中国造的。Counterpoint数据显示，今年上半年全球人形机器人出货量同比增长300%，前五名清一色是中国厂商：智元占43.1%、宇树占31.1%，两家合计超七成。分工很明确：中国公司负责造出机器人，英伟达负责让机器人会想。微博
为了这门生意，英伟达的准备远不止卖芯片。
训练端，10月底刚放出Isaac Lab 3.0：双物理引擎后端（PhysX+Newton），脱离Isaac Sim也能跑大规模强化学习，单机仿真帧率最高能到百万级。思路是让机器人先在虚拟世界「学徒」，练好了再进现实——这就是黄仁勋反复讲的「数字孪生工厂」。B站B站
学习端，英伟达联合哈佛、伯克利、MIT、斯坦福推出了机器人学习框架RAX。框架已经开源，路线相当激进：不需要人类示范，纯靠在线探索让机器人自己摸索，成功一次就把经验编译成可执行的Python程序——代码即策略。B站
实测成绩单相当能打：五大仿真基准平均比此前最强方案高出37.4个百分点。更夸张的是编译成代码后：一个空气炸锅操作任务，推理耗时从72分钟压到18秒，提速241倍。B站
不过先泼盆冷水：RAX的实验烧掉了超10万美元API额度，真机验证还是小样本，离走进工厂还有段距离。B站
这跟你有什么关系？打游戏的，你手里的GPU架构和机器人大脑同宗同源；盯盘的，10月底AI股集体回调、英伟达市值一度跌破5万亿美元。但产业数据没有停——机器人大脑，就是黄仁勋圈下的第二增长曲线。知乎
最后说个花絮：马斯克专门反驳了「机器人不吃内存」的说法——在他看来，机器人对内存的需求将超过地球上其他所有一切；而Counterpoint的预测是，到2030年人形机器人DRAM需求将增长20倍。保守还是激进，2030年见分晓。但有一件事已经确定：下一波算力焦虑，正在从数据中心蔓延到机器人身上。新浪科技
