英伟达公布物理AGI路线图:模型、数据与模拟器的三大革命
在红杉资本举办的AI Ascent大会上,英伟达具身智能研究团队负责人Jim Fan发表了题为《机器人学终局之战》的演讲。他提出“伟大的类比”核心论点,认为机器人领域将严格复制大语言模型的成功路径,通过从预训练到推理再到自动化研究的演进,最终实现物理通用人工智能(Physical AGI)。这一路线图涵盖了模型范式、数据策略及模拟器技术的全面革新。
01模型范式革命:从VLA到世界行动模型
技术路线之争
视觉语言动作模型
过去三年主流方法,被Groot和Pi采用
语言模块占据大部分算力,视觉和动作处于从属地位
擅长语义识别(如识别名人照片),但物理操作能力薄弱


世界行动模型
预测物理世界变化,如杯子倒下水会洒
基于视频预测结果输出动作,预测对则执行,错则失败
具备零样本执行软体操作能力,数十分钟数据即可适应新硬件
Jim Fan指出,旧有的VLA模型虽然能泛化识别未见过的名人照片,但这仅是语意识别能力的体现,而非物理操作能力。相比之下,代号为Dream Zero的新方案要求机器人先理解物理世界的因果逻辑,再执行动作,显著提升了机器人在真实物理环境中的适应性与操作精度。
02数据策略颠覆:Ego Scale与神经缩放定律
| 特征维度 | 传统遥操作方案 | Ego Scale新方案 |
|---|---|---|
| 主要数据来源 | VR头显远程操控机器人 | 人类第一视角视频 |
| 数据规模示例 | 受限于物理极限 | 2万小时视频预训练 |
| 真机数据占比 | 高度依赖 | 仅占不到千分之一(4小时) |
| 训练效率 | 每天仅约3小时有效工作时间 | 泛化至卡片分类、液体转移等高灵巧度任务 |
新旧数据策略对比
针对传统遥操作受限于机器人每天约3小时有效工作时间的物理瓶颈,英伟达提出了Ego Scale方案。该策略利用2万小时人类视频进行预训练,配合50小时模拟数据和4小时真机数据微调,实现了极高的数据效率。研究还发现了机器人领域的“神经缩放定律”,预训练数据量与验证损失之间存在干净的对数线性关系,这意味着机器人扩展具备了数学上的可预测性。
03模拟器突破与未来路线图
- Dream Dojo神经模拟器
基于视频世界模型构建,不依赖物理方程或图形引擎,实现纯数据驱动的并行训练环境,遵循“计算量等于环境等于数据”的逻辑。 - 物理图灵测试(2-3年)
人类无法区分完成任务的是机器人还是真人。 - 物理API(未来阶段)
机器人通过API调度,实现“灯塔工厂”,即输入设计文件输出完整产品的原子打印机模式。 - 物理自动化研究顶峰(2040年)
机器人能够设计、改进并构建下一代自身,能力远超人类范畴。
Jim Fan回顾了AI领域从2012年AlexNet到2026年逼真视频生成的发展历程,并以95%的置信度预言,到2040年机器人技术树将彻底解锁。这套从模型革命、数据颠覆到模拟器突破的组合拳,为通往物理AGI提供了清晰的路径与技术支撑。
当前文章无评论,是时候发表评论了