那个机器人在学习采摘草莓。不在温室里——而是在一台开发者的笔记本电脑上，运行着47个同步模拟程序，分别模拟成熟度、抓取压力和夹爪角度，直到真正的机械臂移动超过一毫米。这种转变——从物理世界的反复试错到以计算为先的训练——正是英伟达在GTC 2026上发布的核心。
该公司发布了三款物理AI前沿模型：Cosmos 3、Isaac GR00T N1.7和Alpamayo 1.5。三者共同构成端到端管道，让开发者能在不接触真实世界的情况下生成、训练和验证机器人行为，直到部署阶段。Cosmos 3负责世界基础建模——机器人理解环境所需的物理和上下文。GR00T N1.7提供人形操控的技能原语。Alpamayo 1.5以高保真评估指标闭环。开发者现在可以在数小时内完成从概念到训练策略的全流程，而非耗时数月。
这些模型直击的瓶颈不是直觉或算法质量，而是数据。真实世界的训练数据缓慢、昂贵，且充满边缘案例的空白——仅在收集数据上训练的机器人在工厂布局变化或光照改变时往往表现挣扎。Cosmos 3通过从有限的真实输入生成多样化、长尾的合成数据集来绕过这一点，让开发者能够模拟可能在现实操作中十年才出现一次的条件。英伟达称之为Physical AI Data Factory Blueprint，在OSMO算子上运行，将数据策划、增强和评估统一到单一管道中。
对于关注成本的企業客户而言，这至关重要。物理AI试点历来在数据收集阶段停滞——数百小时拍摄机器人、标注失败、重新训练。Data Factory Blueprint无法消除真实世界验证，但能显著压缩部署前阶段。工厂现在可以在单个机架发货前模拟其AI工厂设计，使用Omniverse DSX Blueprint在热力学、电网和机械系统上进行数字孪生优化。
竞争对比很简单：这些模型之前，开发者拼凑碎片化的工具链——一家供应商负责仿真，另一家负责训练，第三家负责部署。英伟达提供的则是从世界模型到技能模型再到评估套件的完整集成栈，全部在Omniverse框架下。至于这种集成优势能否抵御LeRobot或Mujoco等开源替代方案的冲击，取决于企业是采用完整技术栈还是只挑选组件。
使这成为平台押注而非产品发布的，是其范围。英伟达卖的不是单一模型，而是整个行业转型的基础设施——从执行预编程任务的单一用途机器人，到能适应新环境的通用系统。这一转型恰恰需要这些模型所解决的数据规模化问题。草莓不会等待现实世界的训练周期。模拟现在运行。