在 CES2026上，英伟达系统性展示了其在机器人领域的最新布局:从基础模型、仿真平台到边缘计算硬件，一套面向“物理 AI”的完整技术栈正式亮相。英伟达明确释放信号——其目标并非单点赋能，而是成为通用机器人的默认平台，角色定位类似 Android 在智能手机时代的操作系统。
这一战略背后，是整个 AI 行业的重心迁移。随着传感器成本持续下降、仿真技术成熟，以及具备跨任务泛化能力的模型不断涌现，人工智能正从云端推理走向能够在真实物理世界中感知、思考和行动的机器人系统。英伟达正试图在这一转变中占据底层入口。
据 AIbase 报道，英伟达在 CES 期间披露了其“物理人工智能”全栈生态的核心细节。公司发布了一批开放的机器人基础模型，支持机器人在多任务、多环境中进行推理、规划与自适应，突破以往只能执行单一、固定任务的局限。相关模型已同步上线 Hugging Face，进一步降低开发门槛。
具体来看，新模型体系包括多个关键组件:Cosmos Transfer2.5与 Cosmos Predict2.5作为世界模型，用于在仿真环境中生成合成数据并评估机器人策略;Cosmos Reason2是一款推理型视觉语言模型（VLM），使 AI 能够“看懂”物理世界并据此行动;而 Isaac GR00T N1.6则是面向类人机器人的新一代视觉语言动作(VLA)模型。GR00T 以 Cosmos Reason 为核心大脑，实现了类人机器人全身级控制，使其能够在移动的同时完成复杂操作。
在软件与训练层面，英伟达还推出了 Isaac Lab-Arena。这一托管在 GitHub 上的开源仿真框架，成为其物理 AI 平台的重要组成部分，可在虚拟环境中安全测试机器人能力。该平台旨在解决行业长期面临的痛点:随着机器人任务复杂度不断提高，从精密抓取到电缆安装，真实环境测试往往成本高昂、周期漫长且存在风险。Isaac Lab-Arena 通过整合任务场景、训练工具及 Libero、RoboCasa、RoboTwin 等成熟基准，首次为行业提供了统一、可复用的评测与训练标准。
支撑这一体系运转的是 Nvidia OSMO——一个开源的“指挥中心”。OSMO 负责串联从数据生成、仿真到模型训练的完整流程，覆盖桌面端与云端环境，为机器人开发提供统一的调度与管理能力。
在硬件层面，英伟达同步发布了采用 Blackwell 核心的 Jetson T4000显卡，隶属于 Jetson Thor 系列。该产品被定位为高性价比的端侧计算升级方案，可在40至70瓦功耗区间内提供高达1200万亿次浮点运算的 AI 算力，并配备64GB 内存，面向复杂机器人推理与控制场景。
英伟达还进一步加深了与 Hugging Face 的合作。双方将 Isaac 与 GR00T 技术集成至 Hugging Face 的 LeRobot 框架之中，打通英伟达约200万机器人开发者与 Hugging Face 超过1300万 AI 构建者的生态。Hugging Face 平台上的开源人形机器人 Reachy2现已可直接运行在 Jetson Thor 芯片之上，使开发者无需依赖封闭系统即可测试不同模型与算法。
从更宏观的角度看，英伟达正通过软硬件一体化策略降低机器人研发门槛，并试图成为行业通用的底层供应商。初步成效已经显现:机器人已成为 Hugging Face 平台上增长最快的技术类别之一，其中英伟达相关模型的下载量遥遥领先。同时，包括波士顿动力、卡特彼勒、Franka Robotics 以及 NEURA Robotics 在内的多家机器人公司，已开始在产品与研发中采用英伟达技术。
