网通社科技快报
前英伟达高管称物理AI处于乐高积木阶段 人才与模块化成关键
前英伟达产品营销负责人、现Techable Ventures创始合伙人Amulya Vishwanath在近期接受TechCrunch《Equity》播客访谈时提出，当前物理AI仍处于“乐高积木时代”——大量基础模块如机械手、执行器等正在被重新设计与搭建，尚未拼装出完整、通用的智能体系统。她指出，尽管业界频繁提及“机器人领域的ChatGPT时刻”，但现实更接近基础设施建设期。Vishwanath拥有近七年英伟达产品营销经验，职业轨迹横跨芯片、系统集成与AI应用层，使其对物理AI演进具独特观察视角。
该判断与产业实际高度吻合：2026年10月，英伟达在GTC大会发布全开源Cosmos 3多模态物理AI模型，配套推出Agent Toolkit工具链与Cosmos Coalition全球开发者联盟，旨在解决“数据稀缺”与“仿真碎片化”两大痛点。Cosmos 3采用混合Transformer架构，集成推理与双专家生成模块，依托海量多模态样本缩短研发周期；其分层产品矩阵已在多项国际基准测试中登顶，并构成“基础大模型+自动化开发工具”双层架构，显著降低行业准入门槛。
Vishwanath特别强调人才的关键作用：“人才仍是美国市场最核心的护城河之一。”她指出，大量顶尖工程师流向Anthropic、英伟达等巨头，初创团队面临严峻竞争；Techable Ventures则凭借创始人行业网络助力早期项目对接关键人才，反映“人比钱更稀缺”的现实。
物理AI与大语言模型的根本差异在于训练范式：前者需在真实或高保真仿真环境中反复试错，数据成本极高，仿真质量直接决定模型泛化能力。产业链中真正卡脖子环节并非GPU算力，而是高精度仿真软件与物理数据集构建能力。技术路线需同步突破感知、决策与执行三环，上游依赖3D传感器等硬件，中游聚焦物理大模型与运动控制算法，下游指向人形机器人本体与具体场景。
英伟达Cosmos生态已吸引三星、LG电子、Doosan Robotics等头部厂商参与落地；理想汽车推进自动驾驶研发；Centific与Milestone Systems部署工业AI与智能空间方案。值得注意的是，当前工业机器人产量增长主要来自传统产线升级，与物理AI追求的“非结构化环境泛化能力”仍有本质区别。
据一财有看投梳理，在Cosmos 3开源推动下，物理AI全链条将同步扩容：上游（仿真算力、软件、数据集）占35%，中游（感知硬件、模型与控制系统）占30%，下游（执行部件、整机与场景应用）占35%；上游算力需求较通用大模型高出5–10倍。Vishwanath回顾历史类比称：“我们曾在互联网时代走过类似路径”，相信随着基础构件完善、人才网络打通、开源生态共建，物理AI终将跨越临界点进入爆发阶段。
该判断与产业实际高度吻合：2026年10月，英伟达在GTC大会发布全开源Cosmos 3多模态物理AI模型，配套推出Agent Toolkit工具链与Cosmos Coalition全球开发者联盟，旨在解决“数据稀缺”与“仿真碎片化”两大痛点。Cosmos 3采用混合Transformer架构，集成推理与双专家生成模块，依托海量多模态样本缩短研发周期；其分层产品矩阵已在多项国际基准测试中登顶，并构成“基础大模型+自动化开发工具”双层架构，显著降低行业准入门槛。
Vishwanath特别强调人才的关键作用：“人才仍是美国市场最核心的护城河之一。”她指出，大量顶尖工程师流向Anthropic、英伟达等巨头，初创团队面临严峻竞争；Techable Ventures则凭借创始人行业网络助力早期项目对接关键人才，反映“人比钱更稀缺”的现实。
物理AI与大语言模型的根本差异在于训练范式：前者需在真实或高保真仿真环境中反复试错，数据成本极高，仿真质量直接决定模型泛化能力。产业链中真正卡脖子环节并非GPU算力，而是高精度仿真软件与物理数据集构建能力。技术路线需同步突破感知、决策与执行三环，上游依赖3D传感器等硬件，中游聚焦物理大模型与运动控制算法，下游指向人形机器人本体与具体场景。
英伟达Cosmos生态已吸引三星、LG电子、Doosan Robotics等头部厂商参与落地；理想汽车推进自动驾驶研发；Centific与Milestone Systems部署工业AI与智能空间方案。值得注意的是，当前工业机器人产量增长主要来自传统产线升级，与物理AI追求的“非结构化环境泛化能力”仍有本质区别。
据一财有看投梳理，在Cosmos 3开源推动下，物理AI全链条将同步扩容：上游（仿真算力、软件、数据集）占35%，中游（感知硬件、模型与控制系统）占30%，下游（执行部件、整机与场景应用）占35%；上游算力需求较通用大模型高出5–10倍。Vishwanath回顾历史类比称：“我们曾在互联网时代走过类似路径”，相信随着基础构件完善、人才网络打通、开源生态共建，物理AI终将跨越临界点进入爆发阶段。