NVIDIA 的實體 AI 藍圖：三台電腦、12 年基建，與人形機器人的終極賭注
Madison Huang 在首爾大學演講中揭示 NVIDIA 花 12 年打造的實體 AI 三層架構：訓練、模擬、邊緣推論。她預告人形機器人將成為未來數量最多的機器人型態，並透過密集訪韓行程展現 NVIDIA 在實體 AI 領域的商業化企圖。
本文整理自 NVIDIA 官方 YouTube 頻道 2026 年 5 月發布的首爾大學演講影片。
{{< youtube JJfRfHNw_5A >}}
NVIDIA 的實體 AI 野心，已經不只停留在研討會的投影片上。2026 年 4 月底，NVIDIA 實體 AI 平台行銷資深總監 Madison Huang 完成了一趟密集的韓國行程，先後拜訪三星電子、SK 海力士、斗山機器人（Doosan Robotics）、LG 電子和 Naver，還在首爾大學面對超過千名學生闡述 NVIDIA 的機器人願景。Madison Huang 同時也是 NVIDIA 創辦人黃仁勳（Jensen Huang）的長女，而這趟行程的密度和層級，都在傳遞一個明確的訊號：NVIDIA 正認真地把實體 AI 從實驗室推向商業化。
打造機器人需要三台電腦
Madison Huang 在首爾大學的演講中，用一個簡潔的框架描述了 NVIDIA 對實體 AI 基礎架構的思路：要打造一個能在真實世界運作的機器人，你需要三台電腦。第一台是「訓練電腦」，負責訓練 AI 模型，也就是機器人的大腦。這需要大規模的 GPU 叢集來處理海量的訓練資料，是 NVIDIA 最擅長的領域。第二台是「模擬電腦」，NVIDIA 稱之為 Omniverse 電腦，透過 Isaac Sim 和 Isaac Lab 這些模擬平台，讓 AI 模型在虛擬環境中反覆測試和驗證，不需要冒著損壞實體硬體的風險。第三台是「推論電腦」，部署在機器人本體或邊緣裝置上，負責即時的感知、決策和動作執行。
這三層架構聽起來直觀，但執行起來極其困難。Madison Huang 說，NVIDIA 花了大約 12 年才把這三台電腦都建好。12 年意味著 NVIDIA 在 2014 年前後就開始佈局機器人基礎架構，遠早於「AI 機器人」成為熱門話題的時間點。三台電腦各自的成熟度、彼此之間的資料流整合、以及整個工具鏈對外部開發者的可用性，不是一朝一夕能打通的。這 12 年的技術累積，構成了 NVIDIA 在實體 AI 領域最核心的競爭壁壘。
對機器人新創公司而言，這三台電腦的完備程度直接決定了它們能多快從概念走到產品。如果你自己要從零開始搭建訓練叢集、開發模擬環境、設計邊緣推論硬體，光是基礎架構就能耗掉幾年的時間和大量資金。NVIDIA 的策略是把這些底層問題解決掉，讓開發者專注在應用層。
用開源生態圈吸引開發者
有了基礎架構還不夠。NVIDIA 的下一步是讓全球的開發者和新創公司能在這個平台上快速開發機器人應用。為此，NVIDIA 持續投入開源的模擬框架和基礎模型。Madison Huang 在演講中點名了幾個關鍵元件：Newton 是開源的物理模擬框架；Isaac Lab 和 Isaac Sim 提供機器人學習的虛擬環境；Groot 是針對人形機器人的開放基礎模型；Cosmos 是開放的世界模型，幫助機器人理解和預測物理世界的運作方式。
這套策略有明顯的 CUDA 既視感。十多年前，NVIDIA 用 CUDA 把自家 GPU 從遊戲顯示卡變成通用運算平台，再透過免費的開發工具和函式庫，讓全球的研究者和開發者都在 NVIDIA 的生態系上寫程式。一旦足夠多的人依賴 CUDA，NVIDIA 的護城河就不只是硬體效能，而是整個生態系的黏性。現在 NVIDIA 在實體 AI 領域做的事高度相似：先建好底層架構（三台電腦），然後用開源工具和模型把開發者拉進來。當大量的機器人新創公司和實驗室都用 Isaac Sim 做模擬、用 Groot 當基礎模型，NVIDIA 就從一個硬體供應商變成了不可替代的平台。
Madison Huang 透露，NVIDIA 將在 GTC Taipei 和 Computex（2026 年 6 月 2 日）公布更多針對機器人社群的新工具和新模型。「我們對實體 AI 是全力投入的，」她說，「這將是 AI 的下一個階段。」從宣示的力度來看，NVIDIA 顯然把實體 AI 視為繼資料中心 GPU 之後的下一個成長引擎。
人形機器人：數量最多的終極型態
在機器人的各種型態中，NVIDIA 押注最重的是人形機器人。Madison Huang 在演講中明確表示：「人形機器人是終極的通用型機器人。未來世界上的人形機器人數量會超過所有其他型態的機器人。」這是一個大膽的預測，但背後有清楚的邏輯。
她解釋，自駕車會是第一個大規模部署的機器人型態，因為汽車是人們已經熟悉的形狀，不需要重新設計道路或基礎設施。但人形機器人的優勢在於「通用性」：它能進入人類設計的所有空間，使用人類設計的所有工具，適應人類建造的所有環境。不需要為機器人重新改造工廠、倉庫或住宅，機器人直接適應現有環境就好。這種通用性讓人形機器人的潛在應用場景遠遠超過任何其他特定用途的機器人。
但通用性的代價是極高的工程難度。現場有一位名叫 Jae-hun 的首爾大學機器人研究生，展示了他親手設計的 10 個自由度、6 個自由度腕部的機器手掌。Madison Huang 立刻追問：「手掌能動嗎？」答案是還不行，下一代才有。她對此並不意外，因為「打造一隻人類水準的手，是機電整合領域最大的未解難題之一」。人手有 27 塊骨頭、超過 30 條肌肉、數千個感覺受器，能執行從拿筷子到轉門把的無數動作。要在機械結構中複製這種靈巧度，全世界的頂尖實驗室至今還沒有令人滿意的解方。Madison Huang 當場表示會把即將赴美攻讀博士的 Jae-hun 引介給 NVIDIA 的人形機器人合作夥伴實驗室，讓他「去幫他們把手做完」。
韓國佈局：從電競夥伴到實體 AI 盟友
Madison Huang 的韓國行程不只是校園演講。她密集拜訪了韓國科技產業的核心企業：三星電子、SK 海力士（全球第二大記憶體晶片廠）、斗山機器人（韓國最大的協作機器人製造商）、LG 電子，以及軟體巨頭 Naver。這些會面的主題都指向同一個方向：NVIDIA 正在把韓國定位為實體 AI 生態的關鍵夥伴。
其中最具體的合作訊號來自斗山機器人。據報導，NVIDIA 和斗山正在整合 NVIDIA 的 Isaac 機器人平台與斗山的硬體製造能力，目標是在 2028 年實現工業用人形機器人的商業化。兩年不到的時間表，意味著合作已經進入工程執行階段，不只是簽意向書而已。與 LG 的合作則聚焦在居家場景，探索將 LG 的 Q9 家用機器人與 NVIDIA 的 Isaac 平台整合，讓機器人能在家庭環境中執行更複雜的任務。
韓國對 NVIDIA 來說並非陌生市場。NVIDIA 的 GPU 在韓國電競產業有深厚的根基，首爾大學台下的學生很多就是玩著 GeForce 顯示卡長大的。但這次的佈局層級完全不同：不再是賣顯示卡給玩家，而是賣整套機器人基礎架構給韓國最大的製造商和科技企業。黃仁勳本人也將在 2026 年 12 月 8 日親訪首爾大學，父女接力訪韓，印證了 NVIDIA 對這個市場的重視程度。
NVIDIA 在實體 AI 的佈局，呈現出一種熟悉的系統性。先花十幾年打磨底層基礎架構，再用開源工具建立開發者生態，然後與各國的硬體製造商結盟推進商業化。這套劇本在 GPU 運算時代已經驗證過一次。現在的問題不是 NVIDIA 有沒有能力執行，而是人形機器人的工程難題，尤其是那雙手，能不能在這個時間表內被解決。12 年建好三台電腦是一回事，讓機器人的手指靈巧到能照顧老人、組裝零件，又是另一回事。