英伟达押注“物理AI”：1000亿美元愿景为何离不开中国机器人

英伟达的下一条增长曲线，可能不再局限于数据中心。公司正把GPU、仿真软件和AI模型组合成一套基础设施，用于让机器人、自动驾驶汽车和工业系统感知环境、进行推理并采取行动。

这项“物理AI”（physical AI）业务目前估计每年可带来约100亿美元收入。黄仁勋则表示，未来十年它可能增长十倍，成为规模约1000亿美元的业务。不过，这一数字是对未来市场渗透率的判断，并不是英伟达财报中单独列出的收入项目。

“物理AI”究竟是什么？

与主要生成文字、图片或代码的生成式AI不同，物理AI面向的是现实世界中的机器。对英伟达而言，机会覆盖机器从开发到部署的多个环节：

• 模型训练： 数据中心GPU用于训练控制机器人、自动驾驶汽车及其他设备的AI模型。
• 虚拟仿真： 开发者可以先在数字环境中测试机器行为，再将系统部署到现实场景，减少试错成本和安全风险。
• 端侧推理： 安装在汽车或机器人中的处理器实时分析摄像头、雷达等传感器数据，并作出决策。
• 模型与软件： 开放模型、开发框架和工具帮助制造商构建、测试并部署物理AI应用。

这套组合的战略价值在于，英伟达可以参与一台机器的整个生命周期：从训练机器人模型时使用的数据中心计算，到开发阶段的仿真软件，再到机器人交付后安装在机身内部的芯片。

黄仁勋为何认为这是十倍增长机会？

黄仁勋的判断是，AI正在从数字世界进入工厂、车辆、仓库和其他物理环境。制造业尤其适合率先采用机器人，因为许多任务具有重复性、可量化和流程相对稳定等特点，比开放环境中的消费级应用更容易测试和规模化。

黄仁勋曾将机器人产业描述为潜在规模达50万亿美元的行业，并表示机器人已经迎来了自己的“ChatGPT时刻”。 这里的50万亿美元指的是制造业及相关机器人应用的广阔潜在市场，并不等于英伟达能够获得的收入。英伟达最终只能通过芯片、软件、仿真和基础设施获取其中一部分价值。

因此，真正的问题并不是市场够不够大，而是自主机器能否从演示项目和少数工厂试点，走向稳定、可靠、可复制的商业部署。机器人需要同时满足安全、成本、生产效率和维护方面的要求，才能进入更大范围的运营环境。

英伟达卖的是一整套平台，而不只是一块芯片

英伟达的策略，是让自己的平台在机器人离开工厂之前和之后都发挥作用。

公司的Isaac机器人开发工具和仿真框架，旨在帮助开发者创建机器人系统，并先在虚拟环境中进行测试。英伟达表示，其更广泛的平台覆盖物理AI的设计、训练、测试和部署。

在模型层面，英伟达正在推进Cosmos系列。公司将Cosmos Transfer和Cosmos Predict描述为开放世界模型，可用于生成基于物理规律的合成数据，并在仿真环境中评估机器人策略；Cosmos Reason则用于帮助智能机器理解物理世界并采取行动。

在硬件层面，英伟达的端侧处理器面向车载和机器人实时AI计算。以Unitree合作的研究系统为例，该系统将Unitree的人形机器人机身与英伟达Jetson Thor硬件、机器人模型和仿真软件结合起来。

这与英伟达一贯的平台战略相似：让硬件、软件和开发者生态紧密协同，使客户从研发到实际部署的不同阶段持续使用英伟达的技术。

为什么中国是这场机器人竞赛的关键？

2026年上半年，中国企业占全球人形机器人出货量的97%以上。同期全球人形机器人出货量约为1.91万台，高于去年同期的约5100台。1

这些出货数据说明机器人产业正出现早期工业化势头，但并不能证明人形机器人已经普遍盈利，也不能直接说明它们已经具备大规模替代人工的能力。中国的供应链、生产能力和国内工厂需求，仍为机器人企业从样机走向更大规模部署提供了重要条件。

对英伟达而言，中国机器人制造商因此成为具有战略价值的合作伙伴。英伟达与Unitree的合作，把英伟达的软件和端侧计算平台连接到一家中国人形机器人制造商。公开的合作系统首先面向斯坦福大学、苏黎世联邦理工学院等研究机构，而不是大规模消费市场普及的证明。

英伟达的目标也不只是向某一款机器人销售处理器，而是希望在机器人制造商扩大产能时，逐步建立一套通用的开发和计算架构。

H200对华销售，显示出中国机会的边界

英伟达在中国的战略仍受到出口管制限制。H200是用于模型训练和推理等高强度AI任务的数据中心加速器。美国方面已经允许部分销售，但相关交易规模仍受到限制，且具有较强的政策敏感性。

英伟达表示，在最近一个季度向中国客户销售了少量H200，这些销售额占同期数据中心收入不到1%。公司还表示，尚未完成美国许可证允许的全部对华出货量。

据报道，字节跳动和腾讯近期各自获得了约1万颗H200处理器，说明即使在限制条件下，部分中国需求仍然可以触达英伟达。 但这些交易不能被视为英伟达已经恢复不受限制的中国销售。出口审批、中国政策、供应安排以及本土替代芯片的发展，都可能改变市场机会的规模和时间。

英伟达不同产品之间的分工也很重要。H200这类数据中心GPU主要用于训练和运行AI模型；Orin和Thor则面向汽车和机器人内部的实时计算。换句话说，客户可能在研发阶段使用英伟达的数据中心基础设施，在机器真正投入运行后，再使用英伟达的端侧硬件。

物理AI如何帮助英伟达分散数据中心风险？

英伟达目前的财务表现仍主要由数据中心需求驱动。物理AI则为公司打开了汽车计算、工业自动化、物流、机器人、仿真软件和边缘推理等新领域。

这一业务还可能形成一个不断强化的循环：

1. 更多机器被部署到现实环境中；
2. 机器产生运营数据，并暴露新的异常情况；
3. 更丰富的数据和更好的仿真环境改进物理AI模型；
4. 更强的模型让更多自动化应用具备经济可行性；
5. 新的部署进一步带动训练、仿真和推理硬件需求。

这正是英伟达战略最具吸引力的地方。如果公司能够成为物理AI的标准平台，收入来源就可能从少数超大规模数据中心，扩展到数以千计、数以百万计的汽车、机器人和工业设备。

最大风险：出货量不等于真正采用

目前机器人热潮最直观的证据，是出货量快速增长，以及周边软硬件生态不断扩张。但出货量仍然只是早期指标。

英伟达的长期判断，取决于自主系统能否在受控环境之外稳定工作。机器人需要在工厂、仓库、建筑工地、农场、商店、道路，乃至未来的家庭中完成有价值的任务。同时，它们还必须满足安全标准，以可接受的成本运行，并创造足够高的生产效率来覆盖采购、部署和维护费用。

如果这一转变比预期更慢，黄仁勋所说的50万亿美元产业就仍将是长期潜力，而不是眼下可以立即兑现的收入池。英伟达的物理AI业务已经拥有真实产品、客户和早期收入，但要从约100亿美元增长到1000亿美元，最终仍取决于实体经济能否大规模采用自主机器。