AI云计算公司Nebius宣布推出"Physical AI生活实验室"项目,这是一项为期六个月的计划,旨在为英国及欧洲的机器人初创企业提供Nvidia的Physical AI开发工具以及Nebius的AI云基础设施支持。
Physical AI的发展高度依赖大规模仿真、合成数据以及加速计算能力,而大多数处于早期阶段的机器人公司往往难以独立构建这些能力。Physical AI生活实验室的诞生正是为了打破这一障碍,让创业者能够使用与大规模构建Physical AI同等级别的工具和算力,从而更快地实现从仿真到真实场景的部署。
该实验室依托Nebius与Nvidia此前在机器人及Physical AI领域打造云平台的合作基础而建立。两家公司计划未来逐步将Physical AI生活实验室扩展至其他地区,并随着项目规模的扩大引入更多批次的参与团队。
Nebius Physical AI负责人Evan Helda表示:"大多数机器人团队都能构建出优秀的模型,真正的瓶颈在于如何搭建仿真、合成数据和算力体系以推动项目进一步发展。生活实验室正是围绕这一痛点而建:创业者可以在Nebius AI Cloud上使用完整的Nvidia Physical AI技术栈,并与我们的工程师直接深入交流,从而将精力专注于机器人研发,而非基础设施的搭建。这种协作方式是双向受益的——与这些团队并肩工作,也让我们对自身运营Physical AI的方式有了更清晰的认识,而这种反馈循环正是我们希望在向更多批次和地区推广实验室时持续复制的模式。"
Nvidia英国及爱尔兰区总监Anthony Hills表示:"英国拥有世界一流的机器人和AI研究实力,但在创新成果与可规模化落地的Physical AI市场化解决方案之间,仍然存在明显差距。这个实验室的目标就是弥合这一差距,让英国创业者以更低的成本获取Physical AI最需要的两大算力资源:基于Nebius的云端训练能力,以及包括Cosmos和Isaac在内的Nvidia完整仿真与合成数据技术栈,运行于Nvidia RTX PRO GPU之上。通过消除通常制约机器人公司发展的算力与工具障碍,我们为英国初创企业提供了一条清晰的路径——从极具潜力的原型产品,走向能够真正推动英国经济与社会发展的落地系统。"
参与Physical AI生活实验室的初创企业将动手实践使用多项Nvidia技术,包括:用于工作负载编排的Nvidia OSMO、Nvidia Cosmos世界基础模型、以及用于机器人仿真与训练的Nvidia Isaac Sim和Nvidia Isaac Lab,还有Nvidia Physical AI数据工厂蓝图——所有这些均运行于Nebius基础设施之上。
合成数据生成功能通过Voxel51的FiftyOne集成提供,底层构建于Cosmos世界基础模型之上。
Physical AI生活实验室的第一阶段将运行在Nebius位于英国的基础设施上,该设施基于Nvidia RTX PRO 6000 Blackwell服务器版GPU构建。
除仿真和训练工具外,参与者还可在Nebius AI Cloud上构建、微调和运行模型。Nebius AI Cloud是该公司的全栈平台,支持AI从数据处理、模型训练到生产部署的全流程。
项目申请通过Nvidia Inception渠道进行,首批参与团队将于2026年9月开始项目周期。在整个项目过程中,Nebius和Nvidia双方的工程师将全程提供技术指导。
Q&A
Q1:Physical AI生活实验室项目主要为哪类企业提供支持?
A:Physical AI生活实验室主要面向英国及欧洲的机器人初创企业,为其提供Nvidia的Physical AI开发工具与Nebius的AI云基础设施。该项目为期六个月,重点解决早期机器人公司在大规模仿真、合成数据生成和加速计算方面难以独立搭建的痛点,帮助创业团队更快实现从仿真到真实场景的部署。
Q2:参与Physical AI生活实验室可以使用哪些具体技术工具?
A:参与者可以使用多项Nvidia核心技术,包括用于工作负载编排的Nvidia OSMO、Nvidia Cosmos世界基础模型、用于机器人仿真与训练的Nvidia Isaac Sim和Isaac Lab,以及Nvidia Physical AI数据工厂蓝图。合成数据生成方面则通过Voxel51的FiftyOne集成提供,底层同样基于Cosmos模型。所有工具均运行在Nebius基础设施之上,底层算力由Nvidia RTX PRO 6000 Blackwell服务器版GPU支撑。
Q3:Physical AI生活实验室如何申请,第一批项目什么时候启动?
A:申请须通过Nvidia Inception渠道进行。首批参与团队将于2026年9月正式启动项目。在整个项目周期内,Nebius和Nvidia的工程师将全程提供技术指导。未来两家公司还计划将该实验室扩展至更多地区,并引入更多批次的参与团队。
好文章,需要你的鼓励
全球数据中心建设需求持续高涨。北美方面,美国数据中心建设支出年化达510亿美元,微软在威斯康星州开放33亿美元设施,亚马逊和谷歌宣布在密苏里州合计投资250亿美元。欧洲方面,SoftBank将在法国建设5GW AI数据中心,投资额达750亿欧元。亚太地区,AirTrunk计划在印度投资210亿美元建设3GW数据中心。中东与非洲地区也有多项大规模项目落地。
这项研究提出Epi2Diff方法,通过将大型推理模型的解题思考过程拆解为认知片段序列,提取过程特征预测考题对人类的难度,在四个真实考试数据集上超越了所有对比基线。
随着企业将AI融入机器人、工业设备等物理基础设施,边云协同架构正成为关键课题。以Luminous Robotics和先正达为例:前者在太阳能农场部署的机器人每秒做出10次决策,数据定期上传云端持续优化模型;后者通过Cropwise平台整合卫星、无人机、拖拉机传感器数据,辅助农民完成约150项农业决策。两家公司均强调,边缘端负责实时响应,云端负责模型训练与更新,同时保持人工监督以确保安全与准确性。
南京大学与阿里巴巴提出MIMFlow,将掩码图像建模与标准化流端到端融合,让生成模型专注语义建模,以更少参数和更少令牌在ImageNet上取得FID 2.50的优异表现。