10月21日，英伟达GTC柏林大会主题演讲的尾声，黄仁勋带着四只可可爱爱的机器人登上舞台，通过对话让它们“打盹”和“翻跟头”，不过这些小家伙似乎“不太听话”，有的走错方向、有的摔倒再爬起，引得现场笑声不断。

然而，它们并不是英伟达的机器人，这些名为Microduck的小型机器人由创业公司Pollen Robotics与Hugging Face合作开发，身高约25厘米、重量不到800克，拥有15个自由度，配备摄像头、微型激光雷达、两个IMU惯性测量单元，以及一个可以活动和抓取物品的喙。它使用的甚至都不是英伟达的Jetson芯片，而是瑞芯微RK3566处理器，整机起售价仅为399美元。

为什么这样一款与英伟达没有直接硬件关系的小机器人，会成为黄仁勋主题演讲的压轴嘉宾？因为它演示了如何利用英伟达AI智能体与开发工具，完成从虚拟场景构建、机器人训练到实体部署的工作流——

【第一步】开发者描述机器人需要完成的任务，AI智能体调用FreeCAD、Blender、Omniverse等工具生成场景、物体，并为其赋予物理属性；

【第二步】通过Isaac Sim、Newton物理引擎和Isaac Lab，让大量虚拟Microduck在仿真中训练，学习行走、避障和环境适应；

【第三步】训练得到的控制策略被下载到RTX Spark，检查其是否能完成预定任务；

【第四步】将验证后的控制策略迁移到Microduck实体机器人上执行。

英伟达希望把相当一部分开发工作转移到虚拟环境中：让机器人可以在模拟世界里经历大量试错，再把训练成果迁移到真实世界。整个过程涉及云端训练、本地开发与验证，以及机器人本体执行三个环节。

更重要的是，英伟达还将AI智能体引入了开发流程，让原本需要开发者分别操作的建模、仿真和训练工具，可以在一定程度上协同工作。

这种开发方式并不新鲜，机器人行业早已广泛使用仿真和强化学习技术。但英伟达更进一步，将原本分散的工具整合为一套更容易使用、能够适配不同机器人的开发平台，让开发流程变得更加完整和易用。

Microduck上台演示就是最好的案例，原本抽象的强化学习、仿真训练和现实部署，可以通过一款售价399美元的入门级机器人变成开发者能够亲自操作的实验。

对于机器人企业而言，这种模式具有相当大的现实意义。传统机器人开发往往需要大量实体设备参与测试，不仅耗时，还受到硬件损耗、实验场地和安全条件的限制。

通过仿真训练，开发者可以让大量虚拟机器人同时进行试错，提高部分训练和验证环节的效率，最后再将成熟的控制策略迁移到真实设备上。

这也揭示了英伟达在机器人领域的想要成为的角色：相比亲自制造机器人，不如成为机器人开发所依赖的技术平台。

事实上，英伟达如今在机器人领域的布局，已经远远超出了芯片供应商的范畴。

首先是以Isaac为核心的机器人开发平台。Isaac Sim负责机器人及其工作环境的仿真，Isaac Lab提供强化学习和机器人策略训练工具，Omniverse则为数字孪生和复杂虚拟场景提供技术基础。在本届柏林GTC大会上，英伟达进一步推出Isaac Lab 3.0和开源运行时框架Isaac OS，希望打通从机器人训练到实际部署的开发流程。

其次是机器人基础模型Isaac GR00T。与传统依赖固定程序执行任务的机器人不同，GR00T希望让机器人能够结合视觉、语言指令和自身状态，理解任务并生成相应动作。它的目标是建立一种能够在不同机器人平台之间复用、再训练和迁移的基础智能能力。

与之配套的还有Cosmos世界基础模型。机器人需要理解的不只是语言和图像，还包括物体运动、空间关系以及真实世界中的物理变化。相比可以从互联网获取海量文本的大语言模型，机器人训练所需的物理交互数据更加稀缺，获取成本也更高。英伟达希望借助Cosmos生成和处理更多与物理世界相关的数据，缓解机器人训练面临的数据瓶颈。

而在硬件层面，英伟达同样覆盖了从云端到机器人本体的计算需求。数据中心GPU可以承担大规模模型训练和仿真计算，Jetson Thor等边缘计算平台则面向实体机器人，负责在有限功耗条件下运行AI模型、处理传感器信息和执行控制任务。

由此，英伟达实际上已经构建了一套覆盖算力、数据、基础模型、仿真训练和实体部署的机器人技术体系。

本届柏林GTC大会上，英伟达还展示了与Agile Robots合作的Agile ONE SN人形机器人参考平台。该产品搭载Jetson Thor，并预配置Isaac GR00T，计划于2027年初提供。与此同时，英伟达还在与ABB、KUKA、Universal Robots等工业自动化企业，以及多家人形机器人公司展开合作。

Agile ONE SN

这些企业的产品形态和应用场景各不相同，有的专注工业机械臂，有的开发移动机器人或人形机器人，但都需要解决环境感知、运动控制、仿真训练和本地计算等问题。

英伟达希望将这些共性需求转化为可以复用的技术平台，让机器人企业不必从头搭建每一个开发环节，而是将更多精力投入到机器人本体、具体任务和实际应用中。

从商业逻辑来看，这与英伟达在AI计算领域取得成功的路径有相似之处。

英伟达不仅销售GPU，还通过CUDA及其软件生态形成了强大的开发者基础。对于许多AI企业而言，选择英伟达不只是购买一块芯片，也意味着能够使用相对成熟的开发工具和软件体系。

机器人领域同样存在这样的机会。一家机器人企业可能使用英伟达GPU训练模型，利用Isaac进行仿真和验证，借助GR00T开发机器人智能，再通过Jetson将相关能力部署到实体机器人上。即使其中部分工具是开源的，英伟达仍然有机会通过计算硬件、软件生态和长期技术支持获得商业收益。

英伟达合作企业

游戏显卡时代，英伟达并不需要自己开发游戏；AI时代，英伟达也不需要自己推出ChatGPT这样的终端应用。在机器人领域，这一模式仍然成立。

英伟达不必与特斯拉、Figure或其他机器人制造商争夺每一笔终端订单。只要越来越多的机器人使用它的计算平台、训练工具或基础模型，它就有机会分享行业增长。

回头再看Microduck，这只机器鸭没有采用英伟达的处理器，也不是英伟达自主研发的终端产品，但仍然能够成为展示英伟达机器人开发生态的载体。

一只小小的机器鸭背后，是英伟达试图成为机器人时代「技术基础设施供应商」的野心。