Nvidia на конференции GTC 2026 представила крупное расширение своей платформы для physical AI — систем, которые управляют автомобилями, роботами, медицинским оборудованием и другими устройствами в физической среде. Компания делает ставку на полный стек: чипы, модели, инструменты симуляции, инфраструктуру безопасности и решения для периферийных вычислений.
Глава Nvidia Дженсен Хуанг заявил, что автономные автомобили станут первой робототехнической индустрией с объёмом в триллионы долларов. По его словам, со временем автономными станут все движущиеся системы.
Одно из главных объявлений касается расширенного партнёрства с Uber. Компании планируют запустить парк беспилотных автомобилей на базе DRIVE Hyperion и DRIVE AV в 28 городах на четырёх континентах к 2028 году. Первый запуск намечен на первую половину 2027 года в Лос-Анджелесе и агломерации залива Сан-Франциско.
Nvidia также продвигает DRIVE Hyperion как стандартную архитектуру для автономности уровня 4. Помимо Uber, к платформе подключились BYD, Geely и Nissan. Nissan использует ПО британской ИИ-компании Wayve. Isuzu вместе с TIER IV работает над автономными автобусами на чипе DRIVE AGX Thor. В перечне партнёров также указаны Bolt, Grab и Lyft.
Для безопасности таких систем Nvidia представила Halos OS — трёхуровневую архитектуру на базе сертифицированной по ASIL-D системы DriveOS. В неё входит стек безопасности с рейтингом NCAP в пять звёзд.
Компания также показала Alpamayo 1.5 — открытую ИИ-модель для автономного вождения. Она получает на вход видео с дороги, историю движения, навигационные данные и текстовые инструкции на естественном языке, а на выходе строит траектории движения с объяснимой логикой принятия решений.
Разработчики могут задавать поведение автомобиля через текстовые запросы. Модель поддерживает разные конфигурации многокамерных систем, что упрощает перенос одного ИИ-стека на разные линейки автомобилей. По данным Nvidia, после запуска семейство Alpamayo скачали более 100 тысяч разработчиков.
Для обучения и проверки систем компания открыла общий доступ к Omniverse NuRec через каталог NGC. Это технология симуляции на базе 3D Gaussian Splatting, которая восстанавливает реальные дорожные ситуации для интерактивного тестирования. Её уже используют dSPACE, Foretellix и Мичиганский университет с полигоном Mcity.
Параллельно Nvidia расширяет робототехническую платформу. FANUC, ABB Robotics, YASKAWA и KUKA, которые, по данным Nvidia, эксплуатируют более двух миллионов роботов по всему миру, внедряют библиотеки Omniverse и симуляционные фреймворки Isaac в свои решения для ввода оборудования в эксплуатацию.
В контроллеры этих систем также встраиваются модули Jetson для ИИ-вычислений на периферии. Кроме того, Nvidia анонсировала Cosmos 3 — новую модель, которая объединяет генерацию синтетической среды, визуальное рассуждение и симуляцию действий.
Для гуманоидных роботов компания открыла ранний доступ к GR00T N1.7 с коммерческой лицензией. Модель должна дать роботам обобщённые навыки, включая управление точными движениями.
Хуанг также показал GR00T N2, основанную на внутреннем исследовании DreamZero и новой архитектуре World Action Model. По данным Nvidia, роботы на базе GR00T N2 выполняют новые задачи в незнакомой среде более чем в два раза чаще, чем ведущие vision-language-action модели. Сейчас модель занимает первое место в бенчмарках MolmoSpaces и RoboArena, а поставки ожидаются к концу 2026 года.
Ещё один анонс — Isaac Lab 3.0 в раннем доступе. Платформа должна ускорить обучение роботов на инфраструктуре DGX и построена на новом физическом движке Newton Physics Engine 1.0.
В экосистему партнёров входят 1X, AGIBOT, Agility, Boston Dynamics, Figure, Hexagon Robotics и NEURA Robotics. Skild AI работает с ABB и Universal Robots над универсальным ИИ для роботов в разных отраслях, а также помогает Foxconn в задачах высокоточной сборки на производственных линиях Nvidia Blackwell.
Nvidia отдельно занялась проблемой данных для обучения physical AI. Такие модели требуют огромных массивов информации, включая редкие пограничные ситуации, которые дорого и трудно собирать в реальных условиях. Для этого компания представила Physical AI Data Factory Blueprint — открытую эталонную архитектуру, которая автоматизирует путь от сырых данных до готовых датасетов.
В архитектуру входят три части:
- Cosmos Curator — отбор и подготовка данных;
- Cosmos Transfer — расширение и модификация данных;
- Cosmos Evaluator — проверка качества.
По замыслу Nvidia, такой подход переводит главную проблему робототехники из дефицита данных в задачу вычислительных мощностей. Ограничением становится уже не парк машин или роботов, собирающих данные в реальности, а объём ресурсов, который компания готова вложить в симуляцию и обучение.
Компания также анонсировала фреймворк OSMO, который интегрируется с агентами для программирования, включая Claude Code, OpenAI Codex и Cursor. Эти агенты смогут самостоятельно управлять ресурсами и узкими местами в конвейере данных. Microsoft Azure и Nebius уже добавляют blueprint в свои облачные сервисы. Публикация на GitHub запланирована на апрель.
Платформа периферийных вычислений IGX Thor уже стала общедоступной. Это система для задач, где важны безопасность и работа рядом с источником данных. Johnson & Johnson использует её в цифровой хирургической платформе Polyphonic, Karl Storz разрабатывает на ней инструменты для эндоскопии, а Medtronic оценивает её для роботизированных хирургических систем.
За пределами медицины IGX Thor применяют Caterpillar, Hitachi Rail и Planet Labs. Caterpillar использует платформу для ИИ-помощника в кабине, Hitachi Rail — для предиктивного обслуживания, а Planet Labs планирует обрабатывать спутниковые данные прямо на орбите. По данным Nvidia, платформу также используют исследователи CERN для моделей ИИ, связанных с физикой.
Совместно с T-Mobile и Nokia Nvidia собирается превратить 5G-сети в распределённую инфраструктуру edge AI. T-Mobile тестирует серверы Nvidia RTX PRO 6000 Blackwell Server Edition на сетевых площадках и проверяет работу physical AI-приложений через мобильную сеть.
Хуанг описал телеком-сети как инфраструктуру ИИ, которая позволит миллиардам устройств видеть, слышать и действовать в реальном времени. Идея в том, чтобы переносить тяжёлые вычисления с камер и роботов не в удалённое облако, а на ближайший узел сети.
В пилотные проекты вошло решение City Operations Agent для Сан-Хосе, которое оптимизирует управление светофорами и, по данным Nvidia, должно сократить время реакции на инциденты в пять раз. Levatas и Skydio автоматизируют инспекцию линий электропередачи через 5G.
Nvidia также представила Metropolis VSS 3 Blueprint для видеоагентов, которые могут искать и кратко пересказывать записи с камер. По данным компании, нужные события можно находить менее чем за пять секунд. Nvidia оценивает общее число камер в мире более чем в 1,5 млрд, при этом люди просматривают меньше 1% отснятого материала.
На программной стороне Nvidia работает с Cadence, Dassault Systemes, Siemens и Synopsys. Все четыре компании создают ИИ-агентов для разработки чипов и систем. Cadence делает ChipStack AI SuperAgent, Siemens — Fuse EDA AI Agent, Synopsys — AgentEngineer, а Dassault — Virtual Companions с ролевой моделью взаимодействия.
По данным Nvidia, Honda выполняет аэродинамические расчёты в Synopsys Ansys Fluent на платформе Grace Blackwell в 34 раза быстрее, чем на CPU. JLR и Mercedes-Benz используют Siemens Simcenter STAR-CCM+ на инфраструктуре Nvidia, а MediaTek ускоряет Cadence Spectre в шесть раз с помощью H100.
В производстве полупроводников Samsung, SK hynix и TSMC применяют ускоренные GPU инструменты для литографии и физической верификации. Новый Digital Twin Composer от Siemens на базе библиотек Omniverse должен дать Foxconn, HD Hyundai, PepsiCo и KION промышленные цифровые двойники. Облачную инфраструктуру для этих решений предоставляют AWS, Google Cloud, Microsoft Azure и Oracle.
Источник: The Decoder, данные и заявления Nvidia на GTC 2026.
