NVIDIA 推出開放式 Physical AI Data Factory Blueprint， 加速機器人、視覺 AI 代理與自駕車開發

• 此藍圖可支援大規模資料處理與整理、合成資料生成、強化學習，以及物理AI模型評估，適用於視覺AI代理、機器人與自駕車。
• Microsoft Azure與Nebius等雲端服務供應商提供此藍圖，將世界規模的運算能力轉化為由代理驅動、可開箱即用的資料生產引擎。
• FieldAI、Hexagon Robotics、Linker Vision、Milestone Systems、Skild AI、Uber 與 Teradyne Robotics 等業界領先的物理AI開發商，正運用此藍圖加速機器人、視覺AI代理及自駕車的開發進程。

【2026年3月16日，美國聖荷西訊】NVIDIA 今日宣布推出NVIDIA Physical AI Data Factory Blueprint，這是一套開放式參考架構，可統一並自動化訓練資料的生成、擴增與評估流程，藉此降低大規模訓練物理 AI 系統所需的成本、時間與複雜度。

此藍圖讓開發者能夠利用 NVIDIA Cosmos™ 開放式世界基礎模型及先進的程式碼代理，將有限的訓練資料轉化為大型且多樣化的資料集，其中包括稀有的邊緣案例與長尾情境，而這些情境在現實世界中往往成本高昂、耗時且難以實際蒐集。

NVIDIA 與 Microsoft Azure 和 Nebius 合作，將這套開放式藍圖整合至其雲端基礎設施與服務中，讓開發者能把加速運算能力轉化為大量訓練資料。FieldAI、Hexagon Robotics、Linker Vision、Milestone Systems、Robo Force、Skild AI、Teradyne Robotics 與 Uber 等業界領先的物理 AI 開發商，正採用這套藍圖，加速機器人、視覺AI代理與自駕車的開發進程。

NVIDIA Omniverse 暨模擬技術副總裁 Rev Lebaredian 表示：「物理 AI是AI革命的下一個前沿，而成功的關鍵在於是否具備生成大量資料的能力。我們正攜手雲端領導廠商，提供一種全新的代理型引擎，將運算能力轉化為推動下一代自主系統與機器人落地所需的高品質資料。在這個新時代，運算就是資料。」

物理 AI 開發的統一引擎

物理AI遵循著擴展定律：其效能會隨著資料量、運算能力及模型容量的增加而提升。Physical AI Data Factory Blueprint 作為單一參考架構，透過模組化、自動化的工作流程，協助團隊將原始資料轉化為可直接用於模型訓練的資料集：

• 資料整理與搜尋：NVIDIA Cosmos Curator 可處理、精煉並標註大規模的真實世界與合成資料集。
• 擴增與倍增：Cosmos Transfer 可將經過整理的資料以指數級方式擴展並豐富其多樣性，進一步放大真實與模擬輸入，以更完整涵蓋不同環境與光線條件下的罕見情境與長尾案例。
• 評估與驗證：NVIDIA Cosmos Evaluator 由Cosmos Reason驅動，現已於GitHub上推出，可自動對生成資料進行評分、驗證與篩選，確保資料具備物理準確性，並符合模型訓練需求。

NVIDIA運用Physical AI Data Factory Blueprint訓練與評估NVIDIA Alpamayo。Alpamayo是全球首個針對長尾自動駕駛情境打造、採用開放式推理架構的視覺語言動作模型。Skild AI利用這套藍圖推進通用型機器人基礎模型的發展，Uber則藉此加速自駕車開發。

大規模的代理驅動協調運作

許多機器人開發者尚未具備建置與管理大規模資料生成所需複雜AI基礎架構的能力。

NVIDIA OSMO 是一套開源協調框架，可在不同運算環境中統一並管理這些工作流程，減少人工操作，讓開發者能專注於模型建構。

OSMO現已整合Claude Code、OpenAI Codex 與Cursor等領先程式碼代理，實現 AI 原生營運模式，讓代理能主動管理資源、排除瓶頸，並加速大規模模型交付。

驅動全球物理 AI 生態系

雲端服務供應商在提供加速AI基礎架構、機器學習營運能力，以及開發者建構與部署大規模物理 AI 所需的協調服務上，扮演著關鍵角色。

Microsoft Azure 正將 Physical AI Data Factory Blueprint 整合至開放式物理AI工具鏈中，該工具鏈已於 GitHub上推出。此藍圖可與Azure多項服務整合，包括Azure IoT Operations、Microsoft Fabric、Real-Time Intelligence、Microsoft Foundry與GitHub Copilot，藉此提供企業級、由代理驅動的工作流程，加速物理 AI 系統的訓練與驗證，並支援其大規模部署。

FieldAI、Hexagon Robotics、Linker Vision與Teradyne Robotics 等企業，已率先測試Azure物理 AI 工具鏈，以加速並擴展其感知、移動性及強化學習流程中的資料生成、擴增與評估。

Nebius已將OSMO整合至其AI Cloud，讓開發者能透過這套藍圖部署符合自身需求、可投入生產的資料流程。Nebius的基礎架構則提供端到端的物理AI技術堆疊，整合NVIDIA RTX PRO™ 6000 Blackwell 伺服器版本 GPU、超高速物件儲存、原生資料管理與標註、無伺服器執行能力及內建託管式推論功能。

Milestone Systems、Voxel51 與 RoboForce 等早期用戶，正運用Nebius 基礎架構上的這套藍圖，加速影片分析 AI 代理、自駕車及工業人形機器人的模型開發。

NVIDIA Physical AI Data Factory Blueprint預計將於4月在 GitHub 上正式推出。

觀看黃仁勳在 GTC 的主題演講，並探索相關會議內容。

新聞照片由Milestone Systems（左）、FieldAI（中）、Hexagon Robotics與BMW（右）提供。