英伟达/谷歌/英特尔接连出手，物理AI打响基础设施之争

物理AI正在成为AI产业下一站。与主要停留在数字环境中的生成式AI不同，物理AI要在真实世界完成感知、决策、验证、执行、反馈的闭环，机器人、智能驾驶车辆、工业设备和感知终端都是载体。近期，谷歌、英伟达、英特尔接连落子：谷歌推出Genie 4世界模型并开源TorchTPU，英伟达用Isaac平台覆盖人形机器人开发全流程，英特尔则与SAP把物理AI推进到自主仓库的业务闭环。三家公司切入角度不同，指向的却是同一套基础设施体系——模型、算力、仿真、数据、边缘计算、工业网络和设备管理平台。

英伟达把人形机器人开发拆成参考平台、仿真与数据

英伟达的动作最完整。其借助全新人形机器人参考平台、框架、仿真工作流及数据，全面推进面向通用机器人的Isaac平台。这意味着英伟达不再只提供GPU，而是把机器人开发拆成可复用的基础设施层：

• 参考平台承接机器人本体与核心组件的开发需求；
• 框架和仿真工作流把训练、验证、部署串成流水线；
• 数据层为机器人提供理解物理世界所需的训练素材。

从全栈布局看，英伟达已经形成多条腿走路：Cosmos持续强化世界生成、视觉推理和动作预测能力；Isaac及Omniverse覆盖机器人开发与仿真；GR00T推进机器人基础模型；Jetson承接端侧推理；Cosmos3 Edge进一步验证世界模型向机器人本体侧部署。申万宏源指出，物理AI竞争正由单点模型能力升级为计算平台、开发工具、仿真体系和端侧生态的综合竞争。

数据是这套体系里最难补的一环。语言模型的数据来自人类视角，互联网上充斥着第三人称视频与图文；机器人需要的是第一视角感知数据，要看见自己手部动作，感受与物体接触的力度。这类数据全球稀缺，获取成本极高。英伟达推动的OpenUSD，是面向超大规模3D场景的统一描述、组织和仿真框架，已获多家机构参与和支持。如果行业标准逐步统一，数据积累的飞轮才可能真正转动。

谷歌把Genie 4模拟时长翻倍，又开源TorchTPU

谷歌的出手分成两条线：一条是世界模型，一条是开发者入口。谷歌推出最强世界模型Genie 4，模拟时长翻倍至2分钟，并首次实现音视频同步生成。对物理AI而言，世界模型的价值不只是生成视频，而是为机器人、自动驾驶和工业场景提供可交互的环境建模与仿真验证能力。真实世界高动态、高不确定，企业不可能把所有训练都放到物理设备上完成，世界模型因此成为基础设施的一环。

另一条线是生态迁移。10月20日，Google在PyTorch Conference 2026期间宣布开源TorchTPU。按照Google Cloud介绍，TorchTPU是一套面向谷歌TPU的原生PyTorch软件栈，使开发者能够使用熟悉的PyTorch接口，在TPU上完成模型训练、推理和部署。过去TPU长期与JAX、XLA等技术体系紧密结合，大量已经使用PyTorch开发AI模型的企业迁移到TPU存在额外软件适配成本。TorchTPU要做的，就是降低这道门槛。

就在前一天，亚马逊推出TorchNeuron，试图让原本运行在英伟达GPU上的AI应用更容易迁移到AWS自研Trainium芯片。谷歌和亚马逊接连出手，目标指向同一个地方：英伟达建立了近20年的CUDA软件生态。这场竞争的关键，已经不只是芯片算得有多快