返回笔记

英伟达人形机器人解决方案研究：机器人时代的算力、模型、仿真和安全底座

从Isaac GR00T、Cosmos、Isaac Sim、Jetson Thor、Halos for Robotics、生态合作、财务映射和竞争格局等维度，系统梳理英伟达人形机器人业务的产业位置。

英伟达人形机器人业务最容易被误读的地方，是把它当成一家“未来会不会造机器人”的公司来分析。实际上，英伟达目前并不想成为下一个 Tesla Optimus、Figure 或 Agility Robotics。它更清晰的定位是：做人形机器人和 Physical AI 时代的基础设施，覆盖训练算力、世界模型、合成数据、机器人仿真、基础模型、端侧计算、安全系统和认证生态。

这意味着研究英伟达人形机器人业务，不能简单问“英伟达卖了多少台机器人”。更重要的问题是：机器人公司训练模型时是否离不开英伟达算力；开发和仿真是否进入 Isaac / Omniverse 体系；人形机器人端侧是否采用 Jetson Thor / IGX Thor；安全部署是否走 Halos for Robotics；工业客户是否把英伟达生态视为可信的量产标准。

核心判断是：英伟达在人形机器人领域已经形成了非常强的生态卡位，但还没有进入可用公开收入、出货量和市占率直接验证的成熟阶段。短期，机器人对英伟达利润表的直接贡献大概率仍然很小；中长期，如果人形机器人从样机走向工业、物流、制造和服务场景的规模化部署，英伟达有机会从“AI服务器时代的算力入口”，延伸为“机器人时代的计算和安全平台入口”。

所以，这不是一条传统的硬件产品线，而是一组期权：训练端卖 DGX、RTX PRO 和云端算力，开发端卖 Isaac、Omniverse 和软件生态，模型端推 GR00T 和 Cosmos，部署端卖 Jetson Thor / IGX Thor，安全端推 Halos for Robotics。每一层单独看都不等同于人形机器人收入，但组合起来，会构成英伟达人形机器人布局的战略价值。

一、业务定位：不造机器人，而是做机器人公司的底座

英伟达在人形机器人领域的策略，可以概括为“cloud-to-robot”。机器人从设计、训练、仿真、部署到安全运行，每个环节都需要大量计算和软件工具，英伟达希望把这些环节尽可能纳入自己的平台。

这套体系可以拆成六层：

层级代表产品解决的问题
训练算力DGX、DGX Cloud、RTX PRO、Blackwell / Rubin平台训练机器人基础模型、视觉模型、动作模型和世界模型
仿真和数据Omniverse、Isaac Sim、Isaac Lab、Cosmos降低真实机器人采集数据和试错成本
机器人基础模型Isaac GR00T、GR00T N系列、GR00T-Mimic、GR00T-Dreams让机器人理解语言、视觉和任务，并输出动作策略
开发中间件Isaac ROS、CUDA-X、cuVSLAM、nvblox、cuMotion提供导航、感知、建图、位姿估计和运动规划工具
端侧计算Jetson Thor、Jetson Orin、IGX Thor把大模型、视觉模型和控制策略部署到机器人本体
安全和认证Halos for Robotics、Halos OS / Core、Halos AI Systems Inspection Lab支撑机器人进入真实工厂和仓库的安全审查与认证

这个定位和整机厂完全不同。Tesla 的核心是把 Optimus 做成自有机器人产品；Figure 的核心是 Helix 这类端到端人形机器人智能体；Agility 的核心是 Digit 在仓储和制造场景里的商业部署。英伟达的核心不是某一台机器人，而是让尽可能多的机器人公司在训练、仿真、部署和安全认证上使用它的底层平台。

这也是英伟达最擅长的商业模式：不一定直接拥有最终应用，但通过算力、开发者生态和软件栈，成为行业事实标准。CUDA 在AI训练中已经证明过一次这种模式；人形机器人是它试图复制这一逻辑的新场景。

二、技术体系：从机器人“大脑”到安全底座

英伟达人形机器人方案里，最核心的技术不是单一芯片，而是一个完整开发闭环。

第一层是 Isaac GR00T。它是英伟达面向通用人形机器人的基础模型和开发平台，目标是让机器人通过视觉、语言和动作数据学习通用操作能力。公开资料中的 GR00T N 系列属于 VLA，Vision-Language-Action，视觉-语言-动作模型。它不是只识别图像或回答问题，而是要把“看到什么、听到什么、要做什么”转成机器人动作。

第二层是 Cosmos。人形机器人训练最大的瓶颈之一是高质量真实数据太贵。让机器人在真实仓库里反复摔倒、碰撞、试错，不仅成本高，而且危险。Cosmos 的价值在于生成接近真实物理世界的视频、场景和动作数据，作为机器人学习的数据放大器。GR00T-Mimic 和 GR00T-Dreams 进一步围绕这个问题展开：前者用少量示教数据扩增运动轨迹，后者从图像生成任务执行视频，再提取动作 token 训练模型。

第三层是 Isaac Sim / Isaac Lab / Omniverse。机器人和纯软件AI不同，动作会受到重力、摩擦、碰撞、接触、柔性、遮挡和传感器噪声影响。仿真如果不够真实，模型在虚拟环境里学到的动作很难迁移到真实世界。Isaac Sim 负责机器人仿真和合成数据，Isaac Lab 负责机器人学习和基础模型训练，Omniverse 则提供更大规模的工业数字孪生环境。

第四层是 Isaac ROS 和 CUDA-X 工具箱。真正做机器人落地时，开发者需要的是一套稳定的基础模块，包括视觉SLAM、3D障碍物感知、运动规划、物体位姿估计、双目深度、遥操作和数据采集。cuVSLAM、nvblox、cuMotion、FoundationPose、FoundationStereo 等模块的意义，就在于把很多底层能力做成可复用组件。

第五层是 Jetson Thor / IGX Thor。机器人不能把所有决策都放到云端。避障、平衡、抓取、故障恢复和安全停机都需要低延迟本体计算。Jetson Thor 基于 Blackwell GPU，官方披露最高提供 2,070 FP4 TFLOPS AI 算力、128GB 内存、273GB/s 内存带宽和14核 Arm CPU，面向人形机器人本体上的实时推理和控制。IGX Thor 则更偏工业级安全计算平台，和 Halos 的安全体系结合更紧。

第六层是 Halos for Robotics。它是英伟达2026年6月发布的机器人安全系统，定位不是“机器人模型”，而是面向机器人量产部署的安全底座。它覆盖安全计算平台、Halos OS / Halos Core、外部视觉安全、功能安全检查和认证生态，试图解决机器人进入真实工厂和仓库时最难绕开的安全责任问题。

这六层合在一起，才是英伟达人形机器人解决方案的完整样子。GR00T 解决机器人怎么学，Cosmos 解决数据怎么来，Isaac 解决怎么仿真和训练，Jetson / IGX 解决怎么部署，Halos 解决怎么安全进入真实现场。

三、Halos：机器人从演示走向部署的关键拼图

Halos for Robotics 是英伟达最近在人形机器人方向最值得重视的动作之一。它的战略意义不在于短期收入，而在于英伟达开始把机器人安全认证变成自己的平台能力。

传统工业机器人通常在围栏内运行，安全逻辑相对清楚。人形机器人、AMR、自动叉车和移动操作机器人则不同，它们要在有人、有叉车、有货架、有遮挡、有临时障碍物的环境里工作。客户真正关心的不只是机器人能不能搬箱子，而是它能不能长期、安全、可审查、可认证地运行。

Halos 的架构可以拆成四部分：

部分代表内容意义
安全硬件IGX Thor、Holoscan Sensor Bridge、功能安全岛在硬件层提供安全隔离、传感器连接和安全控制能力
安全软件Halos OS、Halos Core、Linux / QNX、Safety Extension Package把AI任务、实时任务和安全关键任务隔离
安全应用Outside-In Safety Blueprint、AI safety agents用外部摄像头和AI建立动态安全区域，补充机器人本体传感器
检查认证Halos AI Systems Inspection Lab、TUV / UL / SGS / exida等生态降低机器人厂商通过第三方安全认证的难度

其中 Outside-In Safety 值得重点关注。传统机器人主要靠自身传感器判断周围环境，属于 inside-out safety；Outside-In 则利用工厂或仓库中的外部摄像头，从全局视角监控人、叉车、机器人和货物的位置变化，建立虚拟安全区和动态边界。它的价值不是替代本体传感器，而是在遮挡、转角、狭窄通道和复杂工位中提供更完整的安全感知。

Agility Robotics 是 Halos 当前最重要的落地对象。NVIDIA 公告称，Agility 是首家把 Halos for Robotics 元素纳入人形机器人安全系统的公司，将把 NVIDIA IGX Thor 和 Halos Core 集成进 Digit 的安全人体检测系统。NVIDIA 还进一步表示，Digit 将成为首款搭载 NVIDIA Halos OS 出货的量产机器人，用 IGX 和 Halos Core 在真实仓库环境中安全导航并与人协作。

这件事说明 Halos 不是孤立展示，而是已经绑定到拟量产的人形机器人上。对 Agility 来说，它增强了 Digit 进入 Amazon、GXO、Schaeffler、Toyota Motor Manufacturing Canada 这类工业和物流客户现场的可信度；对英伟达来说，它相当于把自身嵌入机器人商业化部署和安全审查流程。

但这里也要保留边界。Halos Core for IGX 仍处于 early access，Outside-In Safety Blueprint 也是早期开放状态。它更像一个正在形成标准的平台型方案，而不是已经经过多年工业现场验证的传统安全产品。短期不能把它理解为“机器人安全问题已经解决”，更准确的说法是：英伟达正在尝试把机器人安全从厂商自建的零散方案，推向标准化、平台化、可认证的全栈体系。

四、应用场景：英伟达卡的是共性环节

英伟达的人形机器人业务不直接依赖某一个终端场景，但它服务的需求主要来自几个方向。

第一是仓储物流。搬运 tote、空箱回收、分拣、上架、装卸、逆向物流和站点间物料转移，是当前人形机器人最现实的落地场景之一。Agility Digit、Figure、Apptronik、Boston Dynamics 等公司都在不同程度上瞄准物流和制造中的重复体力任务。对英伟达来说，这类场景会拉动端侧算力、仿真训练和安全系统需求。

第二是制造现场。制造业的价值不只在单个机器人，而在产线数字孪生、虚拟调试、机器人路径规划、工位安全和多机器人协同。ABB、FANUC、KUKA、YASKAWA 等传统机器人厂商把 Omniverse 和 Isaac 用于产线验证，本质上是把英伟达生态导入工业自动化软件流程。

第三是服务机器人和医疗机器人。Diligent Robotics 的 Moxi 等医疗服务机器人虽然不是典型人形机器人，但它们同样需要边缘AI计算、导航、感知和长期运行能力。未来如果护理、医院、商业服务场景打开，英伟达的 Jetson / Isaac 工具链仍然有机会成为底层平台。

第四是机器人研究和开发者生态。英伟达推出 Isaac GR00T Reference Humanoid Robot，把 Unitree H2 Plus、人形灵巧手、Jetson Thor 和 Isaac GR00T 软件整合成参考设计。这个动作不是为了卖整机，而是降低高校、实验室和创业公司进入人形机器人开发的门槛，让更多开发者围绕英伟达平台形成路径依赖。

所以英伟达卡的不是单一应用，而是跨应用的共性环节：训练、仿真、部署、安全和开发者生态。只要人形机器人行业继续扩张，不同整机公司之间的竞争反而可能共同放大英伟达平台的需求。

五、市场空间：看生态渗透率，而不是现在的出货量

目前还没有可靠的公开数据可以回答“英伟达人形机器人解决方案出货多少、市场占有率多少”。公开资料没有披露 Jetson Thor 出货量、GR00T 商业装机量、Halos 商业装机量，也没有披露多少台人形机器人使用了英伟达端侧计算平台。

这意味着现阶段不适合用传统硬件市占率框架分析英伟达人形机器人业务。更合适的指标是生态渗透率和标准制定权。

可以观察的代理指标包括：

指标当前公开状态研究意义
机器人开发者生态英伟达称 robotics stack 已拥有超过200万开发者说明 Isaac / Jetson / CUDA 在机器人开发者中有较强基础
边缘AI客户Jetson 生态覆盖大量工业、机器人和边缘AI客户能说明平台覆盖广，但不能等同于人形机器人装机
重点人形机器人客户Agility、Boston Dynamics、NEURA、Humanoid、1X、Figure等不同程度进入英伟达生态说明头部玩家在训练、仿真或端侧计算上采用英伟达
Jetson Thor 状态已进入可采购和导入阶段，但未披露出货量是端侧计算能否放量的关键硬件
Halos 状态Agility 深度导入，其他生态仍早期是安全认证平台能否成为行业标准的观察点

从产业趋势看，人形机器人市场仍处在“技术验证和早期商业导入”阶段。整机厂的客户部署、订单、运行小时数和产能规划正在增加，但大规模出货仍然没有形成。对英伟达来说，这个阶段的价值不是短期收入，而是提前占据机器人开发流程和量产部署流程。

如果未来人形机器人从几千台、几万台进入几十万台甚至更大规模，英伟达的潜在收入来源不是单一模组，而是多层叠加：机器人公司训练模型需要数据中心算力，仿真和合成数据需要 Omniverse / Isaac，端侧运行需要 Jetson / IGX，安全认证需要 Halos，工业客户数字孪生和产线调试也需要 GPU 和软件平台。

这就是英伟达在人形机器人市场里的真实想象力：它不一定拥有某个单一整机品牌的成功，但可能在多个整机品牌的背后收取基础设施价值。

六、财务情况：当前贡献很小，战略期权很大

从财务角度看，英伟达人形机器人业务现在最大的问题是“看不见”。公司没有单独披露人形机器人收入，也没有披露 Jetson Thor 在人形机器人中的出货量，更没有披露 Isaac GR00T、Cosmos 或 Halos 的单独收入。

公开财务口径里，最接近机器人业务的有三个层面。

第一，旧口径中的 Automotive and Robotics。研究材料显示，英伟达 FY2026 Automotive and Robotics 收入约23亿美元，同比增长39%，但公司表述中主要驱动仍是自动驾驶平台采用。因此，这个数字不能直接视为机器人收入，更不能视为人形机器人收入。

第二，Physical AI 大口径。英伟达管理层曾提到 Physical AI 近12个月收入超过90亿美元，但这个口径包含自动驾驶、机器人、工业、医疗、边缘AI等多个方向，不是人形机器人单项收入。它能说明 Physical AI 已经不只是概念，但不能用来推算人形机器人业务规模。

第三，新的 Edge Computing 口径。研究材料显示，FY2027 Q1 起公司披露口径调整后，Edge Computing 包括 PC、游戏、工作站、AI-RAN、机器人和汽车等场景，但机器人没有被单独拆分。因此，即使 Edge Computing 增长，也不能直接判断人形机器人贡献。

所以，当前最合理的财务判断是：人形机器人对英伟达短期收入和利润的直接贡献大概率不大，真正支撑公司财务表现的仍然是数据中心AI计算、网络、加速计算和相关平台。人形机器人更多是一个长期增量方向，它的财务价值会先体现在训练算力、仿真算力和端侧计算的间接需求中，再逐步体现在软件、安全和生态服务上。

这也决定了估值分析不能把人形机器人当成当前核心利润来源。对英伟达整体市值来说，人形机器人现在更像远期叙事和战略期权；对机器人产业链来说，英伟达却已经是非常现实的供应商和平台方。一个是利润表角度，一个是产业控制力角度，不能混在一起。

七、商业模式：硬件入口 + 软件生态 + 标准制定

英伟达人形机器人业务未来可能形成三类收入。

第一类是硬件收入。训练端来自 DGX、RTX PRO、Blackwell / Rubin 等AI计算平台；部署端来自 Jetson Thor、Jetson Orin、IGX Thor 等边缘计算平台。如果人形机器人出货增长，每台机器人都需要端侧计算模块，机器人公司还需要持续购买训练算力和仿真算力。

第二类是软件和平台收入。Isaac、Omniverse、Cosmos、GR00T、NIM微服务、开发工具链和企业软件服务，未来都可能变成更明确的商业化载体。机器人公司的开发流程越依赖这些工具，英伟达的软件议价能力就越强。

第三类是安全和认证生态收入。Halos AI Systems Inspection Lab 本身未必马上成为大收入来源，但如果 Halos 成为工业客户认可的安全底座，英伟达就可以在机器人进入真实工厂和仓库前，掌握更关键的审查和认证入口。

更深一层看，英伟达真正想做的是标准制定。训练用它的平台，仿真用它的平台，端侧用它的芯片，安全认证用它的体系，开发者用它的工具，最终客户在采购机器人时也默认这些平台更可靠。到那时，英伟达的价值就不只是硬件毛利，而是生态锁定。

当然，这个商业模式也有不确定性。机器人公司如果规模足够大，可能会自研端侧芯片或自建安全体系；工业客户也可能坚持使用 Siemens、Rockwell、Pilz、SICK 等传统工业安全体系；中国人形机器人公司则可能因为成本、供应链和地缘政治因素选择国产芯片和开源软件栈。因此，英伟达能否复制 CUDA 在AI训练中的地位，还需要真实部署来验证。

八、竞争格局：直接替代少，间接竞争多

英伟达在人形机器人领域的竞争对手不能只看机器人整机公司。它竞争的是机器人基础设施入口，所以竞争格局要分层看。

第一类是整机公司自研体系。Tesla Optimus 是最典型的代表。Tesla 的路线更像把 FSD 的视觉、规划、数据闭环和自研芯片能力迁移到双足机器人上。它未必会采用 NVIDIA Halos 这类外部安全平台，也不一定长期依赖 Jetson。Figure AI 则强调 Helix，把视觉、语言和动作结合成自己的机器人智能体。对英伟达来说，最强整机厂一旦形成自研闭环，就可能减少对英伟达高价值软件和端侧计算的依赖。

第二类是机器人基础模型和AI研究平台。Google DeepMind、OpenAI、Physical Intelligence、Figure Helix、Tesla FSD / Optimus 等都可能在机器人智能体层面与 GR00T 形成竞争。这一层竞争的核心不是芯片，而是谁能掌握更多真实机器人数据、更强泛化能力和更快的模型迭代。

第三类是传统工业机器人和自动化厂商。ABB、FANUC、KUKA、YASKAWA、Universal Robots 等拥有长期工业客户关系、机器人控制器、安全经验和系统集成能力。它们不一定和英伟达全面对立，很多也会使用 Omniverse / Isaac，但在客户现场，它们掌握工艺、产线和验收话语权。

第四类是工业安全和传感器厂商。SICK、Pilz、Rockwell、Siemens、Keyence、Omron、Leuze、Veo Robotics / Symbotic 等公司在安全传感器、安全PLC、安全网络、外部视觉安全和工厂验收体系中非常成熟。Halos 在 AI 机器人安全架构上很新，但传统安全厂商在认证、现场部署和客户信任上更强。

第五类是端侧芯片和边缘AI竞争者。Qualcomm、AMD、Intel、Apple、华为、地平线、瑞芯微、寒武纪以及各类国产AI芯片公司，都可能在不同成本带和区域市场与 Jetson / IGX 竞争。高端人形机器人可能更重视算力和生态，低成本机器人则会更看重价格、供应链和本地化。

所以英伟达的优势是全栈、生态和算力；风险是机器人行业不一定像AI训练那样高度集中。真实机器人涉及机械、电气、控制、安全、工艺、客户现场和售后服务，生态分散度天然更高。

九、主要风险

第一，机器人收入不可见。当前没有公开数据能证明英伟达人形机器人业务已经形成显著收入，短期仍更多是战略卡位。若行业放量慢，相关投入可能长期停留在生态建设阶段。

第二，人形机器人商业化节奏不确定。整机公司的样机演示、客户试点和真实规模部署之间有很长距离。可靠性、成本、维护、安全、续航、故障恢复和ROI任何一项不成立，都会影响整条产业链放量。

第三，整机厂自研替代。Tesla、Figure、Boston Dynamics 等公司可能在模型、芯片、安全系统或开发工具上推进自研，减少对英伟达平台的依赖。越大的客户越可能寻求降低供应商锁定。

第四，传统工业安全体系的惯性。工厂和仓库不会轻易更换安全认证和设备验收体系。Halos 要进入真实工业场景，需要和既有安全PLC、传感器、控制器、认证机构和客户流程兼容。

第五，成本和供应链风险。人形机器人如果要进入大规模应用，成本下降非常重要。Jetson Thor / IGX Thor 的高端算力适合旗舰和工业级场景，但未必适合所有低成本机器人。中国供应链和国产芯片方案也会形成价格压力。

第六，地缘政治和出口限制。英伟达高端芯片和软件生态受到出口管制、客户区域和供应链限制影响。机器人产业未来如果在中美欧日之间形成不同技术体系，英伟达的全球渗透率可能受到约束。

第七，软件商业化不确定。Isaac、GR00T、Cosmos、Halos 的战略价值清楚，但是否能形成足够高的软件收入，还取决于客户付费意愿、开源替代、云端部署模式和生态竞争。

第八，估值已主要反映AI数据中心周期。英伟达整体股价和估值更多由数据中心AI需求、Blackwell / Rubin供给、云厂商资本开支和毛利率决定。人形机器人短期更像远期叙事，不能作为当前业绩的主要支撑。

十、跟踪指标

后续研究英伟达人形机器人业务，应该重点跟踪这些指标：

指标关键观察点
Jetson Thor导入Agility、Boston Dynamics、Figure、NEURA、1X、Unitree等是否进入量产版本
Halos落地Agility Digit 是否按计划搭载 Halos OS 出货，是否有更多机器人厂商加入
GR00T进展N系列模型是否持续迭代，是否被更多整机厂用于真实任务
Cosmos和合成数据合成数据是否明显降低机器人训练成本，提高任务成功率
Isaac / Omniverse渗透传统机器人厂商和工业客户是否扩大数字孪生、仿真和虚拟调试使用
Edge Computing披露公司是否进一步拆分机器人、汽车、AI-RAN等收入
Physical AI收入口径90亿美元大口径是否继续增长，是否出现更清晰的机器人拆分
生态伙伴Agility、Boston Dynamics、ABB、FANUC、KUKA、YASKAWA等合作是否深化
竞品自研Tesla、Figure、Google DeepMind、OpenAI等是否形成替代机器人基础模型或安全体系
中国供应链宇树、智元、优必选等中国机器人公司是否采用英伟达，还是转向国产方案

十一、综合判断

英伟达人形机器人业务的本质，不是一个已经成熟的财务分部，而是一个正在形成的产业基础设施平台。它现在还看不到清晰的人形机器人收入、出货量和市占率，但在技术栈和生态上已经占住了非常关键的位置。

技术层面，英伟达的优势在于从训练到部署的完整闭环。DGX / RTX PRO 提供训练算力，Cosmos 和 GR00T 解决数据和模型问题，Isaac Sim / Isaac Lab 解决仿真和训练环境，Jetson Thor / IGX Thor 解决端侧计算，Halos 解决安全和认证。这套组合比单点芯片更有壁垒。

商业层面，短期不要高估人形机器人对英伟达收入的直接贡献。公司真正的利润表仍由数据中心AI算力驱动，人形机器人目前更像 Physical AI 中的长期期权。但也不要低估它的战略意义：如果机器人行业进入规模化部署，英伟达可能不是某一家整机公司的竞争者，而是许多整机公司共同依赖的平台。

竞争层面，英伟达的直接替代品不多，但间接竞争很多。整机公司会自研，传统工业自动化公司掌握客户现场，安全厂商掌握认证经验，国产供应链会追求成本和自主可控。因此，英伟达能否在人形机器人时代复制 CUDA 的平台地位，关键不在发布会，而在真实机器人是否持续采用它的训练、仿真、端侧和安全体系。

更合适的研究结论是：英伟达人形机器人业务现在还不是“销量兑现期”，而是“准标准形成期”。后续真正值得看的，不是它是否亲自造机器人，而是 Jetson Thor、Isaac GR00T、Cosmos、Omniverse 和 Halos 是否成为机器人公司从研发到量产的默认底座。

资料来源

上述内容仅为个人学习和研究目的，不构成任何投资建议，也不保证信息完整、准确或及时。 涉及公司、行业、市场和策略的内容，都应被视为阶段性观察，而不是确定性结论。