10月21日，GTC柏林，英伟达对Isaac开放机器人开发平台进行系统性扩容，新增人形机器人参考硬件、开源运行框架、仿真工作流和数据集，覆盖数据生成、仿真训练到实体部署的完整流程。思灵机器人同步发布基于该体系的参考平台Agile ONE SN，计划2027年初上市。

2026 GTC 柏林发布会

此前人形机器人的竞争集中在本体制造和运动能力，各厂商使用的开发工具链相互独立。英伟达此次的重点，是把算力、模型、运行时、仿真、数据和安全整合为统一技术栈，降低开发过程中的工具集成成本。本文从平台架构、参考硬件、数据与仿真、产业链壁垒四个层面展开分析。

一、机器人开发的瓶颈与平台评估维度

人形机器人的硬件环节在过去两年快速成熟，关节电机、减速器、本体结构已能支撑双足行走和跑跳，具备这类能力的厂商不在少数。制约产业的主要问题不在单一硬件，而在开发流程的割裂。

一项机器人技能的形成，需要依次完成人类示范数据采集、仿真环境训练、策略向实体硬件迁移、实机调试和部署，涉及数据采集工具、仿真平台、训练框架、运行时、控制系统和安全机制。这些工具通常来自不同厂商，接口不统一，研究团队需要投入大量时间做集成，实际用于算法的时间被压缩。

英伟达要解决的就是这条链路的集成问题，把硬件参考、基础模型、运行框架、仿真引擎、数据资产和安全体系组成一套连贯技术栈，使开发者可以在同一体系内完成全流程。

评估一个机器人开发平台的产业价值，可以从四个维度判断。一是参考硬件是否明确，开发者能否确认能力最终运行的载体。二是开发框架是否统一，训练与部署的工具链能否打通。三是数据闭环是否成立，能否持续供给训练所需的高质量数据。四是安全机制是否成体系，能否支撑机器人从实验室进入真实场景。英伟达此次发布的内容分别对应这四个维度。

英伟达自身不制造机器人本体，也不直接面向终端场景，其角色是提供算力、模型和工具。框架开放程度越高，采用的开发者越多，底层算力平台和配套软件的黏性越强。这是平台型路径，与整机厂商的垂直整合路线存在明显区别。

二、Isaac平台的分层架构

Isaac不是单一软件，而是一套分层技术体系。以下从算力、模型、运行时、学习、数据、安全六个层级说明。

算力层的核心是Jetson Thor，作为机载计算单元承担感知数据处理、模型推理和实时控制。它提供最高2070 FP4 TFLOPS的AI算力，配备128GB统一内存，功耗可在40瓦至130瓦之间配置。相比上一代Jetson AGX Orin，AI性能提升至7.5倍，能效提升至3.5倍。

模型层的核心是GR00T。它是开放的人形机器人参考设计，代码以Apache 2.0协议开源，模型权重按英伟达开放模型许可发布，均支持商业部署。当前的GR00T N1.7是约30亿参数的视觉语言动作模型（VLA），将视觉理解、语言指令和动作生成整合在同一框架内，使机器人能够理解自然语言指令并生成对应动作。

运行时层新增的Isaac OS是关键。它基于Holoscan构建，是开源运行框架，负责连接AI模型、传感器、控制系统和机器人硬件，主要解决确定性实时运行问题。机器人控制对时间精度要求高，控制指令必须在确定时间内到达，不能出现不确定延迟。Isaac OS将这条链路标准化，并支持仿真到实体的一致运行，使策略在仿真环境和真实硬件上的行为尽可能一致。

学习层由Isaac Lab 3.0承担。它是开源机器人学习框架，已正式可用，支持从桌面到数据中心的多GPU训练流程，可调用Newton和PhysX物理引擎，用于训练和优化机器人行为策略。

数据层由几部分构成。Cosmos是世界基础模型，用于生成符合物理规律的合成数据。SimReady中央库提供超过2000项可直接用于仿真的机器人和工厂资产。Human 1M数据集包含大量人类活动数据，配有同步的三视角视频和三维手部追踪。这些数据资产均在Hugging Face上提供。

安全层由Halos承担。它是基于IGX Thor构建的全栈安全平台，目标是支撑机器人从开发走向规模化真实部署。

六个层级构成完整闭环。其中算力、模型和安全由英伟达主导，数据资产和部分工具向合作伙伴开放。

三、Agile ONE SN参考平台硬件拆解

思灵机器人推出的Agile ONE SN为Isaac软件体系提供了具体硬件载体。该公司2018年由德国航空航天中心（DLR）的机器人研究者在慕尼黑创立，专注AI驱动的机器人方案，旗下拥有Franka Robotics、idealworks等子公司，在力控和智能操作领域积累较深。

Agile ONE SN定位为面向研究和开发的参考平台，而非消费级产品，目的是让研究团队从项目启动就拥有软硬件协同的完整系统。

本体方面，它采用Agile ONE S人形机器人本体，身高1.4米，体重约43公斤（含灵巧手和腕部摄像头）。身体部分31个自由度，关节扭矩最高140牛米，单臂负载3公斤，规格偏向紧凑灵活，适合实验室研究环境。

人形机器人本体

灵巧手方面，它配备两只WUJI Hand 2五指灵巧手，每只手20个自由度，支持1kHz力控制和触觉感知。人形机器人的操作能力主要取决于手部，而灵巧手的工程难点在于在极小空间内集成大量自由度，同时实现力控和触觉。1kHz力控制意味着控制系统每秒可对力进行一千次调整，是精细稳定操作的基础；触觉感知用于反馈抓握力度和接触状态，避免损坏物体或失手。这两项能力决定操作任务的完成质量。

机载算力采用Jetson Thor，提供2070 FP4 TFLOPS和128GB统一内存，支撑实时感知推理和全身控制。

传感方面采用多视角方案，头部配备RGB-D摄像头，腕部配备近距离操作摄像头，同时搭载3D激光雷达和惯性测量单元。头部摄像头负责环境感知，腕部摄像头负责操作时的近距离观察，激光雷达负责空间定位，几类传感器形成互补。连接方面支持Wi-Fi 7和蓝牙，配有急停按钮。

软件方面，产品出厂预装GR00T 1.7模型、GR00T全身控制和完整参考工作流，覆盖示范采集、数据生成、仿真、训练、评估、部署和实测，同时提供URDF和USD资产，可直接将机器人导入Isaac Sim和Isaac Lab。

这套系统将前期配置时间从数周缩短到数天。工具集成时间下降后，研究团队可以把更多时间用于算法和能力开发，技能迭代速度相应提高。在Agile ONE SN上开发的能力和数据可以迁移到思灵面向工业场景的全尺寸人形机器人Agile ONE，参考平台因此同时承担向工业落地输送能力的功能。

四、数据与仿真体系

人形机器人缺少天然的数据来源。自动驾驶依靠庞大车队在真实道路上持续采集，车辆本身就是数据采集终端；人形机器人保有量小，无法依靠大量实体在真实场景中积累数据。

特斯拉的做法反映了这一约束。它正在建设"Optimus学院"，让机器人在专门环境中练习各类任务，并明确提出需要先制造1至2万台机器人用于训练，才能完成基础能力积累。这说明数据是机器人能力的前提，且获取成本较高。

世界模型用于缓解这一问题。英伟达的Cosmos是面向物理AI的世界基础模型，最新的Cosmos 3采用混合Transformer架构，是开放的全模态模型，能够理解物理规则，生成符合物理约束的视频、动作和环境数据。

其主要用途是生成机器人视角的合成训练数据。互联网视频多为第三人称视角，机器人工作时为第一人称视角，两者视觉特征差异较大，直接使用互联网视频训练效果有限。Cosmos可以针对机器人视角和具体任务批量生成带物理约束的合成数据，使机器人在仿真中完成大量练习，减少在真实硬件上的试错次数，从而降低训练成本、缩短训练周期。

仿真的可信度取决于物理引擎。此次发布的Newton是开源、可扩展的物理引擎，基于Warp和OpenUSD构建，由英伟达、谷歌DeepMind和迪士尼研究共同开发，由Linux基金会管理，负责在仿真中模拟接触、碰撞、力的传递等物理规律。物理模拟越接近真实，训练策略迁移到实体的成功率越高。

仿真到实体的迁移（sim-to-real）是机器人学习的核心难题。仿真环境与真实世界存在差异，可能导致仿真中表现良好的策略在实体上失效。解决途径包括提高物理引擎精度、对仿真环境进行随机化以使策略适应多种情况，以及通过Isaac OS实现仿真与实体的一致运行。

英伟达同时布局世界模型、物理引擎、仿真平台和数据资产，目的是构建可持续的数据生产和能力训练体系，使机器人能力在仿真中以较低成本快速形成，再迁移到实体。这一体系的效率直接影响人形机器人的规模化进度。

Jetson Thor开发套件

五、产业链关键环节与技术壁垒

人形机器人产业链的上游为核心零部件，包括算力芯片、执行器、减速器、灵巧手、传感器和电池；中游为本体制造和系统集成；下游为各类场景应用。在这些环节之上，基础模型和开发工具正在成为独立的关键环节。

从技术壁垒看，以下环节门槛较高。

机载算力方面，机器人对芯片的要求是高算力、低功耗、小体积，同时支持实时推理和控制，对芯片架构、能效和软件生态均有较高要求。Jetson Thor这类平台的壁垒不仅在芯片本身，还在于围绕芯片形成的完整软件栈和开发者生态。

基础模型与数据方面，机器人智能水平取决于模型能力和数据质量，需要长期算法积累和大规模数据生产能力，壁垒正从硬件向软件和数据转移。

灵巧手方面，需要在极小空间内集成大量自由度，并具备力控和触觉，涉及精密机械、驱动、传感和控制的综合能力，是操作能力的主要瓶颈。

传动与执行部件方面，关节执行器决定运动能力，减速器、丝杠等精密传动部件直接影响关节精度、负载和寿命，对制造工艺要求较高。

一个明显的趋势是，价值向软硬结合的环节集中。单纯机械加工的壁垒相对下降，整合算力、模型、控制和硬件的能力重要性上升，这是平台厂商角色增强，整机厂商纷纷补充模型和算法能力的原因。以宇树为例，其在硬件成本和运动控制上具备优势，同时将较大比例研发投入投向智能机器人模型，聚焦世界模型和VLA方向，以补足软件环节。

六、十大核心企业主力产品与技术分析

1. 思灵机器人（Agile Robots）

本次事件的核心合作方。主力产品包括面向研发的参考平台Agile ONE SN、面向工业的全尺寸人形Agile ONE，以及旗下Franka系列协作机器人。技术优势集中在力控、智能操作和AI机器人系统集成，是GR00T生态中参考硬件的主要承担者。

2. 宇树科技（Unitree）

GR00T早期参考硬件的本体提供方。主力产品包括H2、H2 Plus人形机器人，以及10月21日推出的H2-X功夫传奇，后者主打高难度运动能力，最长续航约8小时。H2 Plus身高约1.8米，体重约68公斤，身体31个自由度，配备Sharpa触觉五指手，搭载Jetson AGX Thor。技术优势在运动控制和硬件成本，同时在自研世界模型和VLA模型上持续投入。

3. 1X Technologies

GR00T采用方之一，主打家庭场景。主力产品NEO采用直驱柔顺电机和柔性织物外壳，突出安全共居特性，规格相对轻巧，自由度配置偏向家用安全。技术路线强调安静、柔顺和与人共处的安全性。

4. NEURA Robotics

欧洲具身智能代表厂商。主力产品为人形机器人4NE-1，技术核心是多模态基础模型Neuron AI。它利用Isaac Sim和Isaac Lab生成合成训练数据，在仿真中训练机器人技能，是英伟达仿真生态的深度使用者。

5. Agility Robotics

GR00T采用方，也是Halos安全生态的合作方。主力产品Digit是较早面向物流和仓储场景的类人形机器人，已在实际物流环境中部署，技术路线偏向成熟场景的工程落地。

6. Apptronik

GR00T生态整机厂商。主力产品为Apollo 2，身高约1.72米，具备力控架构，配套智能体系统Artemis协调感知和动作，强调模块化运动和操作能力，面向工业和物流场景。

7. Figure AI

人形机器人行业的代表厂商之一。主力产品Figure 03是面向家庭的第三代产品，配合自研Helix智能系统，曾入选时代周刊年度发明。技术路线强调自主操作能力和通用智能，在物流场景已有规模化部署。

8. 特斯拉（Tesla）

垂直整合路线的代表。主力产品Optimus已推进到第三代，采用自研AI芯片，由自有产线制造，并通过"Optimus学院"积累训练数据，走数据、算法、硬件、制造全部自有的闭环路径，与英伟达的平台路线形成对比。

9. 优必选（UBTECH）

中国人形机器人代表厂商。主力产品Walker S2定位工业场景，已在柳州实现规模化下线，并与汽车制造企业合作推进物流和装配应用。技术路线侧重工业场景落地和制造能力。

10. 绿的谐波

核心零部件代表，国内谐波减速器领域的主要厂商。谐波减速器是关节的关键传动部件，直接影响关节精度和负载。公司针对人形机器人的轻量化需求开发了小型化产品，在精密传动环节具有代表性。

除上述十家外，舍弗勒在本次发布中也扮演了特殊角色，它将自身执行器技术作为Newton物理引擎的基础组件，体现了传统精密制造厂商与机器人开发平台的结合。

七、产业演进的几个方向

一是竞争焦点从单机能力转向开发体系。前期竞争比拼机械和运动，当前竞争转向模型、数据、仿真和工具链，比拼机器人学习大量技能的速度和可靠性，这是平台型厂商影响力上升的直接原因。

二是数据成为核心生产要素。机器人能力上限越来越取决于数据规模和质量，世界模型和合成数据成为缓解数据约束的主要路径，数据生产体系的效率决定技能迭代速度。

三是技术路线出现分化。一类是英伟达倡导的开放平台路线，通过统一技术栈服务整个产业；另一类是特斯拉代表的垂直整合路线，各环节自有。整机厂商在两者之间寻求平衡，既利用开放平台加速开发，又投入自研模型掌握核心能力。这种分化预计长期存在。

四是标准的作用增强。行业正在形成两类标准：国家层面的推荐性标准统一术语和评价尺度，不限定技术路线；平台厂商通过开放工具形成事实标准。前者解决衡量问题，后者解决实现问题，两者短期互补，长期将在产业话语权上存在博弈。

八、后续跟踪要点

一是开发者和本体厂商的采用情况。平台价值最终取决于有多少团队默认使用其工具链，这是判断事实标准形成程度的主要指标。

二是合成数据和世界模型的实际效果。仿真生成数据对真实数据的替代程度，以及训练策略迁移到实体的成功率，决定数据瓶颈能否被有效突破。

三是灵巧手和操作能力的进展。机器人能否从搬运、行走扩展到精细操作，取决于灵巧手、力控和触觉的成熟度。

四是整机厂商的能力验证。各厂商从样机走向真实场景交付的节奏，以及在工业、物流、家庭等场景的落地情况，是检验技术成熟度的直接依据。

五是软硬件协同的演进。算力平台、基础模型和硬件本体的协同迭代情况，以及国产厂商在模型和芯片层面的进展，是观察产业格局变化的长期线索。（完）

——————

免责声明：本文仅用于芯片半导体领域的技术研究与行业分析，不构成任何投资建议，亦不作为任何投资决策的参考依据。文中信息均基于公开渠道的官方与权威资料整理。具体数据以官方或权威发布信息为准。

张星河

每天一份高质量研报，持续聚焦芯片半导体、AI基础设施、AI智能硬件、具身智能、光通信等硬科技方面的行业研究、产业链分析与技术拆解。欢迎您的关注！