NVIDIA的新款参考人形机器人用具体数据诠释了“准备就绪”的含义
在2026年10月21日举行的GTC柏林大会上,英伟达与总部位于慕尼黑的Agile Robots公司共同推出了Agile ONE SN——一款基于英伟达Jetson Thor和Isaac GR00T平台、且公开了机械规格的参考人形机器人。 英伟达将该硬件与已正式发布的Isaac Lab 3.0训练框架、全新的Isaac OS实时运行时、 Halos安全平台、包含2,000余个资产的仿真库、人体运动数据集以及开源的DGX Station工作流,并得到了二十余家知名生态系统合作伙伴的支持。

柏林,2026年10月21日。 英伟达(NVIDIA)在GTC柏林大会的主题演讲尾声,没有抛出口号,而是公布了一组数据:一个重40千克(88磅)、拥有31个自由度的人形机器人躯体,配有两只五指手,每只手各增加20个自由度,并具备2,070 FP4太浮点运算的板载计算能力。 这些数据描述的是Agile ONE SN——这是英伟达与Agile Robots联合发布的参考人形机器人,作为首款预装英伟达Isaac GR00T软件栈、并基于英伟达Jetson Thor边缘AI平台构建的全栈式机器。
提供机身的Agile Robots公司总部位于慕尼黑,由德国航空航天中心的研究人员于2018年创立,最初以力感知机械臂为业务基础,随后进军类人机器人及更广泛的物理人工智能领域。 该公司首席执行官陈兆鹏将Agile ONE SN定位为一条捷径,而非展示品:这一预配置的单一平台旨在取代通常将独立的模拟、训练和部署工具拼凑在一起的繁琐流程,将设置时间从数周缩短至数天。 英伟达计划于2027年初推出该产品,斯坦福大学和苏黎世联邦理工学院(ETH Zurich)已被列为已表达兴趣的研究机构。
这款类人机器人是英伟达此次发布的一系列重大更新中最直观的成果: 其Isaac Lab训练框架的新版正式发布、名为Isaac OS的实时操作层、大规模人体动作数据集、可直接用于模拟的工厂资产库、专为其DGX Station硬件打造的三个开源训练工作流,以及名为Halos的安全平台。 英伟达创始人兼首席执行官黄仁勋以宏大的措辞描述了这一时刻,他表示通用机器人技术正在以惊人的速度发展,并称该领域即将迎来“ChatGPT时刻”。 这更多是一种营销话术,而非可量化的主张,值得将其视为营销话术来对待;但此次发布的工具库本身足够具体,足以供我们进行评估。
按照自己的条件。参考机构本质上是标准化供应链的尝试
对于运营采购方而言,解读 Agile ONE SN 的正确方式并非将其视为待购产品,而是将其视为英伟达希望市场采纳的技术规范。通过将指定的机械平台、WUJI Hand 2 灵巧末端执行器、128GB 统一内存的固定计算配置以及软件栈进行组合, 英伟达为类人机器人所做的大致相当于其长期以来为数据中心所做的工作:确定一个参考设计,使零部件供应商、系统集成商和研究实验室能够采用兼容的部件,而不是各自从头开始构建定制化的技术栈。 每只手臂3千克的负载能力和手部1kHz的触觉力控制,与工厂车间的工业机械臂相比虽属中等水平,但这些参数的精准定义意味着,评估各人形机器人供应商的采购团队现在有了公开的基准进行衡量,而不再仅依赖供应商的营销宣传。
这一标准化举措还延伸至计划中(尚未推出)与NVIDIA Halos的集成——Halos是一个基于IGX Thor计算模块构建的全栈安全平台。Halos旨在解决一个看似不起眼但对商业成功至关重要的问题:即为在人群中部署的机器人或自动驾驶车辆获取安全认证。 英伟达列举了五家已将 Halos 集成到自身安全架构中的公司,包括 Agile Robots、Agility、Dexory、FORT Robotics 以及德国仓储设备和叉车集团 KION;此外,德国传感器制造商 SICK 正在评估该平台,以实现超越固定围栏范围的动态安全区域。 Reynolds & Moore、埃森哲(Accenture)和TÜV SÜD被列为合作伙伴,致力于缩短认证流程本身——在重工业领域,这一流程通常是机器人进入仓库现场过程中耗时更长、成本更高的环节。
软件与数据层才是真正的杠杆所在
硬件规格虽易于成为头条新闻,但软件
而数据发布正是车队运营商实际接触到的第一部分。Isaac Lab 3.0 现已作为开源框架正式发布,用于在多 GPU 集群上训练和优化机器人控制策略,并可在包括 Newton 和 NVIDIA PhysX 在内的物理引擎上运行。 基于 NVIDIA Holoscan 运行时构建的 Isaac OS,被定位为一种确定性、实时的连接层,用于在机器人从模拟环境进入工厂车间后,将传感器、AI 推理和执行器连接起来。这正是机器人部署中长期存在的薄弱环节——某些在模拟中运行完美的策略,在实际硬件上却无法满足时序约束。这两者背后都存在一个数据问题,NVIDIA 正试图直接解决这一问题。托管在 Hugging Face 上的 SimReady Central Library 目前收录了 2,000 多个可直接用于模拟的机器人和工厂资产,这些资产由 Comau、FANUC、Franka Robotics、 LG Electronics、Robotiq、Standard Bots、Universal Robots和Vertiv等组件制造商贡献的、超过2,000个模拟就绪的机器人及工厂资产,为开发者提供了现成的数字孪生,免去了从头建模每个抓手和传送带的繁琐工作。 与此同时,“Human 1M 数据集”提供了人类活动的同步三视角视频和 3D 手部追踪数据,该数据集的完整版本仅限英伟达 Cosmos Coalition 合作伙伴计划的成员使用。 英伟达还为其 DGX Station 硬件发布了三个开源参考工作流,涵盖 GR00T 1.7 模型的强化学习优化、 在Isaac Lab中的灵巧操作训练,以及利用ChatGPT Astra对NVIDIA Cosmos世界模型进行训练后处理以生成合成数据——这是NVIDIA发布中罕见地与OpenAI品牌工具进行明确搭配的案例。
欧洲老牌机器人制造商并未坐等类人机器人问世
随着英伟达公布更长的合作伙伴名单,此次公告开始不再像是一次单一产品的发布,而更像是在整个区域产业范围内展开的平台布局。ABB Robotics正在将其产品集成英伟达Omniverse库,
RobotStudio 的 HyperReality 工具可在安装机器人系统之前对其进行虚拟调试。KUKA 也在其 Visual Components FactoryLens 产品中开展类似工作。 这些都是采购经理早已熟知的工业界知名企业;而更具参考价值的信号则来自那些直接基于 Isaac 进行开发的中小型公司。德国仓储自动化初创公司 Sereact 正在将 Isaac GR00T 与 NVIDIA 的 Cosmos Transfer 工具结合使用,来训练其 Cortex 拾取与抓取平台,该平台运行在 Universal Robots 的机械臂上。 Skild AI是一家机器人人工智能开发商,致力于构建其所谓的“全形态大脑”(omni-bodied brain),旨在通过一个模型控制多种形态的机器人。该公司与1X、Humanoid、Maven Robotics、Mentee、MicroAGI和Rhoda等八家企业共同支持新的DGX Station工作流。相比备受瞩目的人形机器人,一些规模较小的部署案例在商业价值上更具即时影响力。 酒店服务机器人初创公司 Bellboy 正利用 Jetson 和 GR00T 运行名为 Billie 的服务机器人,该机器人已部署在万豪、希尔顿、IHG 和 OYO 旗下的酒店中,这意味着至少有一台基于 Isaac 的机器人已经在实际工作中投入使用,而无需等到 2027 年。 丰田物料搬运欧洲公司(Toyota Material Handling Europe)和 SoftServe 报告称,通过使用 Omniverse 和 Isaac Sim,将物料搬运的部署时间缩短了多达一半。这一数据足够具体,对正在评估类似项目规模的物流采购方具有参考价值——即使考虑到这只是供应商报告的效率主张,而非经过独立审计的结果。
采购方应如何权衡这一公告
从采购部门能够填写订单表单的角度来看,上述产品目前均尚未上市。Agile ONE SN 仅处于计划阶段,尚未销售;“2027年初”仅为计划,而该行业中类人机器人的时间表向来有延期的先例。 斯坦福大学和苏黎世联邦理工学院(ETH Zurich)表现出的兴趣表明该技术在学术界具有公信力,但这并不等同于生产合同,而 Halos 安全平台
该产品被描述为正在与合作伙伴的架构进行集成,而非一种工厂经理今天就能指定采用的、已完成且通过认证的产品。英伟达将此称为“ChatGPT时刻”,这种表述带有理想化的色彩——毕竟该公司为该市场中几乎所有新进入者提供底层计算支持,仅此一点就足以让我们将这种比较视为营销手段,而非独立的技术评估。可以验证的是此次发布的广度: 一个已公开机械规格的命名参考机身、一个已全面发布的训练框架、一个实时运行时、一个拥有五家指定集成合作伙伴的安全平台、包含数千条数据集和资产库,以及一份已公布的名单——其中有二十多家公司正在基于该技术栈开发人形机器人、仓储机器人、酒店服务机器人和工业机器人。 对于采购方而言,实际的启示是:不应将Isaac单纯视为待评估的单一机器人,而应将其视为一种通用工具链——当这些产品最终抵达装卸码头时,越来越多的竞争对手供应商都将基于该工具链进行开发。 如今,围绕兼容 Isaac 的软硬件进行标准化的机器人车队,押注的其实是一个生态系统,而非某家供应商的类人机器人;如果该技术栈能持续以开源形式发布,而非被锁定在单一供应商的硬件中,那么这种押注将更容易撤回。
抛开主题演讲的包装不谈,一个数据最具说服力:Agile ONE SN 将 2,070 FP4 太浮点运算和 128GB 统一内存集成于 40 公斤的机箱中,这正是竞争对手人形机器人供应商如今必须追赶或予以解释的实际基准。
本文综合了截至2026年10月21日的公司声明和公开产品信息。本文仅供一般参考,不构成专业或技术建议。












