围绕这一需求,英伟达把训练、仿真和本体执行拆成“三台计算机”:一台用于模型训练,一台在数字孪生与仿真环境中训练和验证技能,另一台部署到机器人本体完成执行。Omniverse、Isaac、Cosmos等平台承担起串联训练、仿真和终端计算的角色。其最新一季财报中,数据中心业务收入同比增长117%,物理AI被视为计算平台的新增长市场。
仿真并不能包办真实世界。Neura Robotics创始人兼CEO David Reger曾表示,数字孪生与真实环境之间存在差距,机器人必须在真实物理环境中训练,并采集动作、触觉、声音等多模态数据;这些反馈又会回到下一轮训练和仿真。数据采集、仿真、模型训练、强化学习、推理和真机验证由此构成循环,各环节所需算力不同,且会随研发进度起伏,固定配置很难始终匹配。
研发方式的变化把云算力推到更靠前的位置。宇树科技创始人王兴兴在工博会上提到,机器人本体受空间、电池和散热条件约束,可部署的算力有限,适合放在云端的任务应尽量上云;云端算力可实时调配,管理也更灵活。他同时看重真机数据在模型迭代中的闭环作用。智元机器人联合创始人彭志辉透露,公司训练集群规模将接近万卡;联合创始人姚卯青补充,算力主要通过租赁获得,以控制资产投入并保留扩容弹性。
头部机器人公司的成本结构随之变化,关注点从“买多少卡”转向“能否随时调到可用算力”。具身智能研发具有阶段性和波动性:训练、仿真、强化学习会抬高需求,验证阶段又可能回落。自持硬件成本高、闲置风险大,临时采购则可能打断研发连续性。按需调用、弹性扩缩、统一调度并适配物理AI多场景的智算云服务,因此获得更多企业采用。资本市场也在定价这种能力:据行业测算,CoreWeave在2026年上半年营收同比增长112%,全年产能已预售一空;九章云极2026年云业务上半年营收同比增长约420%。
另一面,按需租用的单价可能高于自建,长期高负载运行未必更省钱;物理AI算力需求能否复制大模型的增长速度,业内也没有统一判断。机器人企业当前训练规模仍小于通用大模型公司,多步计算需求已经明确,增长节奏尚待验证。九章云极联合创始人兼COO尚明栋曾提出,衡量算力产业不能只看建设规模,更要看资源是否真正被使用、能否服务更多产业主体;算力正从稀缺技术资源转为通用的基础生产资料。
九章云极选择分层承接分散的算力需求,而不是依赖单一集中式方案。底层做异构芯片适配、算力池化、防止算力碎片化的技术方案和统一调度,让不同架构的计算资源协同运行,为机器人基础模型训练提供集中式大算力底座;中间层以云原生集群管理、高性能存储和强化学习运行环境,支撑多轮训练与验证任务的自动化编排;上层打通模型训练与推理一致性,并延伸至端侧推理层,按任务动态分配资源。其交付形态是可调度、可伸缩、可分布式协同的计算服务,而非孤立资源。
国内机器人企业面对的计算环境更复杂,不同厂商芯片在架构、驱动和软件栈上差异明显,训练、仿真、推理的资源要求也不一致。跨架构适配与统一调度直接影响资源利用率和综合成本,这项工作不显眼,却决定智算云服务能否形成竞争力。交易方式也在改变:企业不再只围绕卡型、数量和单价采购,而是按任务调用、按实际使用计量,在研发高峰期扩容,在验证阶段释放资源,算力由设备采购转向服务交付。
九章智算云已进入物理AI研发流程。在某头部世界模型企业的联合验证中,该平台在生态伙伴的仿真环境里并行调度数千个虚拟机器人策略样本,用于强化学习与安全测试;在汽车装配场景的联合验证中,弹性多阶段算力调度支撑策略迭代效率提升。仿真规模、模型复杂度和迭代轮次变化会带来不同算力需求,弹性调度与多阶段调用被用于减少闲置。花旗研究在《Embodied Intelligence: The Rise of Physical AI》中认为,数字孪生、真实世界数据采集、仿真及协调硬件的计算软件生态是物理AI的重要支柱,计算基础设施因此成为产业链的增长机会。

