物理AI的架构师：NVIDIA Thor芯片，世界模型基座

点击蓝字

关注我们

因为公众号平台更改了推送规则。记得点下右下角的大拇指“赞”和红心“推荐”。这样每次新文章推送，就会第一时间出现在订阅号列表里。

最近，数字模拟与物理现实之间的界限已彻底消失。英伟达已正式将DRIVE Thor“superchip”从研发实验室推向全球交通运输和机器人产业的核心领域。随着首款搭载Thor芯片的量产车辆登陆欧洲和亚洲市场，这款芯片已不再仅仅是一种处理器，而是新一代物理AI的基础“大脑”。

这一里程碑的意义不可估量。通过将生成式AI、自动驾驶和人形运动所需的巨大计算需求集中到一个基于Blackwell的统一架构中，英伟达使机器不仅能执行代码，更开始“理解”物理世界。借助统一的“世界模型”，配备Thor芯片的机器能够实时预测因果关系，实现了以往仅存在于科幻作品中的安全性和自主性水平。

技术核心：Blackwell架构，2000 TFLOPS，以及推理引擎 

Thor平台的核心是NVIDIA的Blackwell架构，该架构专为边缘计算这一高要求环境而设计。它可提供高达2000 TFLOPS的4位浮点（FP4）性能，相比前代产品DRIVE Orin实现了7.5倍的性能提升。如此强大的计算能力对于运行“NVIDIA Cosmos”和“Alpamayo”模型至关重要——这些基础模型充当了机器的认知核心。与以往依赖零散神经网络进行感知和规划的版本不同，Thor采用统一的基于Transformer的推理引擎，来处理“世界模型”。

这种统一方法使芯片每秒能够模拟数千种潜在的未来场景。例如，2026年国际消费电子展（CES）上推出的Alpamayo模型——一种视觉-语言-动作（VLA）模型——可为车辆实现“思维链”推理。一辆搭载Thor系统的汽车不再仅仅识别“移动物体”，而是能推理出“一个追逐球的儿童很可能进入街道”，并提前调整行驶路线。这一向基于推理的AI发展，标志着与2020年代初依赖模式匹配算法的方式不同，为自动驾驶系统长期困扰的“long-tail”边缘情况提供了更稳健的解决方案。

此外，NVIDIA 还通过“Jetson Thor”扩展了该平台，该版本专为人形机器人优化。该模块运行 Isaac GR00T N1.6 基础模型，使机器人能够学习复杂的灵巧操作和类人类的运动方式。借助多实例 GPU（MIG）技术，Thor 能够在单个节能SoC上同时处理双足机器人行走所需的复杂平衡控制、自然语言指令处理以及高速传感器融合任务。

重塑硅芯片与机器人领域的竞争格局 

Thor的发布在科技行业引发强烈震动，巩固了英伟达作为物理AI生态系统主要架构者的地位。包括梅赛德斯-奔驰、沃尔沃和捷豹路虎在内的各大汽车巨头，已将Thor集成到其2026年旗舰车型中。更重要的是，比亚迪、小鹏、蔚来和极氪等中国电动车领军企业的大规模采用，表明Thor已成为高端智能汽车的事实上标准。

这种主导地位对高通和特斯拉等竞争对手构成了重大挑战。尽管特斯拉仍在持续迭代其自主研发的FSD硬件，但英伟达开放的生态系统——不仅提供芯片，还提供完整的“全栈”仿真工具和基础模型——已吸引了大量合作伙伴。在自动驾驶卡车领域，诸如Aurora和Waabi等初创企业正利用Thor技术，在使用更少硬件传感器的情况下实现4级自动驾驶，从而显著降低了商业化门槛。

在机器人领域，其影响更为深远。诸如现代汽车旗下的波士顿动力和NEURA Robotics等公司，如今正采用Jetson Thor为他们的最新人形机器人原型提供动力。通过提供标准化的超高性能计算平台，英伟达正在为机器人行业做智能手机为移动软件所做的事：构建一个统一的硬件层，使开发者能够专注于“智能”本身，而非底层的硅芯片。

物理AI的黎明与统一世界模型 

超越规格和市场份额，Thor代表了AI领域的一次根本性变革。我们正从“网络AI”——即在服务器上处理文本和图像的大型语言模型——迈向“物理AI”，即模型能够与现实世界互动并改变物理环境。统一世界模型这一概念正是核心所在。通过在“NVIDIA Cosmos”上进行训练，这些机器实际上正在学习物理定律。它们借助NVIDIA Omniverse生成的大规模合成数据，理解重力、摩擦力以及空间的持久性。

这一进展与原始GPT模型的里程碑相呼应，但针对的是物理世界。正如GPT-3证明了参数扩展能够导致语言涌现一样，Thor正在证明边缘计算的扩展可以带来物理直觉。然而，这项突破并非没有担忧。依赖于集中式世界模型引发了关于数据主权以及AI推理“黑箱”性质的疑问。如果由Thor驱动的机器人或汽车出现错误，其2000 TFLOPS推理引擎的复杂性可能使人类调查人员难以准确分析出错误发生的确切原因。

人们已经开始将这一现象与第一代iPhone的问世或互联网的推出相比较。我们正见证着“移动万物互联网”的诞生，即每台机器都具备自主导航和执行复杂任务的能力。随着这些机器在2026年大量普及，其带来的社会影响——从劳动力的替代到城市基础设施的重构——才刚刚开始显现。

展望未来：通往2027年及更远的路径 

短期内，我们可以期待英伟达将继续完善Thor系列，可能进一步推出面向航空（电动垂直起降飞行器）和海上自主航行的专用版本。下一个重大挑战将是集成更加先进的视觉-语言-动作模型，使机器人能够在没有预先地图的情况下，在繁忙的建筑工地或动态的医院楼层等非结构化环境中运行。专家预测，到2027年，由Thor的后续产品驱动的“零样本”机器人——即机器人仅凭口头指令就能执行从未见过的任务——将成为新的行业标准。

挑战依然存在，尤其是在功耗和热管理方面。尽管Thor在同类产品中效率极高，但以2000 TFLOPS的性能运行完整的世界模型所需的能耗仍相当可观。我们很可能看到围绕“神经形态”协处理器，甚至更先进的散热系统在人形机器人领域迎来创新热潮。此外，随着欧盟和美国监管机构最终敲定2026年的AI安全协议，NVIDIA通过Thor的推理日志提供“可解释AI”的能力，将成为其持续保持领先地位的关键因素。

评估：一个历史性的转折点

NVIDIA的Thor不仅仅是一次成功的发布，更是“物理AI”革命的催化剂。通过在边缘端提供强大的计算能力以运行统一的世界模型，NVIDIA有效赋予了机器感知周围环境并推理复杂物理交互的能力。这项技术从实验性芯片向2026年2月投入量产的车辆和类人机器人的转型，标志着人机交互领域的一个历史性转折点。

今后，AI成功的关键指标将不再取决于模型写文章的能力，而是看它能否安全高效地穿梭于城市街道，或在制造工厂中提供帮助。随着Thor生态系统已稳固建立，科技界正密切关注竞争如何应对，以及社会将如何适应一个周围物体终于开始“思考”的世界。

原文链接：

< 长按识别二维码添加好友 >

加入上述群聊

长按并关注

带你走进万物存储、万物智能、

万物互联信息革命新时代

微信号：SSDFans