英伟达为什么重新押注边缘计算？机器人业务只占营收1%

最近在筹备今年的线下大会，公众号更新耽搁了，这里跟大家说一声抱歉。英伟达为什么重新押注边缘计算？机器人业务只占营收1%图1

趁着这段时间，英伟达在边缘计算这条线上动作不小，攒了不少值得聊的东西，今天把这些梳理一下。

先说一个数字。英伟达2026财年一季报显示，合并了汽车与机器人业务后的季度销售额是5.67亿美元，同比增长72%，但也仅约占总销售的1%。

再看另一个数字。2025年8月，英伟达发布Jetson AGX Thor开发者套件；2026年1月CES上又推出T4000模组；到了7月15日，再发布T3000与T2000两款新模组。一年之内，同一条产品线密集推出三代芯片。

一个只占营收1%的业务板块，产品迭代速度却接近英伟达最核心的数据中心GPU业务。这不太符合常规商业逻辑——除非，这个业务板块承载的不只是当下的营收，而是未来的入场券。

这就是这篇文章想聊清楚的问题：英伟达图什么？

这一年到底发生了什么

2025年8月25日，英伟达在圣克拉拉发布Jetson AGX Thor开发者套件，售价3499美元。这是一款功能强大的新一代机器人计算机，旨在为制造、物流、交通、医疗、农业和零售等行业的数百万台机器人提供算力支持。

搭载的T5000模组，AI算力达到2070 TOPS（FP4），配备128GB LPDDR5X内存，AI计算能力是上一代Jetson AGX Orin的7.5倍以上，能效提升3.5倍。所有这些都控制在130瓦的功率范围内。

不到五个月后，CES 2026上英伟达又拿出了T4000模组。再过半年，到2026年7月15日，英伟达发布了T3000与T2000。Jetson T3000结合了Blackwell GPU、八核Neoverse Arm CPU、32GB LPDDR5X内存和273GB/s内存带宽，能提供865 FP4 teraflops的AI算力，T2000则为400 FP4 teraflops，面向视觉AI代理、自主移动机器人、工业机械臂等边缘系统。

对比一下：英伟达最主流的数据中心GPU，平均迭代周期是一到两年。边缘机器人这条线，一年三代。这个节奏本身就是个信号。

为什么是现在？

把时间线拉长看，这次加速不是孤立事件。2026年1月的CES上，黄仁勋把"物理AI"称作行业的下一个"ChatGPT时刻"。到6月24日的股东大会，他更直接把物理AI定义为英伟达的下一波长期增长主线，给出了一个五层结构的叙事：能源、芯片系统、基础设施、模型、应用。

数据中心被描述成生产"Token"的工厂，而机器人、自动驾驶汽车、工厂设备，则是现实世界中能够感知、推理、规划并自主行动的智能体。这个说法反复被强调，背后有个很现实的约束——电力。

黄仁勋在CES演讲中提到，一个千兆瓦级数据中心可能需要500亿美元投入，而电力是硬性约束，只有每瓦性能提升，同样的电力才能换来更多算力和收益。

这句话背后的逻辑是：数据中心的算力增长正被电力供给的天花板锁住。英伟达需要一个不完全依赖巨型数据中心、能够独立铺开的新增长曲线。边缘，尤其是机器人边缘，恰好功耗上限压缩在几十瓦到一百多瓦，计算需求却因为大模型下沉而急剧上升。

另一层压力来自竞争。2026年CES期间，高通发布了专门面向机器人的Dragonwing IQ10平台，搭载18核Oryon CPU，性能达到上一代产品的5倍，峰值算力可达700 TOPS。高通宣称在同等性能下能效比同类产品提升30%，意味着电池供电机器人的续航能多出1到2小时。

而且高通不是纸面上说说而已，已经与Figure AI、Booster、VinMotion、库卡机器人等多家机器人制造商展开合作。如果高通能在中低端机器人市场用低功耗撬开一个缺口，英伟达苦心构建的Jetson加CUDA加Isaac加Omniverse这套闭环，就可能在还没形成规模效应之前被绕开。密集发布新模组，某种程度上是防守动作，不完全是主动布局。

技术是真的到了一个阶段

抛开产业博弈，单看技术本身，Jetson Thor这代产品确实解决了一个真实问题。上一代Orin依赖专门的深度学习加速单元NVDLA，架构相对固定；Thor取消了NVDLA，转向更通用的GPU架构，让此前只能在云端运行的视觉语言动作模型（VLA），现在有可能塞进机器人机身里实时运行。

配套软件上，2026年1月的JetPack 7.1为Jetson Thor引入了TensorRT Edge-LLM，这是一个开源C++ SDK，面向那些需要现代大模型智能能力、但无法承受数据中心级计算和功耗需求的实时系统。

这句话点出了云端AI和边缘AI之间一个容易被忽略的矛盾：大多数主流大模型技术栈是围绕云端GPU设计的，拥有充足内存、宽松时延要求；而机器人这类边缘设备，每一毫秒、每一瓦功耗都直接影响物理世界中的实际动作。这不是简单把云端模型压缩塞进边缘设备就能解决的，需要重新设计推理引擎和调度机制。

同期发布的Cosmos 3 Edge也是这条路径的产物——一个40亿参数、专为Thor平台设计的世界基础模型，思路是先在云端用大模型合成仿真数据，再蒸馏出适配边缘算力预算的小模型。一个能说明这套流程价值的案例：Isaac GR00T N1在处理倒坚果任务时，11小时内生成超过75万条仿真轨迹，结合真实观察后系统性能提升了40%。

但要说清楚，这套体系解决的是一个相对窄的问题：通用机器人和自主机器的实时本地推理。它不是给智慧城市摄像头、工业质检相机这类传统边缘场景准备的通用方案——那些场景其实更需要低成本、低功耗的专用芯片，而不是一台128GB显存、售价数千美元的"机器人超级计算机"。

英伟达重新下注的，是边缘计算里一个特定且高价值的细分——物理AI，不是边缘计算整体。这一点很重要，也是这次"押注"最容易被误读的地方。

1%的营收，对应的是什么样的市场

回到开头那个1%。这个数字小，不是因为技术不行，而是因为下游市场本身还没起来。

多份研究机构把2026年称为人形机器人的"量产元年"。摩根士丹利将2026年中国人形机器人出货量预测从2.8万台上调至5万台，预计到2030年出货量将达44.6万台，2025至2030年复合年增长率达106%。

工信部科技司官员在2026年7月表示，2026年中国人形机器人全年整机产量有望突破10万台，对比2025年全球仅2万台的出货总量。数字增速惊人，但基数依然很小——十万台产能目标，对应的仍然是一个刚跨过实验室门槛的行业。

具体到企业层面，进度也参差不齐。宇树科技某款人形机器人截至2026年3月已下线约11000台；智元机器人2025年1月突破1000台，年底达到5000台，2026年3月跨越万台大关，6月26日实现第1.5万台下线。

数字看着在涨，但同一份报道里有个更值得注意的现象：一年前需要近百万元排队预购的工程样机，如今在二手市场被像工业废铁一样以数万元一批打包清仓，早期科研版机型购入价三十万到八十万元，现在二手行情仅三万到六万元。

这说明早期那批高价样机，大多没进入可持续商业循环，而是被下一代产品很快淘汰，资产快速贬值。也印证了工信部官员的判断：部分企业仍停留在样机和演示阶段，商业化路径尚不清晰，现阶段多数人形机器人仍以定制化项目交付为主，规模化采购的商业性价比尚未显现，盈利模式普遍不成熟。

芯片算力已经足够支撑机器人在边缘实时运行大模型，但机器人能不能卖出去、卖出去后能不能持续产生商业价值，是完全独立的另一个问题——这恰恰是英伟达自己解决不了的部分。这也是1%这个数字迟迟涨不上去的真正原因。

竞争的焦点，不在算力参数

英伟达和高通的路线差异，揭示了这场竞争真正的焦点。高通的核心优势是低功耗、边缘AI推理能力，适合轻量化人形机器人和工业自主移动机器人；英伟达的核心优势是高算力和CUDA生态，更适合数据中心训练和高性能机器人研发。

竞争焦点不完全是单颗芯片的参数，而是"训练—仿真—部署"这条全栈路径谁能跑通、谁能锁住开发者。英伟达把Omniverse、Isaac、Cosmos和Jetson串成一条闭环，机器人厂商一旦用这套工具链训练模型，迁移成本就会显著提高。这也是为什么1X、Agile Robots、亚马逊机器人、波士顿动力、发那科等企业都在这一平台上开发——不完全因为算力领先，而是整条工具链已经绑定了他们的研发流程。

高通的应对策略也很清楚：不在算力参数上正面对抗，而是主打功耗效率和成本敏感场景，先从工业自主移动机器人切入，再逐步向人形机器人渗透。短期内，这大概率会形成高低搭配的市场结构，而不是谁彻底取代谁。

未来一到三年，盯住这几个变量

机器人与汽车业务的营收占比能不能持续爬升。如果未来两三个财季仍停留在1%到2%区间，说明产品节奏和市场需求之间的落差还没收窄；如果能明显跨过5%，才算得上物理AI真正从叙事变成生意。
人形机器人的实际交付和留存情况，而不是产能目标。二手市场的价格走势，是一个比出货量更诚实的指标——如果早期批次持续快速贬值，说明产品迭代速度已经透支了资产的使用周期。
高通等竞争者能不能在中低端量产场景撕开实际市场份额，而不只是拿下几个明星客户的合作声明。
边缘侧模型本身的演进方向。当视觉语言动作模型的参数规模继续增长，130瓦的功耗预算能撑多久，会不会重新催生一轮"边缘算力不够用"的焦虑。

回到开头那个1%

英伟达这一年高密度更新Jetson Thor，解决的是不是真实问题？答案是部分真实——本地实时推理确实有其技术必要性，边缘AI不是伪需求。

但产品发布的速度，明显快于机器人商业化真正能吸收的速度。这更像是一场提前下注：趁着物理AI概念处在早期、生态位置尚未固化的窗口期，把开发者和芯片标准都提前锁进自己的体系。

1%这个数字会不会变大，关键不在芯片本身，而在于人形机器人和自主机器能不能真正走出示范工程，变成可持续复购的生意。这条路还没走完，现在下结论为时尚早。英伟达为什么重新押注边缘计算？机器人业务只占营收1%图16

—如果阅读有收获，欢迎转发扩散—