共享财富营收暴涨106%，英伟达押注的物理AI正在显化

上周，英伟达发布Q2财报，市场熟悉的高增长故事再度上演。

营收同比大涨106%，净利同比猛涨到126%，数据中心依旧是最大的增长引擎，赚了890亿美元，占全部收入的92%。市场已经习惯了英伟达的大数字、高增长——如今主流开源模型（Qwen、Deepseek等）、闭源模型（OpenAI、Anthropic、Gemini等）全部依托英伟达运行。但这份财报里还有一点值得关注，就是CEO黄仁勋最近反复强调的Physical AI（物理AI）。

什么是物理AI？生成式AI解决的是“AI如何理解和生成数字世界”，物理AI解决的是“AI如何理解、预测并行动于真实世界”。只要作用于我们真实触手可及的日常生活，自动驾驶、机器人，都是物理AI。在这次财报电话会上，英伟达还透露了一个重磅合作：全球百万台亚马逊仓库机器人集群将全面采用英伟达整套物理AI技术栈，包括Omniverse、Cosmos、Isaac以及Jetson。

这对英伟达来说不光是拿下一个大订单，更是物理AI变现的重要一步。从今年2月第一次披露的物理AI收入60亿美元（2026财年），到5月这一数字上涨到90亿美元（2025Q1-2026Q1的12个月），再到8月拿下亚马逊，很明显，英伟达押注的物理AI开始“显化”了。这又一次证明，黄仁勋为物理AI站台的口号不是空喊的，英伟达的野心已经照进了现实：不光是要当生成式AI的金牌卖铲人，还要当物理AI的“王”。

一、一场闭门会，“暴露”英伟达关注重点

机器人发展到今天，ABB Robotics、FANUC、Yaskawa工业机器人公司长期早已拥有成熟的产品、商业模式；新一代人形机器人公司宇树、智元，也开始形成订单、收入和规模化交付。物理AI的叙事重点，不再是机器人公司到底能不能赚钱。而是当机器人从几千台变成几十万台、几百万台，它们如何低成本获得足够的数据，并在真实世界里自主、可靠地运行？

这才是新的产业机会所在。英伟达很强，但物理AI由多个环节组成。除了基础软硬件，还缺失一些关键环节：如机器人本体、数据生成、数字孪生、Sim-to-Real验证、工业部署软件等。因此，英伟达在物理AI时代的角色一定是平台：它构建一个物理AI的基础游戏规则，让机器人、数据、模型在自己的规则里完成供需匹配，赚的是软硬件“基础设施费”。而这就引出了一个市场真正该关心的问题：当机器人越来越多之后，物理AI市场越做做大，钱会怎么流动？流向谁？

有意思的是，英伟达似乎也在押宝。

据“三元同学”和多方消息，就在财报发布前一周的8月20日，英伟达在北京办了一场物理AI ISV（独立软件开发商）闭门会，参会的18家都是与英伟达息息相关的中国产业链企业。一半是机器人本体，一半是软件和应用。他们有的来自英伟达的会员制初创加速计划NVIDIA Inception，有的是官方合作伙伴。机器人公司里，宇树、智元、银河通用、光轮智能几个明星公司都去了。软件应用公司有做数据库的OceanBase，做化学+AI的深度原理，还有做3D视觉协作的SKAI等等。

图：英伟达Physical AI 闭门会参会名单

英伟达Physical AI 平台产品与技术营销高级总监Madison Huang黄敏珊也出席了这个闭门会。她不仅是物理AI重要负责人，也是黄仁勋的女儿。她来与宇树、智元、深度原理、SKAI这些生态企业面对面交流，背后信号不难读懂：英伟达十分重视物理AI进展，并且关注重点正在从机器人本体，扩大到软件、数据和仿真。真正被看到的企业，极有可能与英伟达在下一阶段产生深远的合作关系。而这份“朋友圈”的分量，远比名单本身更重。

二、一张物理AI生态蓝图，一步步扩大“朋友圈”

把英伟达的物理AI产品线摆出来，就能看懂这份名单的分量。Omniverse做数字孪生和仿真，Isaac做机器人开发工具链，Cosmos做世界模型，GR00T做人形机器人基础模型——从训练、仿真、验证到部署，英伟达想做通整条链路。

再看闭门会名单就会发现，软件应用端企业来自完全不同的生态位，但每一家都能在英伟达的产品线上找到对应的座位：

物理仿真（CFD）：Tenfong十沣科技——PhysicsNemo

工业仿真（CAE）：Luban鲁班系统——PhysicsNemo, Omniverse, AMGX

气候与天气模拟：PRESKY弘象科技——Earth2Studio

Agent记忆：MemTensor记忆张量——Nemo Retriever

向量数据库：OceanBase奥星贝斯——cuVS

量子计算仿真：SpinQ量旋科技——CUDA-Q

AI制药：WeComput唯信计算——BioNemo

计算化学：Deep Principle深度原理——ALCHEMI

数字孪生与合成数据：SKAI——Omniverse, Cosmos 3

企业依次入座，一个都不落空。这张生态蓝图，英伟达不是画在纸上的，而是画在产业链上的。从上季度财报发布后的近三个月来，英伟达建设物理AI生态的动作频频，推进速度非常快。今年5月到6月，英伟达密集发布了一系列物理AI产品与模型更新，同时与日韩大企业集团加强交流；到了7月，又联合ABB Robotics发布了《工业级物理AI赋能高精密制造白皮书》；8月拿下亚马逊大单。

值得注意的是，在7月那份白皮书里，主要贡献方亚信、德勤和SKAI探索出一条很清晰的物理AI路径：白皮书提出了一种以数字化为先导的工程方法，将机器人视觉风险评估提前至设计阶段。通过在物理实施前使用数字孪生、特定任务的合成数据和人工智能验证，制造商可以更早地识别和解决问题，同时创建可追溯、可重用和可验证的工程资产。

换句直白的话说，如果把机器人进厂比喻成汽车上路，那么机器人本体是车，数据是燃料，仿真是驾校，验证是年检。车要上路，得先加满油、上过驾校、通过年检。现在有了物理AI这一层基础设施，机器人就能更快、更安全、更低成本地进入真实世界——先虚拟练车，验证后直接上路。这不仅大幅提升了效率，更加提升了应用阶段的安全可信度。白皮书描绘的是一个典型物理AI闭环：训练→仿真→验证→部署。每个环节都有产品承接，每个环节都有企业补位——这才是朋友圈背后的蓝图。

三、两种企业，正在帮英伟达加速物理AI

仔细看今天的英伟达“朋友圈”，会发现企业大体分为两种。

第一种，是已被商业验证的成熟技术产品。7月白皮书的主要贡献方SKAI，同样也是这次闭门会的成员。SKAI的发展历程，可以说是这类企业的典型样本。

起家之初，SKAI用3D渲染和数字孪生技术服务奢侈品品牌和商业视觉广告，拿过LVMH Innovation Award。多数圈外人不知道，奢侈品广告有个特点：奢牌对产品的渲染精度要求极高，容错率极低。这倒逼SKAI积累了精准的3D场景构建、材质生成、光照模拟、相机模拟、数字孪生、渲染管线这些底层能力。而当生成式AI的应用层竞争越来越激烈，SKAI把这些能力转向了一个更工业化的方向：物理AI数据生成。他们把以往给消费者看的一比一精美渲染的广告内容，进一步生成为给机器学习的数据——材质、光照、相机参数、RGB与深度信息、物体位姿、标注、数字孪生环境，服务于机器人感知模型的训练和验证。

只不过，第一标准不再是画面漂不漂亮，而是数据能不能提升识别准确率、能不能减少真实数据采集、能不能覆盖极端场景、能不能降低部署成本、能不能缩小仿真与现实的差距。这套数据管不管用，学术界已经先一步做验证。为了进一步解决机器人感知、抓取、Sim-to-Real以及机器人学习等问题，SKAI也在加强与高校研究团队的合作。

扒了下SKAI官网，近期SKAI正在和与华盛顿大学、首尔大学等高校开展产学研究。华盛顿大学机器狗项目以及后续基于航空研究与波音实验室的训练数据，就来自SKAI的生成。基于Omniverse、Cosmos 3，SKAI重新把“C端买单”的技术升级成“工业验证”和“学术科研”级别。

图：从左到右：SKAI、首尔大学Kwak Nojun教授（机器智能与模式识别实验室）、华盛顿大学Xu Chen教授（MACS Lab and Robotics）、华盛顿大学Zoe Li

相似路径的还有鲁班系统、弘象科技。它们把结构仿真、气象模拟搬上PhysicsNemo、Omniverse，把原本成熟的产品重构，成为英伟达生态的一部分。另一种，则是AI原生的新物种。比如做Agent记忆的记忆张量，它们从第一天起就长在英伟达的技术栈上，基于AI Agent原生需求，优化上下文记忆。一手抓AI原生的新产品，一手抓经过商业验证的成熟技术——英伟达的目的只有一个：加速打造一个更全面、更丰富的物理AI生态。成熟企业提供确定性，原生企业提供想象力，两条腿一起走，闭环才能尽快跑起来。

为什么说英伟达押注的物理AI正在显化？

主要有两点。一是实打实的收入，二是逐渐补齐的全栈能力。

首先，物理AI收入稳步提升，英伟达凭借高速推进速度，正在慢慢掌握定价权。今天生成式AI算力正在变成“买方市场”，议价权转移到了大众手里。但是物理AI的定价权，目前还没有人拿到。英伟达通过大企业合作，正在把算力、模型与需求方绑定，因此确保未来可见的长期收入。从电话会上英伟达透传的“预计2028财年营收同比增长约70%”，能看出英伟达对未来收入依然自信，并且增幅里一定是包含了物理AI的。

其次，是全栈能力正在补齐。物理AI相比生成式AI环节复杂，协同难度极高。英伟达已经开始积累先发优势，未来作为平台将具备强大的全栈能力和资源调配能力。因此押注物理AI，是英伟达的目的，也是它的过程。目的是野心：不只当生成式AI的卖铲人，还要当物理AI的“王”；过程是动作：从60亿到90亿的收入披露，亚马逊的机器人技术栈合作——每一步都在把蓝图变成地基。

当训练、仿真、验证、部署的闭环一天天成型，当SKAI们一个个入座，英伟达押注的物理AI未来，正在变成现在。

本文仅代表作者观点。