英伟达机器人业务深度分析报告

报告撰写日期：2026 年 8 月 24 日。本文从产品、技术、工程、生产、商业化、市场与投融资七个维度，对英伟达（NVIDIA）的机器人业务进行系统性拆解，分析重点放在产品技术工程的真实落地能力上，兼顾财务与资本视角。文中所有数据均标注来源；涉及测算的部分均明确标注假设条件，供读者自行校验。

英伟达的机器人业务不是一个新业务，而是一套经营了十余年、在 2025–2026 年完成"全栈合拢"的平台体系。Jetson 边缘计算平台自 2014 年推出，累计吸引超过 200 万开发者、150 余家硬件与传感器合作伙伴，仅 Jetson Orin 一代就服务了 7,000 多家客户 [(品玩)] 。2025 年 8 月 Jetson AGX Thor 量产上市，标志着英伟达首次让机器人产品线与数据中心产品线使用同一代（Blackwell）架构，技术代差红利被一次性注入机器人市场 [(雪球)] 。

从财务上看，机器人目前仍是英伟达的"小生意"：FY2026（截至 2026 年 1 月）公司总收入 2,159 亿美元（同比 +65%），其中"汽车与机器人"分部全年收入约 23.5 亿美元（同比 +39%），占比仅约 1.1% [(NVIDIA Newsroom)] 。但三个信号表明该业务的战略权重正在急速上升：其一，黄仁勋在 2025 年 6 月股东大会上明确表示，机器人是英伟达在 AI 之外"最大的潜在增长来源"，AI 与机器人合计代表"数万亿美元级的增长机会" [(The Daily Upside)] ；其二，自 FY2027 一季度起，英伟达将财报分部重组为"数据中心"与"边缘计算"两大平台，机器人与汽车、PC、工作站、AI-RAN 基站一起被归入边缘计算——这既是会计口径调整，更是战略叙事的正式确认 [(NVIDIA Newsroom)] ；其三，英伟达通过 NVentures 在 2025–2026 年密集参投了 Figure AI、Skild AI、Agility Robotics、Field AI、Waabi、Generalist AI 等几乎所有头部机器人公司，用资本把生态"焊死"在自己的技术栈上 [(RobotOps)] 。

本报告的核心判断是：英伟达在机器人领域复刻的不是"卖芯片"逻辑，而是"Android 时刻"逻辑——以开源模型（GR00T、Cosmos）、免费平台（Omniverse 已于 2026 年 5 月起对生产和分发全面免费）和低门槛参考设计（联合宇树推出 GR00T 参考人形机器人）换取生态规模，再通过"三台计算机"（训练 DGX、仿真 OVX、部署 Jetson）在每一台机器人的全生命周期里收"算力税" [(StorageReview.com)] 。对从业者而言，真正的风险点不在于英伟达技术不够强，而在于：垂直整合派（特斯拉、Figure）正在绕开它，中国厂商（地平线/地瓜机器人、华为昇腾）正在用"算控一体单芯片"从成本侧包抄它，而人形机器人行业本身的出货量（2025 年全球仅约 1.3–1.8 万台）还远远撑不起资本市场的宏大叙事 [(robozaps.com)] 。

理解英伟达机器人业务，首先要理解它在财报里"住"在哪里。在 FY2026 及以前，英伟达按五个市场分部披露收入：数据中心、游戏、专业可视化、汽车（Automotive，内部口径为"汽车与机器人"）、OEM 及其他。FY2026 全年，汽车与机器人分部收入 23.5 亿美元，其中第四季度 6.04 亿美元、同比仅 +6%——增速从前三季度的 72%、69%、32% 明显放缓，官方解释为"自动驾驶平台持续被采用"驱动的平稳增长 [(NVIDIA Newsroom)] 。从 FY2027 一季度（2026 年 5 月披露）开始，英伟达把分部架构改为"数据中心 + 边缘计算"两大平台：数据中心进一步拆分为 Hyperscale（超大规模云厂商）和 ACIE（AI 云、工业与企业）；边缘计算（Edge Computing）则把 PC、游戏主机、工作站、AI-RAN 基站、机器人与汽车全部装进去，当季收入 63.69 亿美元（同比 +29%），约占总收入的 7.8% [(SEC.gov)] 。


这次口径调整有双重含义。积极的解读是：机器人从"汽车业务的附属栏目"升级为与数据中心并列的"边缘平台"叙事核心，英伟达在官方新闻稿中明确将边缘计算定义为"面向智能体 AI 与物理 AI 的设备" [(NVIDIA Newsroom)] 。消极的解读是：机器人收入从此不再被单独披露，外部观察者失去了追踪该业务真实增速的直接窗口——当一项业务被并入一个大池子时，往往意味着它还没有强大到值得单独向华尔街汇报，或者公司不希望它的短期波动被过度审视。对于试图评估英伟达机器人业务成色的分析师而言，今后只能依靠出货数据、客户案例和供应链调研等间接证据。

英伟达对机器人业务的顶层设计，可以浓缩为其官方反复阐述的"三台计算机"框架 [(Nvidia)] ：


第一台是训练计算机（DGX 系列 AI 超算，搭载 H100/B100/GB300），用于训练 GR00T、Cosmos 等物理 AI 基础模型，并用 NeMo 框架做后训练；第二台是仿真计算机（OVX 服务器 / RTX PRO Server，运行 Omniverse、Isaac Sim、Isaac Lab 与 Newton 物理引擎），用于合成数据生成、强化学习训练与软件在环测试；第三台是部署计算机（Jetson Thor / IGX Thor 边缘模组），在机器人本体上以 40–130W 功耗实时运行视觉-语言-动作（VLA）模型推理 [(Nvidia)] 。三台计算机之间不是简单的产品罗列，而是一条数据与模型双向流动的流水线：真实世界的遥操作与传感数据回流到训练侧，训练出的模型经仿真验证后蒸馏部署到端侧，端侧运行再产生新的数据——即富士康在 GTC 2026 上所称的"数据飞轮" [(Instrumental)] 。

这一架构的精妙之处在于商业闭环：机器人厂商无论从哪台计算机切入，最终都会被引导购买另外两台。用 Cosmos/Isaac Sim 做仿真需要买 OVX/RTX PRO 服务器或租用 DGX Cloud；训练模型需要 DGX 或云服务（均跑在英伟达 GPU 上）；量产机器人需要持续采购 Jetson 模组。正如一位分析师的概括：英伟达数据中心业务的本质是平台生意——跑在英伟达 GPU 上的工作负载越多，CUDA 生态越值钱；物理 AI 把同一逻辑延伸到了物理世界，如果未来仓库、工厂、医院和家庭里的机器人都跑在 Jetson Thor 和 GR00T 之上，英伟达就能从每一台机器人的经济价值中永久分走一部分 [(business20channel.tv)] 。

Jetson Thor 是整套体系的物理支点，也是从业者最直接打交道的部分。其旗舰模组 Jetson T5000 的核心规格为：Blackwell 架构 GPU（2,560 个 CUDA 核心、96 个第五代 Tensor Core，支持 MIG 多实例 GPU 切分），FP4 稀疏算力 2,070 TFLOPS（FP8 稠密 1,035 TFLOPS），14 核 Arm Neoverse-V3AE CPU（每核 1MB L2，共享 16MB L3），128GB 256-bit LPDDR5X 统一内存（带宽 273 GB/s），4×25GbE 网络，功耗可配置 40–130W，模组尺寸 100×87mm、699 引脚 [(Nvidia)] 。对比上一代 Jetson AGX Orin，官方口径为 AI 算力提升 7.5 倍、CPU 性能提升 3.1 倍、能效提升 3.5 倍 [(magazinmehatronika.com)] 。

从工程视角看，Thor 的设计取向非常明确：为"端侧跑大模型"而非"端侧跑控制"优化。128GB 统一内存是最具决定性的指标——它意味着 70B 级别的 LLM、完整的 VLM/VLA 模型可以整机驻留内存本地推理，机器人不必依赖云端即可完成自然语言理解、视觉推理与任务规划 [(twowintech.com)] 。MIG 支持（10 个 TPC 分区）则允许把 GPU 切成多个隔离实例，同时承载感知、规划、对话等多个延迟敏感负载，这对多传感器并行的人形机器人至关重要 [(雪球)] 。4×25GbE 的板级网络能力明显是为多目相机、激光雷达等高速传感器流的汇聚而设计，配合 Holoscan 传感器桥接与相机卸载引擎，构成完整的传感-推理链路 [(百度百科)] 。

但 Thor 并非没有短板，而且短板恰好落在"控制"侧。有国内从业者拆解指出：Jetson 系列虽然内置两颗 Arm Cortex-R52，但仅作为安全岛（safety island）使用，无法承担全身运动控制的实时闭环；因此头部机器人公司普遍采用"英伟达 Orin/Thor 做大脑 + 瑞芯微 RK3588 或英特尔酷睿做小脑"的双芯片组合，跨芯片调度天然引入通信抖动与额外功耗，在需要毫秒级实时闭环的产线场景里既压不下物料成本，也难以保证控制稳定性 [(myzaker.com)] 。另一个工程层面的批评是内存带宽：273 GB/s 的 LPDDR5X 带宽相对 2,070 TFLOPS 的标称算力明显偏窄（带宽仅比 Orin 提升约 33%），运行大参数量 LLM 时解码速度受带宽制约明显 [(twowintech.com)] 。这些短板不是偶然疏忽，而是产品定位的必然结果——Thor 本质上是一颗把车规/数据中心 GPU 技术降维到边缘的"推理 SoC"，它的对标物从来不是 MCU。

价格体系同样值得工程决策者仔细核算。发布时（2025 年 8 月）的定价为：开发者套件 3,499 美元，T5000 模组千片批量价 2,999 美元，次旗舰 T4000（1,200 TFLOPS、64GB、40–75W）千片价 1,999 美元 [(雪球)] 。但到 2026 年年中，英伟达官方 FAQ 显示价格已经上调：开发套件 5,499 美元，T5000 模组千片价 4,999 美元，T4000 模组 2,999 美元 [(피지컬 AI Lab - AI가 현실을 움직이는 시대를 읽습니다)] 。发布一年内官价上调约 40–67%，这在半导体行业极为罕见，背景是 AI 超级周期导致的存储与先进制造成本全面上涨（英伟达财报中亦提到存储价格高企压制了消费级需求 [(Wccftech)] ）。对机器人厂商而言，这意味着 BOM 中"大脑"一项的成本占比不降反升——在国产人形机器人整机 BOM 已降至约 3.5 万美元、且预计 2030 年跌破 1.7 万美元的成本曲线下 [(Cervo Technology)] ，一颗 3,000–5,000 美元的主控模组占到整机 BOM 的 10–15%，已经成为大规模量产必须正面解决的问题。

英伟达在模型层的打法与硬件层截然相反：硬件卖高价，模型全开源。Isaac GR00T 产品线的演进节奏是：2025 年 3 月 GTC 发布 GR00T N1——全球首个开放的人形机器人基础模型；同年推出 N1.5 与 GR00T-Dreams（合成动作数据生成蓝图）；2026 年 1 月 CES 发布 N1.6，集成 Cosmos Reason 实现推理增强；2026 年 3 月 GTC 发布 GR00T N2，采用"世界动作模型"（World Action Model）架构，官方称其在陌生环境中的任务执行效率比前代提升 2 倍以上 [(NVIDIA Newsroom)] 。GR00T 的技术路线是跨本体（cross-embodiment）的 VLA 模型：以语言、图像等多模态输入直接输出动作，训练数据混合真实遥操作数据、仿真合成数据与互联网规模视频，支持针对不同机器人形态、任务与环境的后训练微调 [(Nvidia)] 。

Cosmos 世界基础模型则是模型层的另一支柱，定位是为物理 AI 提供"世界生成与理解"能力。其家族包括 Cosmos Predict（从多模态输入生成最长 30 秒连续视频）、Cosmos Transfer（跨环境/光照的仿真域增广）、Cosmos Reason（7B 参数物理推理 VLM，发布时登顶 Hugging Face 物理推理榜） [(SourceForge)] 。2026 年 5 月 31 日在 GTC Taipei 发布的 Cosmos 3 是一次架构级跃升：采用混合 Transformer（Mixture-of-Transformers）双塔结构——推理塔负责理解物体交互、运动与时空关系，生成塔负责产出视频与动作轨迹——成为全球首个原生统一处理文本、图像、视频、环境声与动作的全模态开放模型，训练数据达 20 万亿 token（含 10 亿张图像、4 亿段视频与真实机器人动作数据），提供 Nano（16B）与 Super（64B，32B 推理塔 + 32B 生成塔）两个版本，端侧实时版 Edge（4B 参数）随后于 2026 年 7 月释出 [(NVIDIA Newsroom)] 。关键的是许可策略：Cosmos 3 采用 Linux 基金会的 OpenMDW-1.1 许可证，权重、代码、数据集与训练配方全部开放，允许商用与二次开发 [(Layer3 Labs)] 。

把 GR00T 与 Cosmos 放在一起看，英伟达的战略意图非常清晰：用免费开放模型消灭"机器人大脑"的独立商业模式。当最强的开放 VLA 模型和世界模型都可以免费获取、自由微调、合法商用时，第三方"卖通用机器人大脑"的公司（如 Skild AI、Physical Intelligence 的部分定位）其收费空间被系统性压缩，而所有免费模型的最佳运行载体都是英伟达硬件。黄仁勋在 GTC 2026 主题演讲中把这一策略说得直白："垂直整合，水平开放（Vertical integration, horizontal openness）"——英伟达同时发布 Nemotron（语言）、Cosmos（物理世界）、GR00T（机器人）、Alpamayo（自动驾驶）、BioNeMo（生物）、Earth-2（气象）六大开放模型家族，承诺持续迭代 [(Investing.com)] 。这正是 Android 打法的精髓：操作系统免费，硬件税照收。

仿真层是英伟达机器人栈中工程壁垒最深、也最被低估的部分。Isaac Sim 是基于 Omniverse（OpenUSD 生态）构建的开源机器人仿真参考应用，支持三条核心工作流：大规模合成数据生成（逼真渲染 + 自动真值标注）、软件在环测试（真实机器人软件对接虚拟硬件）、机器人学习（通过 Isaac Lab 做强化/模仿学习） [(SourceForge)] 。Isaac Lab 是 GPU 并行化的机器人学习框架，支持机械臂、四足、人形等 30+ 基准任务环境，兼容 RL Games、Stable Baselines、RSL RL 等主流 RL 库，其 GPU 并行能力可以把数月的真实训练压缩到数小时 [(SourceForge)] 。

2025–2026 年仿真层的关键工程进展包括：Isaac Sim 5.0（2025 年 8 月）将扩展组件开源、打通 MuJoCo（MJCF）与 OpenUSD 的数据互操作——一举接入超过 25 万名 MJCF 机器人学习开发者；NuRec 3D 高斯泼溅库可把真实传感器数据重建为可交互的 OpenUSD 仿真场景（已集成进拥有 15 万开发者的开源自动驾驶仿真器 CARLA）；Isaac Sim 6.0 与 Isaac Lab 3.0 于 2026 年春发布 [(NVIDIA Newsroom)] 。物理引擎侧，英伟达联合 Google DeepMind 与 Disney Research 共同开发、由 Linux 基金会托管的开源物理引擎 Newton 于 2026 年达到 1.0 GA，基于 NVIDIA Warp 构建，官方基准显示其人形机器人运动仿真速度比 MuJoCo MJX 快 152 倍、操作任务快 313 倍；迪士尼的 Olaf 机器人即用 Newton 体系训练，并于 2026 年 3 月在巴黎迪士尼乐园公开亮相 [(sudoremove)] 。

从工程落地的角度，仿真层解决的是具身智能最大的成本黑洞——数据采集。真实世界的遥操作数据采集昂贵、缓慢且受安全约束，长尾场景（事故、极端工况）甚至无法物理采集 [(NVIDIA Blog)] 。英伟达给出的工程化答案是一条完整的"数据工厂"流水线：NuRec 把真实场景搬进仿真 → Cosmos 做域随机化与合成增广 → Isaac Teleop（已 GA，支持 XR 头显、动捕手套等遥操作设备）在仿真与现实中采集示教 → Physical AI Data Factory Blueprint 统一数据增广、评估与编排 → Isaac Lab 大规模并行训练 [(NVIDIA Blog)] 。英伟达引用 Gartner 的判断：边缘场景的合成数据占比将从当前的约 20% 提升到 2030 年的 90% 以上 [(NVIDIA Blog)] 。如果这个判断成立，仿真基础设施就是物理 AI 时代确定性最高的"卖铲人"生意——每一台走向真实世界的机器人背后都需要数量级更多的仿真小时，训练成本下降放大出货量，出货量又反过来放大仿真需求，形成自我强化的飞轮 [(horizonscapitals.com)] 。

需要冷静指出的是，sim-to-real（仿真到真实的迁移）仍是全行业未解决的核心难题。仿真与真实世界之间的视觉分布差异会阻碍策略迁移，学术界当前的前沿方向正是把 Cosmos 这类生成式世界模型与 Isaac Sim 的物理仿真混合使用——用生成模型补足视觉多样性，用物理引擎保证交互一致性 [(arXiv.org)] 。英伟达自己在 Isaac Sim 的技术论文中也承认，缩小 sim-to-real 差距是该平台未来工作的核心方向 [(arXiv.org)] 。换言之，"三台计算机"叙事中最坚实的是第一台（训练算力）和第三台（部署算力），中间那台（仿真）的工程成熟度仍在快速演进中，这是评估英伟达机器人栈时必须保留的技术清醒。

机器人从实验室走向工厂，跨不过的门槛是功能安全。英伟达的应对是 Halos 全栈安全体系：2025 年 3 月首先面向自动驾驶发布，覆盖芯片、软件与安全 AI 研究 [(NVIDIA Newsroom)] ；2026 年一季度扩展出 Halos OS（面向 AI 汽车的统一安全架构） [(NVIDIA Newsroom)] ；2026 年 6 月在 Automate 展会上发布 Halos for Robotics，以 IGX Thor 工业级平台作为机器人安全层的独立计算核心，为机器人提供与主计算隔离的安全域 [(百度百科)] 。这一设计的工程含义是：当 VLA 大模型在 Jetson Thor 上"幻觉"或行为异常时，IGX 上的安全栈可以独立接管并触发安全停止——把 AI 的不确定性与功能安全的确定性要求做架构级隔离，这是汽车功能安全方法论（ASIL 思路）向机器人行业的平移。

对从业者而言，Halos 的意义不在于某项具体技术，而在于英伟达开始系统性地把机器人从"研究原型"的话语体系拉进"工业产品"的话语体系：安全认证、确定性运行时、长生命周期供货承诺。这些恰恰是开源模型和炫酷 demo 无法替代、而工厂客户采购决策中权重最高的部分。

技术栈的成色最终要靠部署检验。截至 2026 年年中，英伟达机器人栈的落地版图大致可分为四个层次。

第一层：人形机器人整机厂的算力底座。 2024 年 3 月 GR00T 项目启动时的首发合作名单几乎囊括全部知名人形厂商：1X、Agility Robotics、Apptronik、波士顿动力、Figure AI、傅利叶智能、Sanctuary AI、宇树科技、小鹏机器人 [(币界网)] 。Jetson Thor 发布后，Agility、亚马逊机器人、波士顿动力、卡特彼勒、美敦力成为首批采用者，1X、约翰迪尔、OpenAI、Physical Intelligence 处于评估状态 [(品玩)] 。波士顿动力的 Atlas 与 Agility 的下一代 Digit（Gen 6）均已宣布集成或计划集成 Jetson Thor [(sudoremove)] 。中国阵营中，银河通用的 Galbot 在 2025 年 8 月世界机器人大会上成为全球首批搭载 Jetson Thor 的整机产品，优必选、宇树、众擎等亦在列；联影医疗、万集科技等医疗与智能交通企业同样进入首批名单 [(钛媒体)] 。

第二层：参考设计与开发标准。 2026 年 6 月，英伟达联合宇树科技推出基于宇树人形平台（H2 系列、31 个自由度，搭配 Sharpa 灵巧手）的 GR00T 参考人形机器人，内置 Jetson Thor，主要面向高校与研究机构，目标是把"标准可复现的硬件"铺进全球机器人实验室 [(fiisual.com)] 。选择宇树的逻辑是成本与规模的套利：宇树 G1 售价约 1.6 万美元，仅为 Figure 或特斯拉平台的几分之一，而英伟达需要足够便宜的参考硬件来驱动生态扩散——英伟达要的不是硬件毛利，而是"每个实验室都默认用 Jetson Thor + Isaac Sim"的生态惯性 [(RoboticsIntl)] 。这一组合颇具地缘意味：中国最具成本效率的机器人制造能力 + 美国的 AI 计算架构，共同构成通用人形机器人事实上的开发标准。

第三层：工业与物流的真实产线。 这是最能检验工程成熟度的场景，目前已有若干可量化的案例：Figure 02 在宝马斯帕坦堡工厂累计运行超 1,250 小时、搬运 9 万余件钣金件，覆盖约 3 万辆 BMW X3 的生产 [(Main Sheet Ventures)] ；Agility 的 Digit 通过与 GXO 物流的多年期 RaaS（机器人即服务）协议成为西方首个产生经常性收入的人形机器人，在舍弗勒（Schaeffler）场景下每小时运营成本 10–25 美元，已接近约 20 美元的初级人工成本线 [(Main Sheet Ventures)] ；丰田加拿大工厂 2026 年 4 月部署 7 台 Digit 用于汽车零部件搬运 [(IIoT World)] ；优必选 Walker S2 进入量产，2025 年首批交付数百台，累计订单超 8 亿元人民币，客户包括比亚迪、吉利、一汽-大众、富士康、顺丰等，2026 年产能规划 5,000 台/年 [(IIoT World)] 。英伟达自己的供应链也在"吃狗粮"：富士康休斯顿新厂（生产英伟达 GB300 AI 服务器）于 2026 年 4 月在产线上部署了不到 10 台自研轮式人形机器人，执行零件转运、拧螺丝、物料搬运等结构化任务，训练基于 Isaac Sim 仿真加现场迭代完成 [(Instrumental)] ——这是英伟达产品首次由人形机器人参与制造，也是其"数据飞轮"方法论的内部验证。

第四层：工业巨头与软件生态的横向整合。 西门子（共建工业 AI 操作系统）、达索系统（虚拟孪生）、PTC 等工业软件巨头已把 Omniverse 数字孪生工作流嵌入其存量客户体系 [(NVIDIA Newsroom)] ；阿里巴巴云将英伟达全套物理 AI 栈集成进其人工智能平台；微软 Azure 与 Nebius 接入 Physical AI Data Factory 蓝图；KION 集团与埃森哲合作，用 Omniverse 训练基于 Jetson 的无人叉车车队 [(chinaroboticsdaily.com)] 。和硕、台达、富士康、英业达、理想汽车等制造端用户报告了早期的效率收益（厂商口径） [(futurumgroup.com)] 。

综合四层证据，可以给出一个从业者视角的判断：英伟达栈在"开发态"已是事实标准，在"量产态"仍是早期渗透。几乎每一家明星机器人公司的研发管线都建立在 Isaac/Jetson 之上（"几乎所有估值 200 亿以上的明星公司，都是从英伟达 Jetson 平台起步的" [(myzaker.com)] ），但真正进入产线节拍的部署仍以小批量、结构化任务为主，富士康工程师对"何时能处理更复杂任务"的回答是"我们没有时间表" [(Instrumental)] 。开发态的垄断与量产态的爬坡之间存在的时间差，既是英伟达的机会窗口，也是竞争者唯一的进攻窗口。

Jetson Thor 的 SoC 采用台积电 4N 工艺（为英伟达定制的 5nm 级节点），与 Blackwell 数据中心 GPU 同源 [(Electrek)] 。这一选择带来双重效应：技术上，机器人芯片首次与数据中心旗舰共享最新制程与架构，代际红利直接拉满；成本与产能上，Thor 必须与数据中心 GPU 在台积电先进制程产能、CoWoS 类先进封装与 LPDDR5X 存储供应上排队——在 AI 超级周期里，这些都处于供不应求状态，2026 年的官方提价（T5000 千片价从 2,999 美元上调至 4,999 美元）大概率部分反映了上游成本压力 [(피지컬 AI Lab - AI가 현실을 움직이는 시대를 읽습니다)] 。供应链层面的宏观背景是：整个半导体行业正在围绕"边缘 AI + 能效 + 供应链本地化"重组，台积电仍是英伟达 Blackwell/Rubin 的锚定代工厂，但地缘政治摩擦正加速欧洲、东南亚的替代性采购布局 [(Peerlist)] 。

对机器人行业更具结构意义的是产品家族的下探节奏。2026 年 7 月，英伟达发布 T3000（865 TFLOPS FP4、32GB）与 T2000（400 TFLOPS、16GB），计划 2027 年一季度上市，加上既有的 T5000/T4000，形成从 400 到 2,070 TFLOPS 的四档梯队 [(百度百科)] 。


这个梯队的意图很明显：T5000 打旗舰人形与高端工业，T4000 承接 Orin 升级用户，T3000/T2000 则直接卡位中端量产机型——正是中国竞品（地平线征程 6P、地瓜旭日 S600 均为 560 TOPS 级）所在的价格带 [(dwqgbh.cn)] 。英伟达显然意识到，如果不主动下探，大规模量产带来的成本敏感性会把中端市场让给本土对手。

英伟达机器人业务有一个独特的递归结构：它的客户正在变成它的产线工人，它的产品正在由跑着它芯片的机器人制造。富士康休斯顿工厂的 GB300 服务器产线是这一结构的首个样板：富士康自研双足与轮式两版人形机器人（轮式版成本更低），同时测试过优必选的系统，训练基于 Isaac Sim 完成，2026 年二季度开始以个位数台数试点，任务是拾放、插线缆、装配等结构化工序 [(TweakTown)] 。富士康机器人业务总经理郭总说得很直白："人形机器人部署到工厂不是终点，我们仍需要收集数据——数据飞轮" [(Instrumental)] 。Skild AI 则与富士康合作，在英伟达 Blackwell 生产线上做高精度装配，并与 ABB、Universal Robots 合作把通用机器人智能部署到跨行业场景 [(chinaroboticsdaily.com)] 。

对英伟达而言，这层自我指涉的价值远超象征意义：自己的服务器工厂是人形机器人最理想的"数据飞轮"起点——场景可控、任务结构化、雇主就是自己，失败成本低，数据所有权清晰。如果这一模式跑通，英伟达事实上拥有了一条别的芯片公司无法复制的"机器人真实作业数据"内循环通道。

需要提醒从业者的是，Jetson 模组的供给逻辑与消费芯片不同：工规/车规产品线强调长生命周期供货（通常 5–10 年承诺）与稳定 BOM，但价格也缺乏快速下降通道。历史上英伟达更多通过"软件解锁性能"而非降价来维持产品生命力——Jetson Xavier 生命周期内通过软件优化获得 1.5 倍性能提升，Orin 获得 2 倍，官方已明确表示 Thor 将在生命周期内获得更大幅度的软件性能释放 [(magazinmehatronika.com)] 。对客户而言，这意味着 T5000 的真实性价比曲线是"买入价高、但算力随软件迭代增值"；对竞争格局而言，这意味着英伟达可以把硬件毛利维持在高位，用软件迭代对冲竞争对手的硬件参数反超。

英伟达机器人相关收入目前体现在三个口袋：一是财报上的"汽车与机器人"分部（FY2026 全年 23.5 亿美元，同比 +39%，其中绝大部分仍来自汽车 DRIVE 平台而非机器人） [(NVIDIA Newsroom)] ；二是 FY2027 起并入"边缘计算"分部（Q1 FY27 该分部 63.69 亿美元，+29%，但机器人份额不再单独披露） [(SEC.gov)] ；三是隐性收入——机器人客户购买的 DGX 训练算力、OVX/RTX PRO 仿真服务器、DGX Cloud 与 Omniverse 相关云消费，全部计入数据中心分部。媒体估算 2025 年年中时机器人约占英伟达总收入的 1% [(The Daily Upside)] 。做一个直观的量级对比：数据中心分部 FY2026 收入 1,937 亿美元 [(NVIDIA Newsroom)] ，是汽车与机器人分部的 82 倍；机器人业务对英伟达财务的影响目前完全是"期权"而非"支柱"。

正因如此，华尔街对该业务的定价方式也发生了变化。研究机构给投资者的提示很直白：机器人是英伟达股票上的"免费期权"——买入英伟达本质上是买 AI 基础设施逻辑，人形机器人叙事是额外赠送的看涨期权，不应按"人形收入已成真"来定价仓位 [(Vested)] 。这个判断与英伟达自身的资本配置一致：公司在 FY2026 拿出 411 亿美元回购与分红，研发费用 185 亿美元——机器人团队的投入完全在现金流承受范围内，不需要对外部资本讲生存故事 [(NVIDIA Newsroom)] 。

2026 年 5 月，英伟达 quietly 完成了一次影响深远的商业模式调整：Omniverse 对开发、生产与再分发全面免费——此前生产部署需要 NVIDIA AI Enterprise 订阅，目录价 4,500 美元/GPU/年（或 22,500 美元/GPU 买断，云上 1 美元/GPU/小时） [(StorageReview.com)] 。新模式下，免费用户的支持降级为社区渠道（论坛与 Discord），需要企业级 SLA 的客户仍需购买 NVIDIA AI Enterprise；嵌入式再分发则由合作伙伴承担一线支持 [(StorageReview.com)] 。

这次"免费化"的战略含义值得从业者细读。短期看，英伟达放弃了每年每 GPU 数千美元的订阅收入；长期看，它消除了 ISV 与集成商把 Isaac Sim/Omniverse 嵌入商业产品的最后一道许可摩擦——配合 Isaac Sim 5.0 起核心组件开源、MJCF-USD 互操作打通 25 万 MuJoCo 开发者，英伟达实质上把仿真层的商业模式切换为"开源基础设施 + 付费支持"的标准开源玩法（尽管代码并非完全开源） [(StorageReview.com)] 。这与模型层的开源（GR00T/Cosmos 开放权重）、硬件层的高毛利形成完美的三层结构：模型免费、平台免费、算力收费。任何一家机器人创业公司都可以零许可成本地用上全套工具链，但只要它的产品要跑起来，就要向英伟达买三台计算机。

把客户版图按行业摊开，可以看到英伟达刻意追求"广谱覆盖"而非单点押注：人形机器人（Figure、Agility、波士顿动力、Apptronik、1X、宇树、银河通用、优必选等）、物流（亚马逊机器人、KION、GXO 生态）、重工（卡特彼勒、约翰迪尔）、医疗（美敦力、强生医疗科技的手术机器人仿真、联影）、出行（奔驰 CLA 的 L2 量产搭载 DRIVE AV；与 Uber 合作 2027 年起部署 10 万辆 L4 车辆；比亚迪、吉利、五十铃、日产、现代-起亚采用 DRIVE Hyperion 构建 L4 车型，四家新进车企合计年产 1,800 万辆） [(NVIDIA Newsroom)] 。这种广谱性是对冲人形机器人不确定性的关键——即便人形叙事推迟五年，AMR、工业臂、自动驾驶、医疗机器人的需求依然沿着各自的成熟曲线为 Jetson 贡献收入。

人形机器人市场预测的分歧之大，本身就是该行业早期阶段的最佳注脚。2035 年口径：高盛 380 亿美元 TAM、年出货 138 万台（2024 年预测，已较其早期 60 亿美元上调 6 倍，另有 1,540 亿美元的蓝天情景）；Yole 510 亿美元；Macquarie 1,390 亿美元；Citi 2,090 亿美元 [(Cervo Technology)] 。2050 年口径：摩根士丹利核心收入 4.7 万亿美元（含供应链与服务超 5 万亿）、在役约 10 亿台；Citi 7 万亿美元、约 6.5 亿台；UBS 1.4–1.7 万亿美元 [(robozaps.com)] 。出货量口径：BofA 预测 2026 年 9 万台、2030 年 120 万台、2035 年 1,000 万台/年（86% CAGR），2060 年在役 30 亿台 [(Cervo Technology)] 。


预测之间相差一个数量级（2035 年高盛的 138 万台 vs Citi 的 1,330 万台），说明分歧不在方向而在渗透率曲线的形状 [(cestriancapitalresearch.com)] 。对所有预测的诚实读法是：把它们当作规划情景而非预测值；真正需要盯的是 2026 年的实际出货——那是模型第一次接触现实的地方 [(robozaps.com)] 。

2025 年全球人形机器人实际出货约 1.3–1.8 万台，其中约九成来自中国厂商；宇树出货 5,500 台以上、占全球约 32.4%；特斯拉 Optimus 全年销量约 150 台 [(Cervo Technology)] 。2025 年全行业可核实收入合计不足 10 亿美元——与 Figure 一家 390 亿美元的投后估值形成刺眼对比 [(robozaps.com)] 。2026 年的增量仍主要来自中国：TrendForce 预测全球出货超 5 万台（+700%）、中国产出增长 94%；高工产研（GGII）预测中国出货 6.25 万台；工信部则给出全年整机产量突破 10 万台的指引 [(Cervo Technology)] 。



成本曲线是市场放量的生命线，而中国供应链是成本曲线的主导变量：国产人形整机 BOM 已从 2025 年的约 3.5 万美元降至 2026 年一季度约 10 万元人民币（同比 -33%），BofA 预计 2030 年中国造人形机器人 BOM 跌破 1.7 万美元；摩根士丹利测算中国占全球人形供应链的 63% [(天下工厂产业研究院)] 。政策端，"具身智能"2025 年首次写入政府工作报告并列入"十五五"未来产业，千亿级国家创投引导基金于 2025 年 12 月启动，京沪深的百亿/千亿级产业基金相继落地 [(天下工厂产业研究院)] 。对英伟达而言，这是一个矛盾的市场：出货量最大的市场恰恰是价格最敏感、国产替代最坚决、且地缘风险最高的市场。

以一个简化的自下而上模型框定英伟达机器人业务的收入弹性（以下为分析师情景测算，非公司指引）：若 2030 年全球人形出货 120 万台（BofA），其中高端机型（搭载 Thor 级算力）占 30%，单台算力模组均价 2,000–3,000 美元，则部署侧年收入机会约 7–11 亿美元；加上每万台机器人背后对应的训练与仿真算力消费（按行业经验比例估算，约为部署侧的 1–2 倍），合计年机会约 15–30 亿美元量级。若 BofA 的 2035 年 1,000 万台兑现且模组均价下探至 1,000 美元，部署侧即为百亿美元级机会——这还未计入 AMR、机械臂、医疗机器人等更大的非人形边缘市场。反过来，若 2030 年出货停留在高盛基准的 25 万台、且中国厂商全面转向国产芯片，英伟达机器人硬件收入可能长期停在 10 亿美元以内。预测区间宽达两个数量级，这正是该业务"期权属性"的定量表达。

英伟达平台模式最大的结构性威胁不是其他芯片公司，而是头部客户选择自建全栈。特斯拉是最极端样本：Optimus 使用 FSD 衍生的自研网络与自研 AI 芯片（AI5 因延期至 2027 年上车，当前 AI4 为三星 7nm、INT8 算力约 100–150 TOPS，对比 DRIVE Thor 单芯片 1,000 TOPS INT8 有明显代差），从芯片、模型到整机完全闭环，不向第三方支付任何"算力税" [(Electrek)] 。Figure 则在 2025 年 2 月终止与 OpenAI 的合作后全自研 Helix VLA 模型，Figure 03 完全跑在自有模型上——尽管其训练与仿真仍重度依赖英伟达（Figure 是 Isaac/Omniverse 用户，英伟达还是其 C 轮投资方） [(robozaps.com)] 。小鹏自研图灵芯片与 VLA/VLT 模型，走的也是垂直路线 [(robozaps.com)] 。

垂直整合派对英伟达的实际伤害需要分层评估：它们绕开的主要是模型层（GR00T 的直接价值），而训练基础设施与部署芯片短期内仍难绕开——特斯拉用自研芯片是个例外，但其 AI5 的延期恰恰说明自研边缘算力的难度 [(Electrek)] 。更微妙的是，Figure 估值越高、融资越多，其在英伟达生态内的训练与仿真消费就越大；英伟达同时是股东与供应商，垂直整合的每一步反而加深其沉没在英伟达栈里的工程资产。真正的风险情景是：当某家垂直整合者把"整机 + 模型 + 芯片"全栈做到成本与性能双优（特斯拉的目标路径），并成功量产百万台级——那时英伟达失去的不只是订单，而是生态标准的话语权。

在"开放机器人大脑"的赛道上，英伟达遇到了唯一同量级的对手。Google DeepMind 的 Gemini Robotics 已与波士顿动力合作（电动 Atlas 与 Spot，计划在现代工厂测试），Apptronik 的 Apollo 亦运行 Gemini Robotics，双方 2026 年 6 月共建了 9 万平方英尺的联合训练设施"Robot Park"；2026 年 7 月 30 日发布的 Gemini Robotics 2 首次用单一策略同时控制人形机器人的腿、躯干、手臂与手，公开任务成功率从拧灯泡的 92% 到用簸箕扫地的 32% 不等 [(robozaps.com)] 。这场竞争的实质是世界模型路线之争：英伟达押注"仿真 + 合成数据 + 开源"（Cosmos/Isaac/GR00T），Google 押注"互联网多模态大模型能力向具身迁移"（Gemini 系）。值得注意的是竞争中的共生：双方还联合迪士尼共同开发 Newton 物理引擎——物理层共建、模型层对垒，是典型的平台级竞合 [(sudoremove)] 。

中国战场的竞争逻辑与西方完全不同——那里打的不是"最强算力"之战，而是"够用算力 + 极致成本 + 算控一体"之战。行业研究显示，2025 年全球具身机器人芯片市场约 120 亿美元、中国占 40%，芯片占人形整机 BOM 的 35–40%；英伟达在高端通用芯片市场约占 65% 份额，但国产芯片整体渗透率已达 32%（较 2023 年提升 20 个百分点） [(dwqgbh.cn)] 。代表性挑战者：地平线征程 6P（7nm、560 TOPS、6 TOPS/W 算力密度、通过 AEC-Q100 车规认证，已用于宇树四足与小米 CyberDog 2，2025 年在人形机器人芯片市占超 10%），其下一代 J7 系列明确以 2027 年在算力上大幅超越英伟达 Thor-X 为目标 [(dwqgbh.cn)] ；地平线子公司地瓜机器人的旭日 S600 用单颗 SoC 把"大脑"（560 TOPS BPU + 18 核 A78AE）与"小脑"（6 核 Cortex-R52+ 实时 MCU）收进同一 die，从架构上消除英伟达方案"AI 芯片 + 外置 MCU"的双芯片成本与跨芯片延迟，开发者已超 10 万 [(myzaker.com)] 。华为昇腾则以自主生态对标 CUDA，构成第三极 [(微信公众平台)] 。

中国竞品的工程论点直击 Thor 的产品定义软肋：当行业从"证明能力"进入"大规模量产"，T5000 模组 2,999–4,999 美元的千片价"贵得令人发指"，而算控一体单芯片方案在物料、功耗、实时性三个维度同时得分 [(myzaker.com)] 。英伟达的应对是家族下探（T3000/T2000）与软件增值（生命周期性能解锁），但在中国市场还叠加一层地缘不确定性：数据中心 GPU 对华出口已受严格限制（FY2027 一季度对华 Hopper 出货为零，上年同期为 46 亿美元），Jetson 系列目前不在限制之列、中国头部机器人公司仍在正常采购，但一旦管制范围扩展至边缘 AI 芯片，英伟达在全球最大机器人市场的地位将瞬间改写 [(SEC.gov)] 。

英伟达通过直投与 NVentures 双通道构建了覆盖机器人全价值链的投资组合。仅 2025 年，英伟达就参与了至少 42 笔私营公司投资（2024 年同期已然十分活跃的基础上继续加码），2026 年一季度又有 11 笔；NVentures 组合公司超过 74 家，定位为"解决复杂问题"的硬科技投资者，多数轮次以非领投身份进入，单支票典型区间 1,000 万–1 亿美元以上 [(Crunchbase News)] 。机器人相关核心持仓包括：


值得注意的反向案例是 Physical Intelligence：其 6 亿美元轮（估值 56 亿美元）由 Alphabet 旗下 CapitalG 领投，英伟达缺席——它是"机器人大脑"赛道中少数明确站在英伟达资本圈之外的重要玩家 [(RobotOps)] 。这一缺席与谷歌系（DeepMind Gemini Robotics）在模型层的进击互为印证：模型层的路线之争同样映射在资本阵营上。

英伟达 13F 文件显示的公开市场持仓变动同样服务于生态逻辑。2024 年四季度，英伟达清仓了配送机器人公司 Serve Robotics（以及 SoundHound、Nano-X），减持 Arm，同时新建仓自动驾驶公司文远知行（WeRide）与 AI 云厂商 Nebius [(Investopedia)] 。清仓 Serve 曾致其股价单日暴跌近 40% [(Investopedia)] ——这从侧面说明"英伟达持仓"本身已成为机器人/AI 小盘股的市场信号放大器。对组合的动态管理表明英伟达并非"为情怀而投"，而是在持续优化其资本配置与生态战略的匹配度。

把投融资版图与技术栈叠起来看，英伟达的投资逻辑高度一致：每投一家机器人公司，就把一个高成长客户锁定进"三台计算机"的付费轨道。被投公司用融资购买英伟达的训练算力（DGX/云）、仿真算力（OVX）与部署模组（Jetson）——风投支出以收入形式回流英伟达，形成"资本-收入"的闭环循环。NVentures 自己的表述印证了这一打法："每一家机器人公司都需要 GPU 算力——英伟达投资是为了让自己的生态成为默认的机器人栈" [(Peony)] 。对从业者而言，这意味着评估任何一家"英伟达系"机器人公司时，都应把其与英伟达的资本-供应双重关系计入尽调清单：它既是背书，也是绑定。

第一，行业性风险：试点陷阱与可靠性悬崖。 人形机器人行业当前最大的系统性风险是"试点陷阱"——厂商积累一堆知名客户 logo，但每个场地只部署个位数机器人，产出宣传与训练数据，却无法支撑大工厂与高估值 [(New Market Pitch)] 。富士康休斯顿的首批部署不足 10 台、优必选 2025 年交付数百台、Figure 03 累计交付 350 台以上——这些是行业最真实的刻度 [(Instrumental)] 。频繁的维修、短续航、错误恢复缓慢都会吞噬劳动力套利的经济性，一次严重的工伤事故可能拖慢整个行业的部署节奏 [(New Market Pitch)] 。英伟达作为平台方无法独善其身：客户不放量，模组就卖不动。

第二，技术风险：sim-to-real 与基础模型的代差。 机器人基础模型在能力与通用性上落后语言模型数年，sim-to-real 迁移仍是未解决的研究难题 [(business20channel.tv)] 。英伟达的整个"仿真即数据"叙事建立在合成数据占比将升至 90% 的假设上 [(NVIDIA Blog)] ，如果该假设的兑现速度慢于预期，英伟达栈的中间层价值将打折，而客户会更依赖昂贵的真实数据采集——这反而利好拥有真实车队/工厂数据的垂直整合者（特斯拉、Figure、富士康）。

第三，竞争风险：三线同时受压。 高端市场面临 Google DeepMind 的模型路线竞争与特斯拉/Figure 的垂直整合侵蚀；中端量产市场面临地瓜机器人等"算控一体"方案的成本绞杀；中国市场面临国产替代政策与出口管制的双向挤压 [(robozaps.com)] 。英伟达的应对（开源模型、免费 Omniverse、家族下探、Halos 安全体系）都是正确的防御动作，但每一条战线的结果都不由其单独决定。

第四，财务透明度风险：披露颗粒度下降。 边缘计算分部合并后，机器人收入不再单独可见 [(Wccftech)] 。若未来几个季度机器人放量，投资者无法确证；若持续低迷，也无人问责。对外部分析者而言，追踪该业务将越来越依赖第三方出货数据（TrendForce、Omdia、GGII）与供应链调研，而非公司披露。

第五，宏观与地缘风险：AI 资本开支周期与存储成本。 英伟达机器人业务深度嵌套在 AI 超级周期里：台积电先进制程产能、LPDDR5X 价格、客户（机器人公司）的融资环境，全部顺周期。2025 年人形机器人领域 61 亿美元的风投（139 笔、同比 +300%）是这个生态的燃料 [(Cervo Technology)] ；一旦 AI 资本开支预期逆转或一级市场降温，机器人客户的采购能力与英伟达的期权价值将同步收缩。存储涨价已实际推高 Thor 官价 [(피지컬 AI Lab - AI가 현실을 움직이는 시대를 읽습니다)] ，这是成本链传导的先行指标。

作为同样在具身智能一线做技术工程的从业者，最后谈几点从这份分析中提炼的、对日常工程与商业决策有直接指导意义的判断。

其一，平台选型上，"开发态选英伟达"在 2026 年几乎没有替代选项，但"量产态选型"必须保持双轨。 Isaac Sim/Lab + GR00T + Cosmos 构成的开发工具链在合成数据、并行训练、开放模型三个维度上都处于行业最优，且许可成本已降至零；跳过它意味着重复造轮子。但量产 BOM 决策应同时评估地瓜/地平线类算控一体方案与英伟达 T3000/T2000 下探产品，特别是当产品定义对实时控制闭环、单机成本敏感时 [(myzaker.com)] 。英伟达内置 R52 仅作安全岛、不承担运控的架构事实，决定了"大脑芯片 + 实时小脑"的系统拓扑在可见年内仍是主流——谁把大小脑之间的通信链路做好，谁就握有系统级体验差异。

其二，把仿真能力建设当作一等公民投资，而非辅助工具。 英伟达用 Omniverse 免费化、NuRec 高斯重建、Isaac Teleop 与 Data Factory 蓝图拼出的，是一条"把云计算变成数据"的工业化流水线 [(NVIDIA Blog)] 。Gartner 关于 2030 年边缘训练数据 90% 来自合成的判断即便打个折扣，也意味着数据工程团队的中心会从采集转向生成-筛选-评估。从业团队现在就应该把 NuRec 实景重建、Cosmos 域增广、Isaac Lab 并行 RL 纳入标准工作流，并建立自己的 sim-to-real 评估基准——因为在英伟达的生态设计里，谁能把合成数据用好，谁就能摊薄最贵的真实数据成本。

其三，清醒认识"英伟达依赖"的双面性。 选择英伟达栈意味着获得最快的开发速度与最强的人才供给（200 万开发者生态 [(品玩)] ），但也意味着议价能力让渡与路线被锁定：Thor 发布一年官价上调 40–67% 已经演示了这种依赖的成本侧 [(피지컬 AI Lab - AI가 현실을 움직이는 시대를 읽습니다)] 。对冲方式不是逃离生态，而是架构上保持可迁移性——模型层用开放格式（OpenUSD、ONNX、标准 ROS 2 接口）组织资产，避免深度绑定专有 API；同时关注英伟达的投资动向作为行业风向标，其 NVentures 出手方向（Skild 的通用大脑、Field AI 的户外自主、Generalist 的具身模型）基本就是未来 18 个月的技术热点地图 [(Nvidia)] 。

其四，商业上，盯紧"机器人造机器人"的递归信号。 富士康休斯顿产线、Skild 在 Blackwell 产线的高精度装配，是"人形机器人进入真实产线节拍"的零号实验 [(Instrumental)] 。这类场景（结构化、雇主即开发者、容错空间相对大）将先于开放场景成熟，也是 2026–2027 年验证或证伪整个行业量产叙事的关键观察点。从业者选择落地场景时，应优先寻找具有同样特征的"类零号场景"：任务结构化、数据可闭环、客户愿意为数据飞轮付费，而非追求 demo 效果最大化。

英伟达的机器人业务是一个典型的"平台在位者打新兴市场"的样本：用数据中心赚来的钱补贴生态（开源模型、免费平台、风险投资），用生态锁定标准（OpenUSD、CUDA、Isaac 工作流），用标准驱动三台计算机的持续销售。其 FY2026 财报里 23.5 亿美元的汽车与机器人收入 [(NVIDIA Newsroom)] 只是这台机器的会计投影；真实的业务体量藏在 200 万开发者、7,000 家客户、几乎所有头部人形厂商的默认选型，以及 NVentures 撒向整个赛道的资本网络里 [(品玩)] 。

未来 12–24 个月，决定这套体系成色的将是三组可观测指标：出货指标——2026 年全球人形出货能否达到 TrendForce 的 5 万台以上、富士康类产线试点能否从个位数走向三位数 [(Cervo Technology)] ；产品指标——T3000/T2000 于 2027 年一季度上市后能否在中端挡住地瓜/地平线的成本攻势，GR00T N2 与 Cosmos 3 Edge 在端侧的实际推理表现能否兑现"世界动作模型"的承诺 [(百度百科)] ；地缘指标——美国对华出口管制是否扩展至边缘 AI 芯片，将直接决定英伟达在全球最大机器人市场（占出货九成、占供应链 63%）的命运 [(Cervo Technology)] 。

一言以蔽之：英伟达已经把机器人变成了 AI 时代的第二场"CUDA 战争"。上一次它用十年时间和免费工具链赢下了整个开发者世界；这一次它带着同样的 playbook、加上开源模型与资本网络两件新武器入场。对从业者而言，最务实的姿态是：深度使用它的工具链，仔细核算它的硬件税，时刻准备它的价格与地缘波动，并盯住那些试图绕过它的玩家——因为下一轮格局变化的信号，一定首先出现在那里。

*本报告基于截至 2026 年 8 月 24 日的公开信息撰写，仅供一般信息参考，不构成任何投资建议、采购建议或法律意见。文中涉及的第三方预测数据均标注来源与口径，预测存在重大不确定性；涉及的市场测算为基于明示假设的情景分析。英伟达将于近期发布 FY2027 二季度财报，相关数据请以公司官方披露为准。*

 [(NVIDIA Newsroom)] : http://nvidianews.nvidia.com/news/nvidia-announces-financial-results-for-fourth-quarter-and-fiscal-2026

 [(NVIDIA Newsroom)] : https://nvidianews.nvidia.com/news/nvidia-announces-financial-results-for-third-quarter-fiscal-2026

 [(NVIDIA Newsroom)] : https://nvidianews.nvidia.com/news/nvidia-announces-financial-results-for-second-quarter-fiscal-2026

 [(NVIDIA Newsroom)] : https://nvidianews.nvidia.com/news/nvidia-announces-financial-results-for-first-quarter-fiscal-2026

 [(business20channel.tv)] : https://business20channel.tv/nvidia-isaac-gr00t-2026-open-humanoid-robot-targets-physical-ai-era-1-june-2026

 [(twowintech.com)] : https://twowintech.com/nvidia-jetson-agx-thor-full-analysis/

 [(arXiv.org)] : https://arxiv.org/html/2606.03551v1

 [(Nvidia)] : https://www.nvidia.com/en-us/autonomous-machines/embedded-systems/jetson-thor/

 [(SourceForge)] : https://sourceforge.net/software/compare/NVIDIA-Cosmos-vs-NVIDIA-Isaac-Sim/

 [(SourceForge)] : https://sourceforge.net/software/compare/NVIDIA-Isaac-Lab-vs-NVIDIA-Isaac-Sim/

 [(雪球)] : https://xueqiu.com/9320085826/349222299

 [(币界网)] : https://www.528btc.com/coin/1000003161.html

 [(robozaps.com)] : https://blog.robozaps.com/b/best-humanoid-robots

 [(AI)] : https://ai-hot.programnotes.cn/p/ai-%E6%AF%8F%E6%97%A5%E5%8A%A8%E6%80%81-2026-03-17%E6%99%9Anvidia-gr00t-n2-%E5%8F%91%E5%B8%83openai-all-in-%E7%BC%96%E7%A8%8Bnemotron-%E5%BC%80%E6%BA%90%E8%81%94%E7%9B%9F%E6%88%90%E7%AB%8B/

 [(RoboticsIntl)] : https://www.roboticsintl.com/article/nvidia-taps-unitree-g1-as-reference-design-for-project-gr00t-humanoid-initiative

 [(magazinmehatronika.com)] : https://magazinmehatronika.com/en/nvidia-unveils-new-jetson-thor-platform/

 [(피지컬 AI Lab - AI가 현실을 움직이는 시대를 읽습니다)] : https://physicalailab.io/zh/jetson-agx-thor-orin-duibi/

 [(sudoremove)] : https://sudoremove.com/en/knowledge/companies/nvidia/

 [(超神经)] : https://hyper.ai/cn/headlines/4ef9946626d80a71898ff464023151f0

 [(New Market Pitch)] : https://newmarketpitch.com/blogs/news/humanoid-robotics-bubble

 [(天下工厂产业研究院)] : https://faxiangongchang.com/en/reports/china-humanoid-robot-supply-chain-2026

 [(cestriancapitalresearch.com)] : https://www.cestriancapitalresearch.com/robotics-the-coming-semiconductor-opportunity/

 [(robozaps.com)] : https://blog.robozaps.com/b/market-size-for-humanoid-robots

 [(Main Sheet Ventures)] : https://mainsheet.ventures/2026/05/19/the-embodied-ai-inflection-a-humanoid-robotics-market-view/

 [(Cervo Technology)] : https://cervo-tech.com/blog/humanoid-robot-market-statistics-2026.html

 [(VoxBooster)] : https://voxbooster.com/blog/humanoid-robot-statistics-2026/

 [(horizonscapitals.com)] : https://www.horizonscapitals.com/market-commentary/span-classsqsrte-text-color-accentais-next-stop-gamingspan

 [(RobotOps)] : https://robotops.pro/blog/robotics-funding-rounds-2025-2026

 [(The Spaventa Group)] : https://tsginvest.com/figure-ai/

 [(富途牛牛)] : https://news.futunn.com/post/70314648/horizon-robotics-plans-next-gen-auto-chip-to-outpace-nvidia

 [(dwqgbh.cn)] : https://www.dwqgbh.cn/news/95bfc577cc738972d49e83d994cff328/

 [(NVIDIA Developer Forums)] : https://forums.developer.nvidia.com/t/licensing-inquiry-isaac-sim-commercial-r-d-service-based-business-and-pricing-confirmation/359249

 [(Electrek)] : https://electrek.co/2025/11/25/tesla-ai4-vs-nvidia-thor-reality-self-driving-computers/

 [(StorageReview.com)] : https://www.storagereview.com/news/nvidia-quietly-makes-omniverse-free-for-production-use

 [(微信公众平台)] : http://mp.weixin.qq.com/s?__biz=Mzk5MDI4Nzg5NQ==&mid=2247483904&idx=2&sn=9cd0d5552d9f153910698374a68ac5d7

 [(myzaker.com)] : http://applocal.myzaker.com/news/article.php?pk=6a7172de8e9f090ee83065cb

 [(chinaroboticsdaily.com)] : https://chinaroboticsdaily.com/nvidia-gtc-2026-physical-ai/

 [(Vested)] : https://vested.blog/posts/humanoid-robotics-stocks-june-2026

 [(The Daily Upside)] : https://www.thedailyupside.com/technology/artificial-intelligence/nvidias-new-robot-brain-is-available-now-for-a-mere-3499/

 [(Peerlist)] : https://peerlist.io/semipulse/articles/semiconductor-sector-realigns-around-physical-ai-gan-power-a

 [(SEC.gov)] : https://www.sec.gov/Archives/edgar/data/1045810/000104581026000051/q1fy27cfocommentary.htm

 [(Investopedia)] : https://www.investopedia.com/dow-jones-today-02142025-11679934

 [(Investing.com)] : https://www.investing.com/news/transcripts/nvidia-at-gtc-2026-ai-expansion-and-strategic-partnerships-93CH-4564073

 [(Investor's Business Daily)] : https://www.investors.com/news/technology/nvidia-stock-nvda-sells-soundhound-buys-nebius-weride/

 [(Nvidia)] : https://www.nvidia.com/en-us/use-cases/humanoid-robots/

 [(NVIDIA Newsroom)] : https://nvidianews.nvidia.com/news/nvidia-announces-financial-results-for-first-quarter-fiscal-2027

 [(NVIDIA Newsroom)] : https://nvidianews.nvidia.com/news/nvidia-launches-cosmos-3-the-open-frontier-foundation-model-for-physical-ai

 [(Layer3 Labs)] : https://www.layer3labs.io/guides/cosmos-3-explained

 [(雪球)] : https://xueqiu.com/4866021334/393560814

 [(futurumgroup.com)] : https://futurumgroup.com/insights/nvidia-cosmos-3-and-open-agent-tools-is-physical-ai-about-to-leave-the-lab/

 [(digitalapplied.com)] : https://www.digitalapplied.com/blog/nvidia-cosmos-3-open-physical-ai-omnimodel-2026-guide

 [(Wccftech)] : https://wccftech.com/nvidia-moves-gaming-segment-under-edge-computing-gaming-slows-down-due-to-elevated-prices/

 [(Wccftech)] : https://wccftech.com/nvidia-moves-gaming-segment-under-edge-computing-gaming-slows-down-due-to-elevated-prices/amp/

 [(fiisual.com)] : https://fiisual.com/blog/post/2026/nvidia-2026-gtc-key-takeaways-from-generative-ai-to-agent-ai-and-physical-ai

 [(Nvidia)] : https://www.nvidia.com/en-us/startups/nventures/

 [(NVIDIA Blog)] : https://blogs.nvidia.com/blog/build-robots-with-ai/

 [(Crunchbase News)] : https://news.crunchbase.com/venture/nvda-nventure-startup-investments-hard-tech-ai-fusion/

 [(NVIDIA Newsroom)] : https://nvidianews.nvidia.com/news/nvidia-opens-portals-to-world-of-robotics-with-new-omniverse-libraries-cosmos-physical-ai-models-and-ai-computing-infrastructure

 [(NVIDIA Developer Forums)] : https://forums.developer.nvidia.com/t/announcement-isaac-sim-5-0-general-availability/342064

 [(钛媒体)] : https://www.tmtpost.com/7700280.html

 [(百度百科)] : https://baike.baidu.com/item/Jetson%20Thor/67909887

 [(Peony)] : https://www.peony.ink/blog/top-robotics-vcs-us

 [(VCBacked)] : https://www.vcbacked.co/directory/investors/nvidia

 [(NeuronFeed)] : https://neuronfeed.com/news/nvidia-expands-physical-ai-toolkit-for-robotics-during-national-robotics-week

 [(Automate)] : https://www.automate.org/robotics/industry-insights/nvidia-and-foxconn-eye-humanoid-robots-for-houston-server-factory-report/aph

 [(品玩)] : https://www.pingwest.com/w/307095

 [(TweakTown)] : https://www.tweaktown.com/news/105940/nvidia-and-foxconn-discussing-the-deployment-of-humanoid-robots-to-make-ai-servers-in-usa/index.html

 [(雪球)] : https://xueqiu.com/9919963656/349053326

 [(IIoT World)] : https://www.iiot-world.com/artificial-intelligence-ml/robotics/humanoid-robots-non-automotive-2026/

 [(Instrumental)] : https://instrumental.com/resources/build-better-news/foxconns-humanoid-push-will-start-small-in-houston-engineer-says/

 [(cyprusshippingnews.com)] : https://cyprusshippingnews.com/2025/06/25/nvidia-foxconn-in-talks-to-deploy-humanoid-robots-at-houston-ai-server-making-plant/