最近，英伟达再次成为了科技圈的焦点话题。
短短几天内，两场看似毫不相关的活动刷爆屏幕。一场是斯坦福大学教授李飞飞与英伟达首席科学家Jim Fan的对谈直播，主题聚焦于“让AI学会在现实世界中行动”；与此同时，黄仁勋的女儿、英伟达产品营销高级总监Madison Huang首次公开亮相，与光轮智能（Lightwheel）创始人谢晨展开对话，共同探讨仿真模拟、具身智能与Sim2Real的未来愿景。这两场活动一边属于学术界的象征，一边则代表着产业界的新生力量。
但当我们把它们放在一起仔细观察时，会发现它们其实讲述的是同一件事：英伟达正在全力推进其仿真计算机战略。
这是黄仁勋为未来十年奠定的发展方向：借助Omniverse、Isaac Sim和物理AI三大支柱，构建一张贯穿虚拟与现实的“智能物理世界计算网络”。简而言之，英伟达想要打造的不仅是更强大的算力，更是一套让AI能够“在世界中学习与行动”的完整体系，让机器不再仅仅理解数据，而是真正学会理解世界本身。
英伟达正在下一盘深远的大棋。
三台“计算机”的新格局
回顾过去十年，英伟达的身份已经悄然转变。从显卡制造商到AI超算引擎，再到如今的世界构建者，这家公司早已不满足于让模型理解语言或图像，而是要让智能体真正理解物理规律，并能在现实世界中自主行动。
这也是黄仁勋最近在各种场合反复强调的仿真计算机战略——未来的智能世界，不会只靠一台超级计算机来驱动。这个战略的核心，是让AI在虚拟世界中被训练、被测试、被磨练，再以几乎零摩擦的方式迁移回真实世界。
在这个新体系下，英伟达定义了“三台计算机”的战略布局：训练计算机、仿真计算机和实时计算机——它们构成了从思考到行动的完整智能循环。
英伟达的第一台计算机是“训练计算机”（Training Computer）。我们可以把它看作AI的“智力工厂”，最典型的代表就是DGX系统。所有的大模型都诞生在这里——从GPT这样的语言模型，到机器人用的世界模型，AI的大脑就是在这台机器上被训练出来的。这里是它学会思考的地方。
第二台计算机是仿真计算机（Simulation Computer）。这是英伟达这两年最激动人心的部分，由Omniverse和Isaac Sim驱动。现实世界的数据太昂贵、太缓慢、太有限，而仿真世界没有这些限制。AI可以在虚拟空间里无数次地试错、生成数据、重来一遍又一遍。在那里，它能学会如何看世界、怎么动手、如何反应。你可以把它想象成AI的练功房，它在那里摸爬滚打、不断升级。
第三台计算机是实时计算机（Real-Time Computer），也就是像Jetson AGX、Jetson Thor这样的边缘计算平台。它们是跑在机器人和自动驾驶系统里的AI大脑。在这里，AI不再是模型，而是真正在动的智能体——它能实时感知、推理、规划、行动，把在虚拟世界里练出来的本事，用在现实世界中。
这三台计算机共同构成了英伟达的“物理智能三部曲”：从训练计算机负责培养智能，到仿真计算机模拟世界，再到实时计算机驱动现实，三者首尾相连，形成了从思考到行动的完整闭环。
这三台计算机分别对应了智能体的“思维—体验—行动”三个阶段，也构成了英伟达新一代物理智能体系的骨架。
仿真计算机战略的“三大支柱”
如果说算力是大脑，那么Omniverse就是世界的神经系统。作为英伟达最具雄心的项目之一，Omniverse并非一个单纯的图形引擎，而是一套构建数字世界的底层操作系统。
它基于OpenUSD架构，把视觉、物理、语义与传感器信息统一在一个可计算的世界模型中。它允许企业、科研机构和开发者用一致的语言去描述和操作虚拟世界，从工厂到城市，从机器人到车辆，每个物体都能在这个数字空间里拥有精准的存在。
更重要的是，Omniverse不只是用来“看”的，而是用来“算”的。光线的折射、风的流动、机械臂的摩擦、机器人行走时的重心移动，全都可以在这里被精确模拟。世界在这里被重新编码为可计算的逻辑，这让AI不仅能理解图像，更能理解世界。
正是在Omniverse的基础上，英伟达构建了面向机器人领域的Isaac Sim。这个仿真引擎让机器人能在虚拟环境中成长、学习、甚至获得真实的经验。在英伟达的Isaac Lab–Arena 系统中，成千上万个虚拟机器人同时运行，它们被放置在不同场景中，不断测试动作策略、强化学习模型、传感器响应机制。
Cosmos系统则负责定义这个世界的物理规则——光线的传播、重力的作用、物体的硬度与材质。Newton模块确保每一次碰撞和每一次位移都符合真实物理规律。通过这样的体系，英伟达把“虚拟世界”变成了“智能的课堂”，让机器人可以像人类一样在安全的环境里反复试错，最终掌握可迁移到现实的宝贵经验。
而Physical AI则是黄仁勋近年来频繁提到的词汇，它代表着AI的下一个阶段：具备物理常识、能够与世界互动的智能体。一个真正的智能体，必须能理解重力、惯性、摩擦，必须能预测自己的行为将对环境产生怎样的后果。这种能力无法仅靠文本训练获得，必须通过仿真——通过不断地与虚拟世界互动、体验、修正，AI才能形成可迁移到现实的智慧。
Madison Huang在那场《OpenUSD Insiders》直播中也曾说道：“机器人不能只读取数据，它们必须体验世界。”这句话是对整个英伟达仿真战略的最佳注解。
她在自己的首次亮相中并没有谈GPU，也没有谈市场营销，而是谈仿真、具身智能与Sim2Real。这正是英伟达未来的逻辑：数据训练让AI理解语言，仿真训练让AI理解世界。
在这场节目中，Madison对话光轮智能，与这家初创企业畅谈仿真与具身智能的未来，甚至坦言：“英伟达需要合成数据工厂，而光轮刚好出现。”
这句话后来在开发者社区引起了广泛讨论，也揭开了英伟达仿真战略中一个鲜为人知的关键角色。
从Behavior到Sim2Real的机器人革命
值得一提的是，英伟达的这两场直播，分别把镜头对准了“虚拟世界的科学家”和“现实世界的工程师”——李飞飞团队和光轮智能。
在学术端，斯坦福大学李飞飞教授主导的Behavior Challenge是当前最具代表性的仿真研究项目之一。
她的团队构建了一个极其复杂的虚拟家庭环境，让AI在其中完成各种日常任务——收拾桌子、做饭、找东西。乍一看像游戏，背后却是严密的科学：让AI学会如何观察、规划与行动。这样的研究推动了具身智能的发展，也让学术界对“AI如何理解世界”这一根本问题有了更深入的探索。
英伟达与Behavior Challenge的合作，并不仅仅是技术层面的支持，更是一种理念上的共鸣。李飞飞希望AI能在虚拟世界中获得行为智慧，而英伟达正致力于打造那个“让智能成长的世界”。对双方而言，AI的未来不再停留在识别图片或理解文字，而是要真正理解物理世界，理解人类与环境之间的复杂关系。
换个角度来看，如果说Behavior Challenge代表学术界的未来实验室，那么光轮智能就是工业界的“现实引擎”。
这家公司专注于仿真资产、合成数据与仿真基础设施，目标明确：让AI能在虚拟世界中完成那些原本必须在现实里进行的大规模训练与测试。
值得一提的是，光轮智能的创始人谢晨曾在英伟达担任自动驾驶仿真框架负责人，对“物理AI”理念有着深刻理解。
而在这次的直播中，谢晨提到他们一直在做仿真资产和合成数据，希望让AI能在虚拟世界里完成原本得在现实中做的训练和测试。他说，光轮的使命是“把数字世界变成一个可以提前验证想法”的试验场。（公众号：）
光轮团队提出了一个叫“SimReady”的概念，意思是“为仿真预备好的资产”。谢晨解释说，仿真不仅要看起来真实，还得感觉真实——像门锁链条、抽屉轨道、布料质感这些细节，都要在虚拟世界里真实地动起来。这样，机器人才能在仿真里练出真正的“手感和反应”。
Madison Huang在直播中也提到，很多策略评估流程能跑得这么顺利，很大程度上得益于光轮智能提供的高保真SimReady资产。这些资产现在已经被广泛应用在Isaac Sim、Isaac Lab、DexBench等项目里，成了英伟达整个物理AI生态系统的重要一环。Madison更是表示：英伟达十分需要光轮。
谢晨还分享了他们和英伟达在Newton求解器、Cosmos框架上的合作案例，展示了仿真如何帮助机器人更快地进化和强化学习策略迁移。
他最后强调，真正的突破将来自仿真——因为它已经足够强大，足以成为打通物理AI数据壁垒的关键力量。
最后说，希望大家能“相信仿真”——因为仿真已经足够强大，可以帮我们突破物理AI的数据瓶颈。
可以说，在某种层面上，光轮智能是英伟达“仿真计算机战略”的现实支点。它让前沿研究转化为生产力，也让那张连接虚拟与现实的网络，开始真正运转起来。
黄仁勋在下的一盘棋
最终，当我们把这些线索拼在一起时，一幅新的棋局图景浮现出来。
Omniverse是世界定义层，提供构建虚拟地球的规则；Isaac Sim是行动与学习的引擎，让智能在虚拟世界中成长；光轮智能则是内容与数据的提供者，负责让虚拟世界变得真实可感；而李飞飞的BEHAVIOR Challenge则是认知层的代表，探索智能如何理解人类行为与动机。这四个部分相互叠加，构成了英伟达“仿真计算机战略”的全景图。
所以，当我们回头细看那两场引发热议的事件：李飞飞的直播对话，以及老黄女儿在直播首秀中对光轮智能的对谈，它们其实都是英伟达棋盘上的信号：一个来自学界的启示，一个来自产业的回应。
它们共同展现了英伟达的下一步：不是提升算力，而是模拟现实；不是训练模型，而是训练世界。
