秋葉原GiGO三館，一台《VR戰士（Virtua Fighter）》街機前，又一次聚集起熟悉的身影。
最近，黃仁勛與SEGA管理層駐足體驗這款誕生於三十年前的經典作品。同行的除了SEGA現任CEO里見治紀與COO內海州史，還有《VR快打》之父鈴木裕，以及前社長入交昭一郎，三十年前，正是他拍板向NVIDIA投下500萬美元。
對於很多玩家而言，這或許只是一次情懷的重逢。但對於NVIDIA來說，更多的是一段技術合作歷程的延續。
上世紀90年代，NVIDIA早期的NV1晶片曾推動《VR快打》登陸PC平台，開啟了雙方在消費級圖形計算時代的合作。三十年後的今天，雙方再次宣布，包括即將發售的《VR戰士：十字路口（VIRTUA FIGHTER CROSSROADS）》在內的多款作品，將登陸RTX Spark生態。
截取自：NVIDIA官網
這是一場跨越三十年的重逢，但這一次，並不僅僅屬於遊戲產業。
前三十年，NVIDIA與日本產業側的聯繫更多停留在PC圖形、遊戲娛樂和消費電子領域，那麼今天，這條合作鏈條已經延伸至日本產業的更深處。從個人計算終端到機器人、自動駕駛，從金融機構的私有AI基礎設施，到量子超級計算平台，到開發者生態和企業級軟體體系，AI正成為NVIDIA與日本產業合作的新紐帶。
這也是此次黃仁勛日本之行值得關注的地方。NVIDIA展示的是一套覆蓋終端、邊緣、數據中心與超級計算的完整AI計算平台，並通過與SEGA、瑞穗銀行（Mizuho）、日本理化學研究所（RIKEN）等本土企業和科研機構的合作，將這套平台嵌入日本製造、科研、金融與消費市場的不同場景之中。
從一台街機開始，又不止於一台街機。
三十年前，NVIDIA參與推動了日本PC圖形計算時代的到來；三十年後，藉助NVIDIA的Agentic AI、Physical AI以及混合計算等新一代技術，參與助力日本AI產業開啟下一階段。
01 深入工業場景:從單點加速到全鏈路接管
如果說AI PC代表著AI進入個人端的載體，那麼工業，則是AI走向真實物理世界的第一站。
相比數字世界裡的文本和圖像，機器人、自動化設備和工業產線面對的是更加複雜的現實環境。AI不僅需要「看懂」物理世界，還要能夠實時理解、決策並執行動作，這也是Physical AI（物理AI）正在解決的問題。
然而，與數字世界相比，真實的物理環境複雜得多。要讓AI真正具備感知、理解並執行現實任務的能力，首先需要跨越兩道關鍵技術門檻。
其一是長尾數據的缺失。構建生產級視覺智能體，需要海量的場景數據進行模型調優。但在現實中，諸如「罕見的機械缺陷」或「極端的光照突變」等長尾數據極度匱乏。
其二是端側算力、功耗與功能安全的嚴格限制。自主機器人需要極低延遲的實時推理，但工業現場對晶片功耗有著嚴苛限制，且複雜的嵌入式系統必須滿足絕對的「功能安全（Functional Safety）」，常規雲端晶片在此難以發揮作用。
面對這些挑戰，NVIDIA全面更新了由Cosmos、Metropolis和Jetson組成的核心技術矩陣。
在物理AI基礎模型層面，Cosmos定位於面向視覺推理與機器人策略優化的基礎模型。繼上個月台北GTC發布Cosmos 3 Nano 和 Cosmos 3 Super 之後，NVIDIA進一步擴展不同參數的版本：Cosmos 3 Edge。
截取自：NVIDIA官網
截取自：NVIDIA官網
Cosmos 3 Edge是基於NVIDIA Nemotron構建的40億參數模型，專為微型Jetson等邊緣設備打造，在有限記憶體條件下依然能夠高效運行。同時，它採用了極為徹底的開源策略，模型權重、訓練數據集、評估腳本以及構建配方（Recipes）全部開放，方便開發者進行訓練、微調和二次開發。藉助開放的Cosmos框架，開發者針對特定機器人、車輛、傳感器和環境完成適配，大約只需要一天時間。除Jetson外，它同樣可以部署在RTX GPU與DGX系統上。
基礎模型之外，配套的軟體開發環境也同步完成升級。NVIDIA Metropolis開放庫與技能迎來一次大版本更新，新增超過80項技能。
其中，最核心的Physical AI Data Factory（物理AI數據工廠）能夠調用Cosmos模型，自動生成並增強合成圖像和影片，從而有效填補長尾數據缺失的問題。結合支持自然語言管理監測網路的VSS Blueprint 3.2、多傳感器處理管線DeepStream 9.1，以及專注模型定製的TAO7，開發者構建物理AI智能體的效率可提升至少6倍，相關技能也已全部在GitHub開源。
截取自：NVIDIA官網
為了填補這一性能中間層，NVIDIA本周正式發布兩款全新的計算模組：Jetson T3000、Jetson T2000。
其中，Jetson T3000可提供865 FP4 TFLOPS算力，體積與功耗約為T5000的一半，卻在大語言模型、視覺語言模型、視覺語言動作模型與世界基礎模型等多模態負載上，做到了與T5000相近的推理表現。它搭載一顆Blackwell GPU、八核Neoverse Arm CPU、32GB LPDDR5X記憶體與273GB/s記憶體頻寬，並支持25GbE連接。
Jetson T2000則提供400 FP4 TFLOPS算力與16GB記憶體，定位是視覺AI智能體、自主移動機器人、工業機械臂等更廣泛的邊緣場景的入門選擇。
兩款新品加入後，NVIDIA的邊緣AI平台形成了一條從70 TOPS一直延伸到2000 TFLOPS的完整算力梯度。
截取自：NVIDIA官網
兩款新品預計將於2027年第一季度量產。不過開發者不必乾等。本月晚些時候，隨JetPack 7.2.1發布，開發者即可用現有的Jetson AGX Thor開發者套件模擬T3000的性能，提前完成應用開發；T2000的仿真模式將在後續版本中跟進。
底層技術的創新突破，也進一步推動了實體工業場景的規模化落地。
Metropolis落地了諸多場景，工業檢測方向，歐姆龍正利用VSS驅動的影片分析智能體增強自動化檢測；DeepHow則幫助矢崎北美實現時間動作研究自動化，將原本數周的流程壓縮至數天，每年節省數百萬美元。
智能空間與公共安全方向，日立 HMAX 的多款方案利用VSS驅動的智能體識別建築與軌道交通基礎設施中的問題，僅軌道交通應用就降低了15% 的維護成本與能耗；富士通 Kozuchi平台將VSS與自有的智能體記憶技術結合，把長時段影片轉化為運營知識；清水建設則在試點將VSS用於建築工人安全；Asilla 基於DeepStream與VLM 監測公共場所與商業設施以縮短事件響應時間；AWL用DeepStream構建零售與製造方案。
基礎模型層面，Cosmos的落地場景也已形成陣營效應。NVIDIA本次將Cosmos Coalition（Cosmos聯盟）擴展至日本，AIRoA、發那科、富士通、GROOVE X、日立、本田技研、川崎重工、久保田、三井物產、三菱商事、Mujin、NEC、Preferred Networks、軟銀、索尼集團、Telexistence、TIER IV、TRON K.K.、Turing、安川電機等一批日本機器人與製造業龍頭均有意加入，共同推進開放世界模型。
其中，富士通牽頭聯合發那科、安川電機與川崎重工，正在探索一個面向物理AI的協同控制平台，底層整合Cosmos世界基礎模型、開放的Isaac機器人開發平台、Omniverse NuRec庫與Newton物理引擎，用於打通AI模型開發、數字孿生、機器人學習與仿真到現實（sim-to-real）的全鏈路驗證。
具體場景創新上，川崎重工把物理AI技術鋪向醫療、造船、交通、航空航天與能源；久保田探索基於Cosmos的自動化農業；Enactic在微調Isaac GR00T開放模型，做面向養老照護的半人形機器人；GROOVE X用Jetson打造陪伴機器人LOVOT；Telexistence則把Isaac用於零售自動化。
值得注意的是，新一代Jetson還引入了Agent技能（skill），支持「自動化記憶體優化」，允許用戶降檔使用成本更低的模組承載同等負載。目前，優必選、Agile Robots與Connect Tech藉此把記憶體占用壓低了最多15GB，從AGX Orin 64GB降到32GB模組；智慧零售廠商SandStar省下4GB，從Orin NX 16GB換到8GB；智能交通廠商NoTraffic在TX2 NX上省出30%記憶體，騰出的空間又塞進了更多AI能力。原本需要數周的手工優化，現在幾天就能完成。
這一策略也反映了NVIDIA明確的商業考量：在記憶體價格高企的當下，幫客戶降一檔SKU，比逼客戶上旗艦更能換來長久的生意。 以開源模型作為底層地基，正是NVIDIA切入物理世界核心環節的關鍵路徑。
如果說Cosmos聯盟展示的是「廣度」，那麼豐田的合作展示的就是「深度」。這家公司，把NVIDIA的技術棧從駕駛座一路用到了工廠車間和城市路網。
這次NVIDIA與豐田的合作擴展，覆蓋四個層面。
車端，豐田正基於NVIDIA DRIVE AGX打造新一代車輛，運行通過安全認證的DriveOS作業系統，交付L2++級別的輔助駕駛能力。
軟體工程側，隨著汽車日益軟體定義化，豐田用NVIDIA Megatron-LM訓練並微調了一個符合MISRA規範的代碼助手模型，訓練過程中參考了包括Nemotron在內的多種數據集。這個定製模型專門用於汽車代碼的生成與評審，讓工程師在滿足嚴苛合規要求的前提下更快地產出安全關鍵代碼。
工廠側，豐田用Omniverse庫與開放的Isaac Sim框架把仿真搬進了生產車間，覆蓋工廠與機器人工作流、機器人運動仿真乃至更大範圍的數字孿生環境。
城市側，豐田子公司Woven by Toyota用H100 GPU與Megatron-Core開發了一個面向城市交通智能的多模態視覺語言模型，用於解讀真實路況、預判接下來會發生什麼。
正如NVIDIA汽車業務副總裁Rishi Dhall的說法：「物理AI將把智能帶給每一台會動的機器，從汽車、機器人、卡車，到它們所在的城市與工廠。」
02 高壁壘行業：打破數據孤島與特化盲區
工業領域面臨的是長尾數據與邊緣算力的挑戰，那麼將AI引入金融和生命科學，則要跨越另外的門檻。
在金融業，大型機構坐擁海量的高頻交易和客戶隱私數據，但受制於極其嚴格的審計與數據安全監管要求，這些敏感資產絕不允許上傳至公有雲進行API調用，導致金融機構出現「守著金山討飯吃」的現象。
醫藥研發場景下，模型需要精準推演錯綜複雜的生化機制。脫離生物醫藥專業語料積累、沒有生物計算底座加持的通用大模型，導致空有算力卻難以產生有效輸出，難以勝任硬核研發任務。
面對高監管與特化場景這兩道門檻，NVIDIA提供了企業級、可完全私有化部署的專屬基礎模型與工具平台。
針對金融行業的數據合規問題，NVIDIA提供的是NVIDIA Nemotron開源模型：這是一套開放權重、開放訓練數據和訓練配方的模型，專為構建特化AI智能體提供高效率和高準確率，其Nemotron 3系列模型系列於去年12月發布，提供Nano、Super、Ultra三種尺寸，採用混合專家（MoE）架構，每個token只激活一小部分參數，從而在多智能體系統中獲得更高吞吐與更低推理成本，並支持包括NVIDIA RTX PRO和DGX Spark在內的廣泛平台，可從邊緣到雲端部署。
截取自：NVIDIA官網
更關鍵的是，企業可以使用其NVIDIA NeMo對模型進行定製、評估和優化，並將其部署在滿足監管和數據本地化要求的環境中，這也正好對應了金融機構「數據不能出域」的核心訴求。
但僅有模型還遠遠不夠。模型只是智能體負責思考與推理的「大腦」，而一個能夠完成工作的數字員工，還需要負責規劃任務、調用工具、執行流程以及保障安全的一整套運行體系。這正是NVIDIA推出Agent Toolkit的原因。
Agent Toolkit是一套面向數字員工構建的開源開發平台。它將開放模型、工具、技能以及企業級運行時整合在同一框架中：模型負責理解與推理；工具和技能負責讓智能體能夠調用企業系統、執行具體業務，並具備行業專長；運行時則負責調度整個工作流，保障智能體持續、穩定地完成任務。
為了進一步降低企業構建智能體的複雜度，Agent Toolkit又將整套能力拆解為三個核心層次：
第一塊是模型，提供推理基礎，由Nemotron開源模型承擔，企業可以自行定製、評估和部署。
第二塊是工具與技能，負責把智能體接到真實系統上、執行具體業務，並注入行業專長，由NVIDIA NemoClaw blueprints承擔。Blueprint是開放的智能體藍圖，開發者無需從零設計工作流，而是可以基於這些預置框架快速構建能夠自主推理、規劃並執行真實業務流程的領域專屬AI系統，同時獲得更安全的智能體行為模式與更低的調用成本。
第三塊是運行時，負責讓智能體在真實工作發生的系統里安全地跑起來，由NVIDIA OpenShell runtime承擔。它可以理解為智能體運行時所依賴的執行環境，支持部署在本地或雲端基礎設施之上，使企業敏感數據始終留在內部環境中完成調用與執行，無需上傳至公有雲，滿足金融機構等行業對數據合規性的嚴格要求。
截取自：NVIDIA官網
值得一提的是，這套工具箱接受開發者搭配自己慣用的第三方智能體框架，包括Hermes Agents和OpenClaw。
與金融行業不同，生命科學領域面臨的是專業能力難以遷移的問題。通用大模型雖然具備豐富的生物醫學知識，卻無法直接完成蛋白質設計、分子篩選、基因分析等科研工作。因此，NVIDIA除了提供智能體調度與執行的Agent Toolkit，還推出了BioNeMo Agent Toolkit。
用黃仁勛的話說：「前沿模型是大腦，BioNeMo Agent Toolkit是科學工具箱，二者結合，讓AI智能體既有博士級研究助理的技能，又有超級電腦的速度。」
利用BioNeMo Agent Toolkit可將生命科學領域成熟的科研能力封裝為一系列可調用的技能（Skills）。當智能體執行科研任務時，能夠根據需要調用蛋白質結構預測、分子對接、生成式化學、基因組分析、蛋白質設計、生物標誌物發現等專業工具，將原本依賴科研軟體完成的複雜計算納入統一的智能體工作流，從而彌補通用大模型在生命科學領域的專業能力缺口。
在具體落地上，日本瑞穗銀行（Mizuho）計劃建設當地金融業迄今規模最大的本地AI工廠。依託DGX B200與Nemotron Open Models，瑞穗在保障金融數據不出域的前提下，將自主智能體安全引入反欺詐、資訊自動化收集和研報生成等核心業務流程；樂天銀行（Rakuten Bank）藉助Agent Toolkit開發面向高頻消費者數據的交易基礎模型（Transaction Foundation Models），進一步提升金融智能體的專業能力。
在生命科學領域，在日本生命科學計算平台Tokyo-1的支撐下，安斯泰來（Astellas）部署了完整的BioNeMo微服務體系，貫通數位化藥物研發流程。
與此同時，初創公司SyntheticGestalt發布了基礎模型ZAO，通過創新性的「4D分子表徵」方式，可同時捕捉分子的多種三維構象，在九項公開藥物發現基準測試中取得極佳成績，大幅提升了新藥篩選效率。
03 科學計算:突破「量子孤島」與經典超算「物理天花板」
在材料科學、化學模擬、生命科學等基礎科研領域，計算複雜度正隨著問題規模呈指數級增長。無論是探索下一代半導體EUV光刻膠、設計新材料，還是進行高精度分子光譜分析，僅依靠不斷擴展CPU規模的傳統超算，已將難以為繼。
因此，量子計算被視為突破這一瓶頸的重要方向。對於某些特定問題，量子算法擁有經典計算難以企及的理論優勢。然而，量子計算並不能取代經典計算，而是要依賴經典計算。量子處理器（QPU）需要持續進行自動化校準，量子比特極易受到噪聲干擾，需要藉助AI完成實時量子糾錯。
與此同時，大規模科研任務中的數據預處理、任務調度、結果驗證等工作，仍然需要GPU和CPU承擔。所以，讓QPU與經典算力協同運行，而不是成為彼此割裂的「量子孤島」，是量子計算走向產業應用的工程難題。
針對這一挑戰，NVIDIA更新的是一套「量子—經典」混合計算架構，可以將GPU、CPU與QPU整合為統一的科研計算平台。
硬體層面，NVIDIA依託GB200 NVL4平台部署Blackwell GPU集群，並通過全新的NVIDIA NVQLink，實現GPU與QPU之間的超低延遲互連，使不同類型的處理器能夠在同一計算任務中協同工作。
NVQLink的核心是一套被稱為邏輯QPU（Logical QPU）的機器模型：一端是可用C++或Python通過CUDA-Q編程的實時主機（GPU計算節點），另一端是第三方的量子系統控制器（QSC，通過FPGA或RFSoC陣列管理量子比特的底層模擬與數字控制），中間由一條基於RoCE（RDMA over Converged Ethernet）的實時互連打通，端到端時延低於4微秒。
截取自：NVIDIA官網
軟體層面，NVIDIA的CUDA-Q進一步演進為完整的「量子—經典混合計算框架」。
在AIST旗下的量子AI技術產業化全球研發中心（G-QuAT），NVIDIA正把最新的AI能力接入該中心現有與未來的量子處理器系統：NVQLink負責GPU與QPU之間的低延遲連接，而NVIDIA Ising開源模型則用於QPU自動校準與基於AI的量子糾錯解碼。
需要說明的是Ising的具體角色。在CUDA-Q QEC庫中，它並非一個籠統的"AI校準模型"，而是承擔預解碼器（pre-decoder）職責：CUDA-Q QEC通過NVQLink提供兩條GPU加速的實時解碼管線——RelayBP用於qLDPC碼，NVIDIA Ising預解碼器搭配PyMatching用於表面碼。 這使量子計算能夠更穩定地接入現代超級計算中心。
隨著底層互連和軟體框架逐漸成熟，混合計算也開始從概念驗證走向真實科研應用。
日本理化學研究所（RIKEN）正式啟用了ROQUO混合超級電腦。該系統基於GB200 NVL4平台部署540張Blackwell GPU，並與園區內的離子阱量子電腦緊密互連，形成統一的「量子—經典混合計算平台」。
目前，這一架構已經開始帶來實際收益。由三菱化學、瑞穗銀行等機構組成的聯合研究團隊，在分子光譜分析任務中採用這一混合工作流，相較傳統純CPU計算節點，實現了最高13.4倍的性能提升。
產業上看，這也意味著量子計算正在逐步擺脫單純的「實驗室驗證」定位，正以混合計算的形式融入現代超級計算體系，與經典計算共同承擔真實科研任務。
04 寫在最後
把本次NVIDIA的技術產品邏輯串聯起來，一條清晰的主線逐漸浮現。
Physical AI負責把智能體從數據中心帶入工廠、機器人和邊緣設備；Agent Toolkit、Nemotron與BioNeMo進一步打開金融、生命科學等高壁壘行業；量子—經典混合計算則將AI延伸至下一代科學計算體系。而面向普通消費者，RTX Spark重新定義Windows PC本身
雖然這些產品覆蓋的是不同產業，但背後卻遵循著同一套技術邏輯——開放生態、統一平台、硬體承載。
此次發布的幾乎所有核心能力，都圍繞這幾點展開。Nemotron開放模型權重、訓練數據和訓練配方；Cosmos 3不僅開放模型，還將訓練腳本和六個合成數據集一併上傳至Hugging Face和GitHub；Metropolis新增的80餘項技能全部開源；Agent Toolkit甚至允許開發者替換默認編排層，接入Hermes Agents、OpenClaw等第三方框架；就連連接經典計算與量子計算的NVQLink FPGA IP，也免費向合作夥伴開放，無需公開自身固件。
簡而言之，NVIDIA正在以開放的軟體生態降低AI應用門檻，再以統一的計算平台承接不斷擴大的開發者與產業需求。
