當生成式 AI 還在比拼模型能力時，NVIDIA 已將戰場推向下一個關鍵層級——Physical AI（實體世界 AI）在GTC 2026 大會上，NVIDIA 宣布推出 NVIDIA Physical AI 資料工廠藍圖（Physical AI Data Factory Blueprint），這是一套開放式參考架構，可整合並自動化訓練資料的生成、擴增與評估流程，大幅降低大規模訓練 Physical AI 系統的成本、時間與複雜度。
這項藍圖不只是一套工具，更是一個產業訊號——未來 AI 的競爭，不再只是「誰的模型更強」，而是「誰能產生最多、最好、最完整的資料」。對此，NVIDIA 直接點出「算力即資料（Compute is Data）」的觀點，將 GPU 的角色，從單純的運算工具，升級為「資料生成引擎」。
NVIDIA 指出，開發者可透過NVIDIA Cosmos™ 開放世界基礎模型與先進的程式代理（coding agents），將有限的訓練資料轉換為龐大且多樣化的資料集，進一步補足真實世界中難以蒐集、成本高昂且耗時的稀有邊界情境（edge cases）與長尾場景（long-tail scenarios）。
在生態系布局上，NVIDIA 亦同步攜手 Microsoft Azure 與 Nebius，將此藍圖整合至雲端基礎架構與服務中，使開發者能將加速運算能力轉化為大量訓練資料，包括FieldAI、Hexagon Robotics、Linker Vision、Milestone Systems、RoboForce、Skild AI、Teradyne Robotics 與 Uber等業者，都已開始導入藍圖，加速機器人、視覺 AI Agent 與自動駕駛技術的開發。
NVIDIA Omniverse 與模擬技術副總裁 Rev Lebaredian 表示：「Physical AI 是 AI 革命的下一個前沿領域，其成功關鍵在於能否生成海量資料。」他指出，NVIDIA正與雲端業者合作，打造新一代 agentic 引擎，將運算能力轉化為高品質資料，推動自主系統與機器人的發展
隨著 Physical AI 走向產業化，雲端服務供應商的重要性也同步提升。Microsoft Azure 已將 Physical AI Data Factory Blueprint 整合至其開放式 Physical AI 工具鏈，並整合Azure IoT Operations、Microsoft Fabric、Real-Time Intelligence 與 Microsoft Foundry 等服務，提供企業級、以代理驅動的工作流程，加速 Physical AI 系統的訓練與驗證。
另一方面，NVIDIA 亦推出開源編排框架 NVIDIA OSMO，解決開發者在大規模資料生成與流程管理上的挑戰。OSMO 可跨運算環境統一管理工作流程，並整合 Claude Code、OpenAI Codex 與 Cursor 等程式代理工具，使 AI 原生運營（AI-native operations）得以落地，由代理自動分配資源、排除瓶頸並加速模型交付。
例如，AI 原生雲端業者 Nebius 已將 OSMO 整合至其 AI Cloud，協助開發者建立生產級資料管線；另外，Milestone Systems、Voxel51 與 RoboForce 等企業也已在其平台上導入該藍圖，加速視訊分析 AI、自動駕駛與工業人形機器人模型的開發。
過去，機器人、自駕車與視覺 AI 的發展，長期受限於真實世界資料蒐集成本高昂、極端情境難以取得，以及資料標註與驗證耗時等問題。如今，NVIDIA 正試圖將「資料生產」轉化為可規模化的工業流程，打造 AI 時代的「資料工廠」。未來，這套機制能否真正讓長尾場景走向量產，將成為 Physical AI 發展的關鍵觀察指標。
照片提供：NVIDIA新聞中心
