機器人的 ChatGPT 時刻：Nvidia 解析物理 AI 所面臨的資料瓶頸
為何重要
若 Nvidia 提出的「模擬＋合成資料」解方能成為物理 AI 的標準化基礎，將大幅降低通用機器人的開發門檻與商業化風險，從純硬體供應商朝向軟硬體整合生態邁出一大步，影響範圍涵蓋製造業、移動性及智慧城市生態系。
Nvidia 身為物理 AI 領域的重要推手，其主管在 TechCrunch Disrupt 2026 上指出通用機器人尚未迎來突破性爆發，核心癥結在於缺乏如同文本大語言模型般龐大的「物理世界」訓練資料集。
- Nvidia Inception 的全球物理 AI 主席 Les Karpas 將在 TechCrunch Disrupt 2026 的「現實世界 AI 舞臺」發表專題，探討通用型機器人的瓶頸與機遇。
- 評論指出的核心挑戰是，通用機器人也業界尚未擁有網際網路級別的物理資料集，而 Waymo 等自駕車商雖有累積路練資料，但通用機器人仍處於缺乏跨領域資料支援的狀態。
- 起步新生態圈正試圖透過模擬、合成資料以及跨裝置訓練的基礎模型來彌補資料缺口，他也與 Shield AI、FieldAI 等公司的創辦人共同擔任講者。