英伟达打出物理AI三张牌：算力做小、模型做轻、平台做全

7月15日至16日，英伟达密集发布三款物理AI新品，从硬件到模型到应用平台，一条线贯穿：Thor架构的Jetson T2000/T3000计算模组、4B参数的Cosmos 3 Edge世界模型、以及Metropolis平台新增80余项视觉AI智能体技能。

三箭齐发的逻辑很直白——黄仁勋此前说过，机器人的"OpenAI时刻"还没到，但剩下的只是工程问题。这三款产品的共同指向，就是把工程问题逐一拆解、填坑。

第一张牌：Thor不做大，做便宜。 T5000的2000 TFLOPS是给高端人形机器人用的，但大多数机器人公司用不起、也用不上。英伟达机器人与边缘AI副总裁Deepu Talla说得直接："很多客户希望获得Thor更紧凑、更低功耗的版本。"T3000做到了865 TFLOPS / 70W，T2000是400 TFLOPS / 40W，定价覆盖入门级。明年Q1上市后，Jetson产品线将从70 TOPS拉到2000 TFLOPS，形成完整梯度。更关键的一招藏在内存优化上——优必选和思灵机器人通过英伟达的内存压缩技术，单台设备省了15GB，直接从64GB模块降到32GB。在DRAM价格居高不下的当下，省内存就是省真金白银。

第二张牌：Cosmos做轻，塞进设备。 Cosmos 3 Edge仅40亿参数，定位不是替代此前发布的Super和Nano大杯，而是专门在Thor设备端跑的。开发者可以针对自己的具身模型和传感器，在一天之内完成Edge的后训练，缩小仿真与真实世界的差距，然后直接部署到Jetson Thor上做实时的视觉分析和机器人策略推理。

第三张牌：Metropolis开口说话。 新发布的VSS Blueprint 3.2支持自然语言操作——操作员用日常语言描述需求，视觉AI智能体自动跨摄像头网络搜索、摘要、报警。加上DeepStream 9.1多传感器视频分析管道和TAO 7模型微调工具，合成数据生成、模型训练、部署运维被压成了一条流水线。康宁光纤用这套工具，8张真实缺陷图加合成数据就把检测精度拉到95%，原本要几个季度的项目缩到几天。富士康产线上，DeepHow的流程验证智能体把首件良率提升了3%，任务级准确率达到99%。

三张牌摊开看，英伟达在做一件比"卖更多芯片"更野心的事：把物理AI从硬件到模型到应用全链条，变成一套开发者拿来就能用的积木。从Thor模组的算力梯度到Cosmos的轻量化到Metropolis的自然语言界面，每一步都在降低机器人公司"从零搭系统"的门槛。当底层算力、中层模型、上层应用都被同一家公司的生态串起来，机器人赛道的入场券就不再是"你能不能造出硬件"，而是"你舍不舍得不用英伟达"。