AI技术三代范式跃迁及产业升级 [page::0][page::1]

• AI经历判别式AI、生成式AI、Agentic AI三个发展阶段，Agentic AI具备自主推理规划执行能力，实现智能体应用突破。

- 英伟达打造多版本Agentic AI模型和硬件（Blackwell Ultra GPU），加速复杂决策准确率与推理速度提升。

人形机器人基础模型Isaac GR00T N1技术突破 [page::3][page::4][page::5]

• GR00T N1基于合成数据、双系统（慢思维视觉语言模型与快思维扩散变换器）构建，支持单一权重适配多机器人。

- 数据采集采用网络数据、合成数据及真实机器人远程操作数据的金字塔结构，训练效率及任务泛化能力显著提升。

• 在多种模拟标准及实景任务中，GR00T N1均表现出优于传统扩散策略的抓取和执行准确率。

| 模型 | RoboCasa | DexMG | GR-1 | Average |
|-------------------------|----------|--------|--------|---------|
| BC Transformer | 26.30% | 53.90% | 16.10% | 26.40% |
| Diffusion Policy | 25.60% | 56.10% | 32.70% | 33.40% |
| NVIDIA Isaac GROOT N1 2B| 32.10% | 66.50% | 50.00% | 45.00% |

| 模型/数据量 | Pick-and-Place | Articulated | Industrial | Coordination | Average |
|---------------------------|----------------|-------------|------------|--------------|---------|
| Diffusion Policy (10% Data)| 3.00% | 14.30% | 6.70% | 27.50% | 10.20% |
| NVIDIA Isaac GROOT N1 2B (10% Data)| 35.00% | 62.00% | 31.00% | 50.00% | 42.60% |
| Diffusion Policy (Full Data) | 36.00% | 38.60% | 61.00% | 62.50% | 46.40% |
| NVIDIA Isaac GROOT N1 2B (Full Data)| 82.00% | 70.90% | 70.00% | 82.50% | 76.80% |

合成大数据驱动机器人训练数据获取创新 [page::6][page::7][page::8][page::9][page::10]

• 银河通用提出合成大数据方法，构建百万级灵巧手动作数据集，解决远程操作采集成本高、效率低的问题。

- NaVid基于7B参数端到端模型，实现视频与语言指令联动的机器人导航，在未见环境也能完成导航任务。

• 群核科技SpatialVerse通过酷家乐3.6亿模型素材，构建高质量数字孪生资产库，支持自动化标注与物理真实仿真。

• AIRSPEED数据生产平台在具身智能机器人生态中起关键桥梁作用，解决数据孤岛、软硬件解耦和数据评估瓶颈，实现模型迭代加速6倍。

英伟达自动驾驶软硬件生态升级，迈向端到端与VLA融合应用 [page::11][page::12][page::13]

• Drive AGX Thor芯片和Omniverse数字孪生平台协同，为自动驾驶全场景提供硬件算力、算法、模拟数据和安全保障。

- Halos全栈式安全系统覆盖芯片至车端，推进端到端自动驾驶算法的安全性及可信度。

• 理想汽车MindVLA融合空间智能（3D高斯表征）、语言智能（Sparse Attention）、行为智能（快慢思维融合）和强化学习，为高阶智驾赋能，预计2025年7月量产。

- 小米、商汤、元戎启行等多家企业均推进端到端与VLA的深度融合，态势鲜明，推动自动驾驶商业化进程提速。

主要风险提示 [page::1][page::13][page::14]

• 具身智能技术突破或算力、数据不足导致应用进展不及预期。

- 智能汽车新技术落地缓慢，可能影响汽车电子配置率和用户体验。

• AI产品商业化挑战，包括用户付费意愿不足与粘性不强风险。

中金研究报告详尽分析 — 《AI进化论（10）：GTC2025，从Agentic AI到Robotic AI》

---

一、元数据与报告概览

• 报告标题：《AI进化论（10）：GTC2025，从Agentic AI到Robotic AI》

- 作者：张怡康、李诗雯等

• 发布机构：中金公司

- 日期：2025年3月26日

• 主题：报告聚焦于人工智能（AI）技术新阶段的演进，尤其围绕英伟达2025年GTC大会发布的相关技术，从Agentic AI到Robotic AI的发展进展，深入探讨了人形机器人和自动驾驶领域的技术创新、应用实践及产业链机会。

- 核心信息与观点：
- AI经历了判别式AI、生成式AI到Agentic AI三代范式进化，产业形态随之升级。
- GTC 2025大会上重点呈现了Robotic AI的崛起，尤其是VLA（Vision-Language-Action）模型对人形机器人和自动驾驶的推动。
- 人形机器人受益于大模型的多模态能力提升，泛化和交互体验明显优化，产业协同推动落地应用进入加速期。
- 自动驾驶技术演进从传统端到端系统向结合视觉语言模型的VLA迈进，预计2025年将迎来VLA技术的量产上车和高阶智能驾驶商业化的加速。
- 建议关注人形机器人、自动驾驶等高阶AI应用相关产业链标的。[page::0]

---

二、逐节深度解读

2.1 引言与技术演进概述

• 报告回顾了AI三代技术范式的跃进：

- 判别式AI（传统图像识别、语音识别等）
- 生成式AI（内容创作、营销辅助）
- Agentic AI（具备自主推理、规划、决策执行能力的智能体）[page::1]

• 英伟达于GTC 2025正式宣布Agentic AI时代开启，推出基于Llama-3.1的多版本AI模型（Nano、Super、Ultra），专注于提升推理速度和决策准确率，提高了模型效率和能力表现。

- 硬件方面，以Blackwell Ultra GPU为代表，支持复杂推理任务的低延迟响应（最快10秒），优化为Agentic AI应用场景量身打造。

• 生态合作案例：英伟达联合Oracle提供超过160个AI工具与100多个微服务，赋能企业Agent自动化落地。

2.2 Agentic AI对产业边界的影响

• C端应用趋势：

- 用户流量有望从多个APP集合至单一AI Agent，颠覆传统APP分散模式，形成内容分发的新入口与新格局。
- 手机厂商和互联网巨头均积极布局AI Agent，以争夺未来用户流量和内容分发渠道主导权。[page::2]

• B端应用潜力：

- AI Agent具备跨场景任务执行和流程整合能力，可深度渗透企业工作流，提升工作效率和生产力。
- 通过模型训练与微调，Agent强化自反馈飞轮效应，逐步嵌入企业客户深层业务逻辑和协同，驱动B端价值链重构，助力降本增效。

• 图表说明：B端AI Agent最终价值体现在流程、交互、内容三个层面：

- 工作流程和范式革新带来流程价值显著提升。
- 人机交互效率大幅改善，沟通成本下降。
- 生产成本降低，生成效果提升。

（见图表3）[page::3]

2.3 端到端VLA大模型对人形机器人的推动

• Isaac GR00T N1 平台：

- NVIDIA发布Isaac GR00T N1，代表人形机器人领域的基础模型，突破了对海量训练数据和泛化能力的技术瓶颈。
- 采用快慢思维（双系统）架构：
- 慢思维基于Vision-Language Model（VLM），使用搭载SmolLM-1.7B模型的NVIDIA-Eagle处理视觉与语言信息，实现环境感知和决策规划。
- 快思维系统利用Diffusion Transformer生成连续动作，实现具体执行。
- 训练数据分层呈金字塔结构，从大规模网络视频数据，到合成数据，再到真实机器人远程操作数据，提升了训练效率和模型泛化能力。[page::4]

• 性能对比：

- 在多个基准模拟环境（如RoboCasa、DexMG、GR-1）和实景任务中，Isaac GR00T N1表现优异，显著超越传统BC Transformer与Diffusion Policy。
- 以Full Data训练时，Isaac GR00T N1平均成功率达45%-76.8%之间，远高于对照模型，多任务泛化能力强，尤其在抓取精准度和语言指令执行上表现突出。（见图表5和图表6）[page::5]

2.4 银河通用的合成大数据与VLA模型NaVid创新

• 挑战：传统人形机器人VLA大模型数据主要靠远程人工操作采集，耗时且成本高。

- 解决方案：银河通用提出使用合成大数据方法，大规模生成多样化、高质量的训练数据，显著降低成本并提升数据量级。

• 具体数据资产包括：

- GAPartNet（物体资产库）
- DexGraspNet（百万级灵巧手抓取合成数据集）
- 深度传感器仿真技术，实现视觉、动作数据模拟。

• NaVid机器人导航系统基于70亿参数模型，通过视频与自然语言指令端到端完成导航任务，已具备跨场景泛化能力，无需额外调优，可应用于零售、医疗、工业等多个实体场景。[page::6][page::7]

2.5 群核科技SpatialVerse与深圳市人工智能与机器人研究院AIRSPEED平台

• SpatialVerse：

- 基于酷家乐3.6亿3D模型素材及8600万月活用户数据，构建的高质量物理真实视觉数据平台。
- 通过自动标注、物理属性定义和场景多样化生成，实现数字孪生的高逼真数据模拟和资产可交互性。
- 支持IsaacSim、Unreal等多仿真引擎，为扫地机器人、厨房机器人、人形机器人等提供训练数据支持。[page::8][page::9]

• AIRSPEED数据生产平台：

- 定位于具身智能生态中游，作为连接数据采集设备、机器人本体厂商与应用开发商的数据中台，解决“数据孤岛”问题。
- 具备“万物皆可达”和“万物皆可生”创新理念，实现任意机器人形态、任何操作的软硬件适配和合成轨迹生成。
- 通过自动化数据集构建和性能评估机制，实现真实世界数据集构建加速36倍、仿真环境数据3.5倍以及数据飞轮6倍加速，显著推动模型迭代效率提升。（见图表12）[page::10]

2.6 英伟达自动驾驶软硬件平台与VLA驱动智能驾驶落地

• 英伟达通过Drive AGX Thor系列芯片、Omniverse数字孪生仿真平台和Cosmos合成数据生成引擎，构建了自动驾驶的闭环开发体系，全面覆盖硬件算力、软件栈及数据引擎支撑。

- Thor GPU基于Blackwell架构，具备1000 FP8万亿次计算能力，优化了自动驾驶端到端推理算法，支持L2+到L4全场景自动驾驶。（见图表13）[page::11]

• Omniverse+Cosmos可生成极端天气、复杂交通流等多样场景的大规模合成数据，结合模型蒸馏和闭环训练，提升自动驾驶模型训练效率和泛化能力。（见图表14）[page::12]

- 英伟达推出全栈式安全系统Halos，覆盖芯片、软件和服务层面，强化从云端到车端的安全保障，确保自动驾驶环境的多层次安全可靠。

• 理想汽车MindVLA模型：

- 深度融合端到端与VLM，具备视觉-语言-行为一体化解决方案。
- 技术亮点包括3D空间智能、MoE混合专家架构支持稀疏化推理、快慢思考机制、扩散模型生成驾驶轨迹以及结合人类反馈强化学习，提升长尾场景表现及安全底线。
- 实现“听得懂、看得见、找得到”的智能交互能力，使汽车具备司机般理解用户需求的能力，预计2025年7月与理想i8首发搭载。（见图表15）[page::13]

• 小米、商汤、元戎启行等厂商也在积极研发与量产端到端与VLA技术，产业共识显示端到端方式成为趋势，2025年将是VLA量产和落地的大年。

2.7 风险因素提示

• 具身智能技术突破不足，包括感知、算法、算力与数据规模要求不达预期，将限制机器人智能进阶。

- 智能汽车新技术落地缓慢，若新技术不能快速转化为市场产品，可能导致汽车电子配置率下降，影响整车竞争力。

• AI商业化风险，用户付费意愿和使用习惯存在不确定性，缺乏持久动力或导致AI产品难以成为生活必需品，影响商业模式的健康发展。[page::1,13,14]

---

三、图表深度解读

图表1（页1）：生成式AI向智能体AI演进

• 描述了AI技术从感知（Perception AI）向生成（Generative AI），再迈向“智能体AI（Agentic AI）”的技术演进曲线。

- 显示Agentic AI能够实现自主推理、规划及执行能力，对应应用如代码助手、客服、医疗陪护等。

• 图表支持英伟达AI范式转型叙述，突现Agentic AI阶段的产业潜力。[page::1]

图表3（页3）：B端AI Agent价值分析

• 展示AI Agent对企业的价值链影响，分成流程、交互和内容三个层级。

- 重点强调AI带来的生产力提升和生产关系变革，彰显B端AI产品投资回报和ROI考量。

• 对企业客户而言，核心目标是效率提升和成本降低，体验优化是辅助价值。

- 图表体现了AI Agent在B端布局的商业逻辑与战略意图。[page::3]

图表4（页4）：Isaac GR00T N1工作原理

• 形象呈现机器人感知、语言输入如何经两步系统（Vision-Language Model和Diffusion Transformer）迭代转化为动作执行。

- 说明了N1双系统架构典型方案，结合视觉、语言指令完成智能决策及精准动作生成。

• 与文本描述相辅相成，深入剖析了人形机器人的神经网络层级控制流程。[page::4]

图表5和图表6（页5）：Isaac GR00T N1模型性能对比

• 多环境模拟指标和实际场景表现均显示，Isaac GR00T N1以显著优势超越对比模型。

- 尤其在数据有限的10%样本训练时，N1模型仍表现较高成功率，体现了其高效的泛化与学习能力。

• 这些数据支持报告关于N1模型适用于工业、物料搬运等复杂任务的判断。[page::5]

图表7（页6）：VLA技术应用于自动驾驶与通用机器人

• 分类展示了基础大模型向非具身与具身大模型发展路径，包括GPT-4、GPT-4O视频生成、Tesla自动驾驶、谷歌通用机器人等应用。

- 显示VLA模型正是具身智能体（机器人、自主车辆）的关键技术支撑。[page::6]

图表8（页7）：合成大数据替代传统采集

• 重点介绍了各种资产、动作数据和传感器仿真如何形成庞大合成数据集，解决真实训练数据匮乏与高成本问题。

- 支撑银河通用提出的“合成大数据”方案，提供大规模数据可扩展能力。[page::7]

图表10（页8）：SpatialVerse体系结构

• 展示了从文字指令、视觉输入解析到语言模型处理的整体结构流程。

- 结合历史视频序列和当前视频帧，利用多模态交叉注意力机制实现复杂指令执行。

• 演示群核科技如何实现高效具身智能仿真与数据生成，支撑机器人训练的生态链。[page::8]

图表11（页9）：AIRSPEED平台生态位体系

• 描绘上游制造商、AIRSPEED平台与下游用户之间的数据流和服务链条。

- 明确AIRSPEED作为连接软硬件、仿真与模型开发的核心数据生态位，解决“数据孤岛”问题。[page::9]

图表12（页10）：AIRSPEED数据飞轮及对数据瓶颈解决方案

• 数据飞轮显著提升真实世界和仿真数据构建速度，最大化模型迭代效率提升6倍。

- 针对具身智能数据成本、数据丰富度、评估难题均提出相应的软硬件解耦、兼容技术及自动化方法解决方案。

• 数据集结构设计通过数学模型表达，表明数据维度定义与生成分层严谨。[page::10]

图表13（页11）：Thor GPU Blackwell架构

• 介绍Thor GPU的高算力（1000 TOPS FP8）和第五代张量核心，及其对LLM/VLM优化的特性。

- 含有高效的调度器设计支持多任务调度。

• 支撑自动驾驶高负载推理的硬件基础。[page::11]

图表14（页12）：Omniverse与Cosmos支持的自动驾驶模型闭环训练

• 图示数字孪生环境下的合成数据流闭环，模型在仿真场景训练并输出动作预测，循环优化。

- 支持自动驾驶模型的深度训练和泛化，降低了对真实数据的依赖，提升开发效率与安全性保障。[page::12]

图表15（页13）：MindVLA架构演进

• 表现从传统端到端+视觉语言模型到视觉-语言-行为（VLA）大模型的重要演进。

- 结合3D空间智能、语言智能与行为智能实现协同，体现复杂智能体的多维认知与决策能力。

• 这是自动驾驶智能化升级的关键技术标志 。[page::13]

---

四、估值与商业化分析

• 报告侧重技术趋势与应用场景描述，未提供具体估值模型与目标价数据。

- 但商业化逻辑体现在B端产品ROI分析及C端流量入口竞争视角，暗示AI Agent商业模式潜力巨大。

• 智能驾驶量产车型将助推技术落地的产业化进程，为相关芯片、软件及数据服务厂商带来显著成长机会。

- 报告建议关注消费电子终端厂商、自动驾驶与机器人产业链相关标的。

---

五、风险因素详细评估

• 技术突破风险：Agentic AI和Robotic AI涉及前沿算法、高算力需求及高质量多模态数据支撑，技术发展不及预期将延缓行业步伐。[page::1,13]

- 新技术商业落地风险：智能汽车新技术配置若未达市场预期，可能导致产品竞争力受损，影响下游整个产业链发展。[page::13]

• AI商业化风险：消费者及企业端的付费及使用意愿波动，存在AI产品难以成为生活必需品的潜在风险，影响商业收入实现。[page::14]

---

六、批判性视角与细微差别

• 报告整体呈现较为积极的技术进展视角，强调英伟达及合作企业的领先布局与成果，存在对核心厂商技术创新和产业整合能力的较高信心，潜在的偏重于头部企业视角，较少覆盖较弱竞争者或替代技术路径。

- 报告对于机器人与自动驾驶的技术复杂性和现实环境挑战略显乐观，例如，实时响应和真实世界数据差异问题在VLA模型上的具体解决方案仍处于早期阶段，未来实际落地存不确定性。

• 对数据合成等解决方案的依赖虽解决了成本和规模问题，但合成与现实世界的差距以及评估指标体系的完善仍需时间验证。

- 估值及商业化路径相对泛泛，尚缺乏详细财务预测和市场竞争格局分析。

---

七、结论性综合

本报告系统评析了英伟达2025年GTC大会的核心技术成果及其在Agentic AI与Robotic AI领域的应用突破，重点解读了人形机器人平台Isaac GR00T N1、大规模合成数据驱动的银河通用NaVid模型、群核科技SpatialVerse与深圳人工智能与机器人研究院AIRSPEED数据平台三大创新数据生态建设，显著推动机器人训练的效率和泛化能力优化。

在自动驾驶领域，英伟达凭借Drive AGX Thor强大硬件算力及Omniverse和Cosmos仿真与数据平台，构建了自动驾驶软硬件闭环开发体系。结合理想汽车MindVLA等前沿实践，VLA模型正在成为推动高阶智能驾驶商业化的关键技术，预计2025年将迎来量产上车及加速落地。

从产业视角看，Agentic AI将改变内容分发渠道与用户流量格局，C端应用场景趋聚与B端生产力升级并行发展。产业协同和数据创新相互促进，将推动具身智能和自动驾驶迈向更广阔的商业应用与市场空间。

风险方面，技术突破、智能汽车新技术落地及AI商业化意愿的不确定性仍需关注，但总体来看，行业正处于从基础技术积累向实际商业运营转变的关键时间节点。

最后，报告通过详实的技术描述与丰富的图表数据，全面揭示了AI技术和应用的最新演进趋势，具备较高参考价值，值得产业链上下游重点关注与深入研究。[page::0-14]

---

附：部分关键图表示意

• —— 从判别式AI到Agentic AI的技术演进

- —— B端AI Agent的价值实现

• —— Isaac GR00T N1工作原理示意

- —— Thor GPU架构优势

（报告中图表详见对应页码索引）

---

综上，本报告以详实的数据和案例展示了未来AI智能体尤其是机器人与自动驾驶的技术演进脉络，及产业链发展机遇，具备重要战略指导价值，适合相关行业投资者和研究机构重点研读使用。

报告