2026年7月20日
洛杉矶第53届SIGGRAPH大会现场
英伟达刚刚向全世界
摊牌了他们真正的野心
语言大模型只是一道开胃菜
AI接下来的主战场
根本不在互联网上
而是在物理世界
但这里有一个巨大的悖论
你要训练能干实事的物理AI
比如机器人自动驾驶
你需要海量的物理世界数据
可是现实世界的时间是按秒流逝的
你没法按快进键
那怎么办
英伟达给出的答案极其疯狂
既然现实世界太慢
那我们就用AI自己生成一个拥有
绝对真实物理规律的虚拟世界
让机器人在里面试错
而要造出这个世界
靠单纯的代码根本写不出来
必须要把计算机图形学物理
模拟和生成式AI彻底砸碎
揉在一起
这就是这场SIGGRAPH
2026主题演讲的真正内核
这场发布会的信息
密度大到让人窒息
不仅直接终结了传统
游戏渲染的路线之争
还把原本需要超级计算机才能跑
的流体力学压缩到了一张显卡里
最后甚至端出了一个让机器人
能在里面无限进化的母体世界
英伟达在这次大会上
到底放出了什么怪物
为了把逻辑盘清楚
我会把整场发布会拆解
成三个最核心的板块
less 5的降维打击
AI对传统物理模拟的颠覆
以及终极武器Cosmos3世界模型
这期内容没有任何水分
各位看官先赞后看
祝大家好运不断
我们直接开始
首先让我们把目光
拉回黄仁勋的开场
老黄一上台就提到了
一个很有意思的闭环
30年前英伟达为了解决传统
电脑做不了的图形计算
造出了GPU
后来他们搞出了可编程着色器
搞出了CUDA
结果阴差阳错的在
2012年引爆了现代AI
现在AI长大了
它要开始反哺它的
老本行图形渲染了
这引出了整场发布会的第一颗核弹
del S5
玩游戏的朋友对del s肯定不陌生
从早期的空间放大
到后来的帧生成
再到del s三点五的光线重建
英伟达一直在教显卡怎么猜像素
但到了Delsew
应用深度学习研究总监
Edward Liu上台说了一句话
直接把桌子掀了
他说
传统的图形学是从第一性原理出发
我们搭建场景
用物理定律模拟光线
然后用摄像机去拍
每一个像素出现在那里
都是因为有人希望它在那里
这是传统渲染的骄傲
但也成了它的死穴
就算你用上了最顶级的路径追踪
比如DES4时代的水平
光线是全模拟了
但你抬头看看那张图
离真正的照片级
真实还是差了一口气为什么
因为真实世界的光影互动太复杂了
次表面散射
复杂的慢反射
这些东西如果全靠传统算法去硬算
算力根本撑不住
这时候你可能会说
那直接用AI生成不就好了
现在的midjourney或者stable diffusion生成
的照片不是早就以假乱真了吗
这就是问题所在
生成式模型确实懂什么是真实
你喂给他几亿张现实照片
他早就学会了皮肤
在阳光下怎么透亮
头发背光时怎么发丝分明
但生成式模型有一个致命的缺陷
它是基于概率的
它不可控
你给AI输入一个提示词
黄昏下的商人
他能给你画出一个绝美的商人
但你再让他画一次
商人的脸就变了
这对离线作图没问题
但如果是实时运行的游戏
这一帧商人长这样
下一帧商人换了套衣服
玩家还以为见鬼了
更要命的是
生成式模型有一种自作主张的毛病
比如游戏美术总监设定这个
主角脸上必须有一道深深的疤痕
因为这是他的故事线
但AI模型一看哎呀
这脸上有个瑕疵
顺手就给你抹平了
甚至还给你加了个美颜
画面是好看了
但艺术表达彻底被毁了
这就是摆在Edward Liu和他
的团队面前的三座大山
Dolores 5要解决的就是怎么把AI的
相片级生成能力塞进游戏里
同时还得把它像狗一样死死
拴在游戏引擎的渲染管线上
绝对不能乱跑
第一座大山就是怎么保留一素一图
DOLOS5的做法非常粗暴但有效
他不听提示词
他只看游戏引擎刚渲染
出来的那些原始数据缓冲
比如反照率表面法线
还有基础光照信息
模型被严格训练成一个死心眼
必须绝对尊重这些
底层几何和语义数据
如果引擎说这里有一道疤
你就得在这道疤上给我做文章
在这个红线之内
AI可以尽情发挥它对真实感的理解
比如它可以在这道疤痕周围
加上极其逼真的皮肤肌理
给耳朵加上之前引擎算
不出来的次表面散射
让环境光遮蔽变得更深邃
它改变了画面的质感
但绝对不改变画面里的故事
第二座大山是时间连续性
目前市面上搞视频生成的AI模型
比如Sora
它们的工作原理
都是一次性看好几帧
甚至一整段视频
前前后后对齐了再生成
但游戏不行啊
游戏是实时互动的
玩家鼠标一甩
下一帧是什么
谁都不知道
所以Delessu根本没有偷看未来的特权
它必须严格遵循因果关系
一帧进一帧出
这就必须用到游戏
引擎底层的运动向量
通过告诉AI模型画面里
的物体是怎么移动的
DIOS5硬生生做到了一帧接一帧生成
而且没有画面闪烁
没有物体漂移
角色走在水里的倒影稳如老狗
第三座大山简直就是地狱难度
那就是速度
你想想一个4K分辨率的画面
大概有800万个像素
如果你要跑到60帧
意味着留给每一帧的总
时间只有区区16.6毫秒
而这16.6毫秒里
游戏本身的物理计算AI逻辑
基础渲染还要占掉一大半
留给LARS5的时间可能只有几毫秒
那些能生成逼真画面的基础大模型
动不动就几十几百亿参数
跑一张图要几秒钟
英伟达是怎么把它塞进
几毫秒的计算窗里的
Edward Liu透露
他们做了一次极其夸张的模型蒸馏
他们把大模型里关于世界
长什么样的常识提取出来
扔掉所有没用的东西
比如怎么生成猫咪搞笑视频
最后压缩成了一个单步
像素空间的扩散Transformer模型
这个模型小巧专注
唯一的任务就是
看着引擎给出的草图
瞬间给它披上一层照片级真实的皮
为了证明这套东西
不是实验室里的PPT
英伟达直接把他们的
创意艺术家Geff请上了台
现场演示了开发者
怎么驯服这台AI怪兽
这一段演示其实透露了
一个非常可怕的商业信号
我们稍微停下来拆解一下
在Geoff的演示里
我们看到delight5并不是
一个傻瓜式的开关
它给开发者提供了
一整套极为变态的控制台
开发者可以选不同的底层模型
模型a模型b模型c
不同模型的成图风格都不一样
更夸张的是结构强度
structure intensity和色调强度
tone intensity这两个滑块
结构强度控制的是高频细节
比如毛孔
微小阴影
色调强度控制的是低频细节
比如整体光影氛围
不仅如此
因为DLSS5在底层就懂场景里的语义
开发者可以直接在引擎里拉个框
说我只要这串葡萄和这个酒瓶
应用DLSS5
背景的木板不要动
然后你拉动滑块
眼看着那个塑料质感的酒瓶瞬间
有了金属和玻璃交织的折射光
葡萄透出了晶莹剔透的水分
而旁边的环境纹丝不变
你看出英伟达的阳谋了吗
以往游戏公司为了优化画质
要花海量的时间写各种shader着色器
调优各种光影参数
现在英伟达告诉你
别折腾了
把基础几何建好
剩下的写实渲染用我的Delux
5大模型加上滑块来搞定
一旦游戏开发者习惯了这种
所见即所得的AI生成式渲染管线
他们就再也回不去
传统的手工死磕模式了
而这种开发流
是深度绑定英伟达硬件的Tensor core
这意味着什么
这意味着AMD和索尼在主机和显卡
市场的传统追赶路线彻底失效了
你堆再多的传统流处理器
算力翻倍
也打不过英伟达
直接在管线末端用AI大模型给
你无中生有生成的真实感
这其实宣告了计算机
图形学进入了一个新纪元
Edward Liu在台上放出了一张图
展示了图形学历史上的几次飞跃
可编程着色器是一次
光线追踪是一次
而现在
生成式AI是最新的一条增长曲线
最可怕的是
只要英伟达在后台不断用更好的
数据更优的损失函数训练这个模型
玩家甚至不需要换显卡
只要更新一下驱动
游戏画面的真实度就能凭空跃升
Delus 5本质上是将算力门槛
转换成了模型护城河
这就是为什么老黄敢说
下一代的内容创作基建
依然牢牢握在英伟达手里
但游戏和电影
说到底只是给人的眼睛看的
如果你觉得迪乐斯舞已经够震撼了
那接下来的内容才是真正
触及物理世界底层的硬核科技
当画面真实到一定程度后
下一个要解决的
就是物理规律的真实
这个时候
英国科学家Neil Ashdown上场了
他带来的技术才是
真正能帮波音造飞机
帮台积电建厂房的核心武器
AI驱动的物理模拟
如果说格拉斯5是在视觉
上欺骗了我们的眼睛
那么接下来的技术
就是在物理规律上
直接掀翻了传统
科学和工程界的桌子
当Neil Ashton上台的时候
他没有一上来就提游戏或者渲染
而是放了一段非常震撼
的地球气候模拟视频
这是一个分辨率达到1公里
拥有500亿个网格单元
的超级模拟系统
用来预测全球的气象变化
这种级别的模拟在传统
科学界是什么概念呢
它需要动用超过2万张最顶级的GPU
连续运行不知道多少天才能
算出一个勉强精准的结果
为什么传统物理模拟这么费劲
这里我们要补一点干货
在传统的工程世界里
不管是预测天气设计汽车的风阻
还是测试台积电晶圆厂里的气流
用的都是这类传统数值方法
你要把空间切成无数个微小的网格
然后根据那些让
人头秃的偏微分方程
计算每一个网格里
空气水或者热量的变化
你的网格切得越细
时间步长设得越短
结果就越准确
但代价是计算量会呈指数级爆炸
这就好比你要一粒沙一粒沙地
去数整个撒哈拉沙漠的沙子
算力根本不够用所以
Ashton在台上抛出了一个灵魂拷问
既然我们的目标是得到更高的精度
但又不可能每天都跑2万张GPU
那AI能不能来帮忙答案是
能而且效果极其吓人
它展示了目前气象界的一场革命
NVIDIA和其他研究机构合作
不是让AI去强行背诵物理公式
而是把过去40年积累
的气象观测数据
以及最高精度的传统模拟数据
统统喂给一个机器学习模型
就像大语言模型通过
海量文本学会了说话一样
这个AI模型通过海量的数据
硬生生的领悟了流体
和热力学运作的规律
结果是什么
这个训练好的AI模型
只需要几秒钟或者几分钟
就能在普通的硬件上跑出
以前需要几个小时甚至
几天才能算出的天气预测
而且准确率甚至比
传统的数值模拟还要高现在
全球很多顶级的气象中心已经把
这种AI预测模型投入到实际生产中
了但这还不是最牛的Ashton
紧接着话锋一转
气象学家其实还算轻松的
因为地球的形状是固定的
但对于我们这些搞
流体力学工程的人来说
最痛苦的是几何形状的无限变化
他放出了一个极度复杂
的飞机气动模拟画面
当你坐飞机的时候
可能留意过发动机外壳
上有几道不起眼的凸起
这玩意是干嘛的
空气是看不见的
如果不通过极高精度的模拟
设计师根本不知道这些凸起
会在空气中划出怎样的涡流
更不知道这些涡流能不能顺着机翼
在起飞和降落时提供额外的升力
为了设计出一架好飞机
一辆好汽车
工程师需要反复修改
这些零部件的形状
然后再进行漫长的模拟计算
这中间的时间成本和算力成本
简直是个天文数字
那么Nvidia是怎么用AI来
降维打击这个领域的呢
重点来了
请竖起耳朵
这段数据非常夸张
Ashton展示了一个包含了大约2,000种
不同气动布局的飞机公开数据集
如果用传统方法去跑这2,000
种布局的高精度流体模拟
超过10亿个自由度
它会生成大约200TB的庞大数据
你猜NVIDIA用他们最新的Transformer
架构和极度聪明的TOKEN化技术
训练出来的AI模型有多大
不是20太字节
不是2太字节
而是只有200兆字节
你没听错
这简直不是压缩
这是魔法
相当于把200TB包含了复杂
流体力学知识的数据
提炼出了最核心的物理规律
塞进了一个200兆字节的检查点里
这是一个近乎100万倍的数据压缩
更可怕的是它的速度和泛化能力
Ashton在台上直接做了一个现场演示
这在工程界堪称神迹
他用这个200兆字节的训练模型
去预测一个他在训练数据里
从来没有见过的全新飞机几何
形状以及全新的边界条件结果呢
这个模型只用了一秒钟
仅仅在一张相对普通的
RT X6000工作站显卡上
就立刻吐出了气流分布的预测结果
更绝的是
这个结果不是那种为了
好看而生成的瞎猜动画
它是符合严谨物理规律的
与传统高精度模拟相比
误差只有惊人的1%到2%
传统的流程是改一次设计
等几天出结果
发现不行
再改一次设计
现在的流程是改一次设计
一秒钟出结果
立刻知道行不行
效率提升了1万倍以上
这意味着什么
这意味着未来工业设计
的门槛将被彻底打穿
波音空客特斯拉
甚至是造服务器机房的公司
他们可以把这个极度轻量化
但在物理上完全正确的AI模拟引擎
直接插进他们的设计软件里
设计师随便调整一下汽车的尾翼
软件就能在毫秒级
告诉你风阻降了多少
散热工程师改变一下机箱的进风口
立刻就能看到热流的变化
艾什顿站在台上对台下的
计算机图形学专家们喊话
你们这些搞好莱坞特效的
搞水流烟雾模拟的
你们以前只是为了
追求视觉上的好看现在
是时候把你们在可微物理
几何建模上的经验带过来
跟我们一起把这些能力推向电磁学
结构力学
去加速下一代的科学和工程革命
听到这里
如果你是一个懂商业的人
你应该能闻到血腥味了
NVIDIA现在的野心绝不仅仅是
做个卖铲子的算力供应商
他正在把自己变成
一个物理现实的定义者
所有的物理世界规律
正在被Nvidia的模型吃进去
嚼碎了变成了一行行AI可以
瞬间调用的代码
但Nvidia花这么大力气搞物理模拟
真的是只为了帮人造飞机造汽车吗
当然不是
所有这些在虚拟世界里
极度真实的物理法则
其实都是在为整场
发布会的终极形态铺路
他们要创造一个完全受
物理定律支配的虚拟宇宙
去孕育下一代的人工智能
这就引出了发布会的第三个板块
也是最让科技界炸锅的内容
Cosmos3世界模型以及那个
让人细思极恐的物理AI
NVIDIA花这么大代价搭建这个
绝对符合物理定律的游乐场
真正要装进去的玩家只有一个
那就是未来的物理AI
也就是具身智能和自动驾驶
这个时候
Cosmos实验室的副总裁Ming Liu上台了
他一开口直接戳穿了现在
整个机器人行业的遮羞布
物理AI现在有一个致命的死穴
数据枯竭
你仔细算一笔账
为什么ChatGPT这种
语言大模型能爆发
因为互联网上存着人类
几十年敲下来的海量文本
Openai直接拿爬虫一刮
语料库就有了
但机器人呢
机器人要学习怎么抓杯子
怎么躲避行人
怎么在厨房煎鸡蛋
这些所谓的物理直觉
互联网上根本没有
现成的数据包可以下载
你想让机器人变聪明
传统的做法就是
真枪实弹的去录数据
比如你要训练自动驾驶
你就得派车队去
马路上跑几千万公里
你要训练机械臂
就得让人带着VR头显
一次次控制机械臂去
抓取桌子上的积木
这种遥操作收集的数据确实精准
但效率低得令人发指
现实世界的物理法则是按秒流逝的
你没法对着现实世界按快进键
真车在路上开一个小时
就是实打实的一个小时
遇到极端车祸场景的概率
更是低到可以忽略不计
如果靠传统方式去喂养物理AI
可能再过50年
机器人还是个只会扫地的智障
明佑陆在台上的原话非常狠
他说如果只有现实世界这一条路
物理AI永远无法普及但如果
我们能造出一个从机器人
视角出发的虚拟世界模型呢
这句话一出来
整个逻辑闭环彻底打通
只要能用AI生成一个
极度真实的虚拟世界
数据获取就不再是苦
哈哈的去大街上收集
而是变成了在机房里用算力生成
每一滴消耗的GPU算力
都会直接转化成
无数个边缘测试场景
无数种天气状况
一千个不同的厨房布局
一万个不同的仓库环境
这就是这场发布会的终极核
但Cosmos3世界模型
不要把Cosmos当成一个
简单的视频生成工具
它跟Sora完全不是一个维度的东西
Cosmos的底层是一个极其
庞大的混合Transformer架构
左边是一个自回归塔
负责逻辑推理
比如它看到画面
会自己思考接下来该发生什么
右边是一个扩散塔
负责生成画面和声音
而这中间最核心的突破
是他把一种全新的
模态扔进了神经网络里
这个模态叫做动作
什么意思呢
以前的AI看视频就
只是看一堆像素在动
但Cosmos不一样
它是带着目的去理解世界的
为了让全天下所有长得
奇形怪状的机器人都能听懂指令
NVIDIA做了一件非常
可怕的底层统一工作
他们发明了一套
通用的几何动作语言
不管你是四个轮子的自动驾驶汽车
还是单臂工业机器人
或者是拥有两条腿
两只手的人形机器人
在Cosmos眼里
统统被拆解成了最基础的几何基元
你的机身位置在哪里
ego pose你的执行器在哪里
effectors你的抓手在干什么
grippers这个动作定义一确立
发生了一件颠覆整个行业的事情
人类拍的第一人称视频
突然全部变成了机器人的顶级教材
你想一个人带着Gopro在厨房里做饭
视频里的画面就是机身位置
两只手就是两个执行器
Cosmos通过逆向动力学
看完这段视频
立刻就能反推出做饭时
的关节受力和空间轨迹
然后把这套动作逻辑直接
打包装进机器人的大脑里
以前那些没用的网红做饭视频
现在全成了喂养物理AI的顶级语料
这就是降维打击
有了这个万能底座
NVIDIA直接掏出了Cosmos3的家族全家桶
前面提到的针对自动驾驶的Nano模型
针对极致保真度的super模型
这些其实在之前的GTC
大会上就露过脸了
但这次SIGGRAPH min Liu
亮出了最后一块拼图
也是最关键的一步棋Cosmos3edge
这是一个只有40亿
参数的维缩版小模型
专为端侧实时运行量身定制
发布会现场直接切
到了一个实机演示
一个机械臂盯着桌子
上的一个灰色方块
机械臂的底座里插着一块
搭载Jetson Thor芯片的计算板
这个40亿参数的Cosmos 3 edge模型
就在这块本地芯片上疯狂运转
他直接通过摄像头看着那个方块
不仅能瞬间看懂
方块的材质空间位置
还能在毫秒级预测出
自己抓取动作的结果
然后直接指挥机械臂
一把将方块抓起来
这个过程没有任何
云端服务器的参与
没有来回传输的网络延迟
传感器数据进去
机械臂的控制信号出来
这就是边缘端实时控制的完全体
NVIDIA告诉你
未来的机器人不需要时刻
连着Wifi去求助云端的大脑
他们出厂自带一个极度聪明的小脑
能够在真实物理环境里
靠自己的芯片做出
瞬间的生存和作业反应
而为了让这种模型能够又快又准
NVIDIA甚至把去噪步数
强行压缩到了4步
这意味着什么
这意味着图像和视频生成的
响应速度足足飙升了25倍
不管是响应时间还是推理成本
都直接砸穿了地板价
让商用落地变成了可能
最后整场发布会的高潮
也是最让自动驾驶厂商
后背发凉的演示来了
Cosmostreams神经闭环模拟器
在屏幕上
你看到的是一辆自动驾驶
汽车在城郊街道上行驶的画面
阳光树影路过的其他车辆
一切都真实的
甚至有些刺眼
但Ming Yulu旁边的
工程师拿着一个PS4手柄
直接控制着画面里的
汽车左转右转刹车
这不是放录像
也不是GTA5游戏画面
这是Cosmos DREAMS在毫秒级
实时生成的AI梦境
工程师手柄按下去的每一个动作
传给Cosmos后
大模型立刻根据现实
世界的物理规律光影逻辑
凭空运算出汽车挡风玻璃前
接下来该出现的每一帧画面
不仅是正前方的主视角
连右下角的鸟瞰图
也是同步实时生成的
这台自动驾驶汽车的AI算法
其实正行驶在Cosmos大模型给
它编织的一场逼真梦境里
他在梦里遇到加塞
遇到暴雨
遇到鬼探头
他做出的每一次方向盘打轮
都会得到完全符合现实规律的反馈
车企甚至不需要把测试车开上街
直接把自动驾驶的策略
模型接进Cosmos DREAMS里
就可以做无尽的被动
验证和极端场景训练
最离谱的在这里
几个月前
NVIDIA刚搞出这个实时
梦境系统的时候
还要靠整整64张GB300级别的
顶级芯片并联才能勉强跑动
那个成本是正常
公司根本负担不起的
后来他们把算力优化
到了16张Vera Rubin芯片
而今天在SIGGRAPH 2026的舞台上
这套完全实时的高保真的
闭环虚拟自动驾驶模拟器
只需要靠桌子上一张单
卡的RTX Pro6,000工作站显卡
就能流畅运行
一张单卡跑起了一整个物理世界
当算力成本被压缩到这个地步
自动驾驶和机器人行业的研发门槛
直接从云端跌落到了车库级别
以后任何一家做物理AI的创业公司
只要买一台Nvidia的工作站
就等于拥有了一个可以
无限折叠时间和空间
无限试错的现实训练场
讲到这里
整场SIGGRAPH 2026主题演讲的
底牌已经完全翻开了
如果你到现在
还以为Nvidia只是在卖GPU
那你已经被远远甩在时代后面了
从delight五重数图形渲染管线
到把庞大的流体力学
压缩近200兆的模型
再到今天发布主宰物理
定律的Cosmos3和Cosmos DREAMS
NVIDIA正在亲手搭建
一条从数字到物理
从软件到硬件的绝对垄断闭环
它给开发者提供底层算力
给工程师提供物理引擎
最后给未来的机器人发放大脑
在这个新纪元里
不再是代码定义游戏
而是生成式AI直接定义世界
不再是车队去马路上苦苦收集数据
而是算力直接涌现出数据
未来的商业竞争
谁能掌握构建虚拟
世界的速度和保真度
谁就能控制物理AI进化的速度
而在这条赛道上
英伟达已经不是在领跑
它是在亲手制定物理
世界的全新操作系统
好今天就到这里了
记得点个订阅
我们持续追踪这些
巨头怎么改变未来