英伟达GTC 2025揭示了人形机器人领域的突破性进展，推出了GROOT N1开放基础模型与Jetson Thor计算平台，标志着从专用机器人向通用、专业通才机器人的范式转变。

● GROOT N1通过视觉与语言指令驱动精准动作，支持跨实体协作，价格亲民的LeRobot S0100机械臂即可运行；

● Thor平台以2 FP4 PETAFLOPS算力、Holoscan传感器桥与多层安全架构，重新定义机器人计算能力。

我们从技术创新与应用潜力、开发生态与市场前景两个维度，分析NVIDIA的人形机器人战略，探讨其如何通过开放模型、模拟现实混合训练与模块化开发，加速人形机器人从实验室到现实的落地。

01

GROOT N1

与Thor重塑人形机器人架构

NVIDIA GTC 2025展示了人形机器人技术的三大支柱：GROOT N1开放基础模型、Jetson Thor计算平台与模拟现实混合训练体系，共同构筑了从感知到动作的智能化闭环。

● GROOT N1作为全球首个人形机器人开放基础模型，颠覆了传统机器人依赖专有系统的局限，核心在于多模态输入（视觉与语言指令）与输出（精确运动动作），能够完成如杂货打包、物品分类等复杂任务。

GROOT N1支持跨实体功能，即单一模型可驱动不同物理形态的机器人，显著提升协作效率与开发灵活性。

其开源特性进一步降低了进入门槛。Hugging Face平台已上线，开发者可通过售价仅110美元的LeRobot S0100机械臂进行实验，相比2001年NASA Robonaut 150万美元的成本，Unitree G1（4万美元）与GROOT N1的组合将人形机器人普及化推向新高度。

● Jetson Thor平台以其2 FP4 PETAFLOPS算力（较2024年公布的800 FP8 TFLOPS翻倍）成为人形机器人的计算核心。

Thor基于Blackwell GPU架构，内置新型变换器引擎支持FP4与FP8精度计算，优化大型语言模型与动作模型的边缘部署。

14核Poseidon-AE ARM CPU与128GB LPDDR5X内存确保实时传感器处理与高带宽数据传输，而4X 25GbE以太网与Holoscan传感器桥实现低延迟多传感器融合，满足人形机器人对视觉、IMU、音频与电机编码器的高速需求。

Thor的多实例GPU（MIG）功能首次引入边缘计算，允许将GPU分割为独立实例，分别处理低延迟控制（如100-1kHz的扭矩控制）与高阶推理（如1-5Hz的目标识别），完美适配人形机器人的混合重要性场景。

Thor的安全架构涵盖平台级（功能安全岛与锁步R52处理器）、端到端（Holoscan支持SE2级安全）与AI基安全（内外协同感知），确保机器人操作的可靠性和数据隐私。

● 人形机器人的数据训练采用“真实+合成”混合策略，真实世界数据（1x）提供高精度示范，合成数据（100x）通过NVIDIA Omniverse生成无限场景，结合YouTube等网络数据，形成分层数据金字塔。这种方法大幅降低训练成本，加速模型迭代。

OmniH2O与Hover神经控制器进一步优化全身动作，通过运动重定向、强化学习与Sim2Real部署，实现从模拟到现实的平滑过渡。

这些技术创新使人形机器人不仅能胜任单一任务（如工厂装配），更能演变为通用机器人，微调后成为专业通才（如医疗护理机器人），为填补休闲、医疗、建筑等行业1.3万亿美元的劳动力缺口提供了可行路径。

人形机器人因其多功能性、棕地适应性（融入人类环境）与数据利用能力，成为解决劳动力短缺的理想方案，而GROOT N1与Thor的结合为这一愿景提供了坚实的技术基础。

02

开发生态与市场前景：

开放与模块化

驱动人形机器人普及

英伟达的人形机器人战略不仅依赖技术突破，更通过开放生态与模块化开发降低行业进入壁垒，加速市场化进程。

● 首先，GROOT N1的开源模式是其生态战略的核心。通过Hugging Face平台，开发者可免费获取模型并在低成本硬件上运行，极大地 democratized 人形机器人开发。

相比传统专有系统需要数百万美元的投入，GROOT N1与LeRobot S0100的组合使初创公司、学术机构甚至个人开发者也能参与人形机器人研发。

这种开放性还促进了跨实体协作，单一模型可适配不同机器人形态（如机械臂、四足机器人或双足人形机器人），降低开发者的硬件适配成本。

NVIDIA进一步通过Isaac Lab与Omniverse提供合成数据生成工具，开发者可在虚拟环境中生成海量训练数据，规避真实数据采集的高成本与稀缺性。

● Thor平台的开发套件与软件生态为开发者提供了端到端支持。

开发套件包括载板、模块、散热方案与1TB NVMe存储，优化了I/O布局（所有接口集中一侧，支持多显示器、USB与25GbE），简化了与现有机器人系统的集成。

Holoscan传感器桥是另一亮点，其自定义UDP协议与卸载引擎实现传感器数据到GPU内存的超低延迟传输，支持摄像头、IMU、电机编码器等多种传感器。

模块化设计允许开发者更换传感器而无需重新架构系统，显著提升开发效率与灵活性。

● 软件层面，Jetpack 7支持多实例GPU与PREEMPT_RT实时计算，结合视觉编程接口（VPI）与加速器（如PVA与光流加速器），开发者可快速构建从感知到控制的完整应用。

NVIDIA还允许开发者在上一代Orin平台上提前开发，降低迁移成本。从市场前景看，人形机器人正处于从专用到通用的转型期，NVIDIA的战略精准契合这一趋势。

全球劳动力缺口每年造成1.3万亿美元损失，医疗、酒店与建筑等行业对灵活、高效的机器人需求迫切。人形机器人因其棕地适应性（无需改造现有环境）与多任务能力，成为理想解决方案。

Unitree G1等低成本硬件的涌现进一步推动普及，预计到2030年，全球人形机器人市场规模将达数百亿美元。

NVIDIA的GROOT N1与Thor平台通过降低开发与部署成本，有望加速这一进程，尤其在亚太地区（中国、日本）与北美市场，制造业与服务业的自动化需求将为NVIDIA带来巨大商机。

NVIDIA的开放生态与模块化开发策略为其赢得了开发者与企业的青睐，GROOT N1的跨实体能力与Thor的超强算力将推动人形机器人从实验室走向工厂、医院与家庭。

小结英伟达GTC 2025的人形机器人的内容还是很多的，GROOT N1的开源模型与Jetson Thor的超算平台，结合模拟现实混合训练与Holoscan传感器桥，构筑了从数据到动作的完整技术链，降低了人形机器人开发的成本与门槛。

       原文标题 : 2025人形机器人洞察：Thor平台如何引领智能机器人发展？