秋叶原GiGO三馆，一台《VR战士（Virtua Fighter）》街机前，又一次聚集起熟悉的身影。
最近，黄仁勋与SEGA管理层驻足体验这款诞生于三十年前的经典作品。同行的除了SEGA现任CEO里见治纪与COO内海州史，还有《VR战士》之父铃木裕，以及前社长入交昭一郎，三十年前，正是他拍板向NVIDIA投下500万美元。
对于很多玩家而言，这或许只是一次情怀的重逢。但对于NVIDIA来说，更多的是一段技术合作历程的延续。
上世纪90年代，NVIDIA早期的NV1芯片曾推动《VR战士》登陆PC平台，开启了双方在消费级图形计算时代的合作。三十年后的今天，双方再次宣布，包括即将发售的《VR战士：十字路口（VIRTUA FIGHTER CROSSROADS）》在内的多款作品，将登陆RTX Spark生态。
截取自：NVIDIA官网
这是一场跨越三十年的重逢，但这一次，并不仅仅属于游戏产业。
前三十年，NVIDIA与日本产业侧的联系更多停留在PC图形、游戏娱乐和消费电子领域，那么今天，这条合作链条已经延伸至日本产业的更深处。从个人计算终端到机器人、自动驾驶，从金融机构的私有AI基础设施，到量子超级计算平台，到开发者生态和企业级软件体系，AI正成为NVIDIA与日本产业合作的新纽带。
这也是此次黄仁勋日本之行值得关注的地方。NVIDIA展示的是一套覆盖终端、边缘、数据中心与超级计算的完整AI计算平台，并通过与SEGA、瑞穗银行（Mizuho）、日本理化学研究所（RIKEN）等本土企业和科研机构的合作，将这套平台嵌入日本制造、科研、金融与消费市场的不同场景之中。
从一台街机开始，又不止于一台街机。
三十年前，NVIDIA参与推动了日本PC图形计算时代的到来；三十年后，借助NVIDIA的Agentic AI、Physical AI以及混合计算等新一代技术，参与助力日本AI产业开启下一阶段。
01 深入工业场景:从单点加速到全链路接管
如果说AI PC代表着AI进入个人端的载体，那么工业，则是AI走向真实物理世界的第一站。
相比数字世界里的文本和图像，机器人、自动化设备和工业产线面对的是更加复杂的现实环境。AI不仅需要“看懂”物理世界，还要能够实时理解、决策并执行动作，这也是Physical AI（物理AI）正在解决的问题。
然而，与数字世界相比，真实的物理环境复杂得多。要让AI真正具备感知、理解并执行现实任务的能力，首先需要跨越两道关键技术门槛。
其一是长尾数据的缺失。构建生产级视觉智能体，需要海量的场景数据进行模型调优。但在现实中，诸如“罕见的机械缺陷”或“极端的光照突变”等长尾数据极度匮乏。
其二是端侧算力、功耗与功能安全的严格限制。自主机器人需要极低延迟的实时推理，但工业现场对芯片功耗有着严苛限制，且复杂的嵌入式系统必须满足绝对的“功能安全（Functional Safety）”，常规云端芯片在此难以发挥作用。
面对这些挑战，NVIDIA全面更新了由Cosmos、Metropolis和Jetson组成的核心技术矩阵。
在物理AI基础模型层面，Cosmos定位于面向视觉推理与机器人策略优化的基础模型。继上个月台北GTC发布Cosmos 3 Nano 和 Cosmos 3 Super 之后，NVIDIA进一步扩展不同参数的版本：Cosmos 3 Edge。
截取自：NVIDIA官网
截取自：NVIDIA官网
Cosmos 3 Edge是基于NVIDIA Nemotron构建的40亿参数模型，专为微型Jetson等边缘设备打造，在有限内存条件下依然能够高效运行。同时，它采用了极为彻底的开源策略，模型权重、训练数据集、评估脚本以及构建配方（Recipes）全部开放，方便开发者进行训练、微调和二次开发。借助开放的Cosmos框架，开发者针对特定机器人、车辆、传感器和环境完成适配，大约只需要一天时间。除Jetson外，它同样可以部署在RTX GPU与DGX系统上。
基础模型之外，配套的软件开发环境也同步完成升级。NVIDIA Metropolis开放库与技能迎来一次大版本更新，新增超过80项技能。
其中，最核心的Physical AI Data Factory（物理AI数据工厂）能够调用Cosmos模型，自动生成并增强合成图像和视频，从而有效填补长尾数据缺失的问题。结合支持自然语言管理监测网络的VSS Blueprint 3.2、多传感器处理管线DeepStream 9.1，以及专注模型定制的TAO7，开发者构建物理AI智能体的效率可提升至少6倍，相关技能也已全部在GitHub开源。
截取自：NVIDIA官网
为了填补这一性能中间层，NVIDIA本周正式发布两款全新的计算模块：Jetson T3000、Jetson T2000。
其中，Jetson T3000可提供865 FP4 TFLOPS算力，体积与功耗约为T5000的一半，却在大语言模型、视觉语言模型、视觉语言动作模型与世界基础模型等多模态负载上，做到了与T5000相近的推理表现。它搭载一颗Blackwell GPU、八核Neoverse Arm CPU、32GB LPDDR5X内存与273GB/s内存带宽，并支持25GbE连接。
Jetson T2000则提供400 FP4 TFLOPS算力与16GB内存，定位是视觉AI智能体、自主移动机器人、工业机械臂等更广泛的边缘场景的入门选择。
两款新品加入后，NVIDIA的边缘AI平台形成了一条从70 TOPS一直延伸到2000 TFLOPS的完整算力梯度。
截取自：NVIDIA官网
两款新品预计将于2027年第一季度量产。不过开发者不必干等。本月晚些时候，随JetPack 7.2.1发布，开发者即可用现有的Jetson AGX Thor开发者套件模拟T3000的性能，提前完成应用开发；T2000的仿真模式将在后续版本中跟进。
底层技术的创新突破，也进一步推动了实体工业场景的规模化落地。
Metropolis落地了诸多场景，工业检测方向，欧姆龙正利用VSS驱动的视频分析智能体增强自动化检测；DeepHow则帮助矢崎北美实现时间动作研究自动化，将原本数周的流程压缩至数天，每年节省数百万美元。
智能空间与公共安全方向，日立 HMAX 的多款方案利用VSS驱动的智能体识别建筑与轨道交通基础设施中的问题，仅轨道交通应用就降低了15% 的维护成本与能耗；富士通 Kozuchi平台将VSS与自有的智能体记忆技术结合，把长时段视频转化为运营知识；清水建设则在试点将VSS用于建筑工人安全；Asilla 基于DeepStream与VLM 监测公共场所与商业设施以缩短事件响应时间；AWL用DeepStream构建零售与制造方案。
基础模型层面，Cosmos的落地场景也已形成阵营效应。NVIDIA本次将Cosmos Coalition（Cosmos联盟）扩展至日本，AIRoA、发那科、富士通、GROOVE X、日立、本田技研、川崎重工、久保田、三井物产、三菱商事、Mujin、NEC、Preferred Networks、软银、索尼集团、Telexistence、TIER IV、TRON K.K.、Turing、安川电机等一批日本机器人与制造业龙头均有意加入，共同推进开放世界模型。
其中，富士通牵头联合发那科、安川电机与川崎重工，正在探索一个面向物理AI的协同控制平台，底层整合Cosmos世界基础模型、开放的Isaac机器人开发平台、Omniverse NuRec库与Newton物理引擎，用于打通AI模型开发、数字孪生、机器人学习与仿真到现实（sim-to-real）的全链路验证。
具体场景创新上，川崎重工把物理AI技术铺向医疗、造船、交通、航空航天与能源；久保田探索基于Cosmos的自动化农业；Enactic在微调Isaac GR00T开放模型，做面向养老照护的半人形机器人；GROOVE X用Jetson打造陪伴机器人LOVOT；Telexistence则把Isaac用于零售自动化。
值得注意的是，新一代Jetson还引入了Agent技能（skill），支持“自动化内存优化”，允许用户降档使用成本更低的模块承载同等负载。目前，优必选、Agile Robots与Connect Tech借此把内存占用压低了最多15GB，从AGX Orin 64GB降到32GB模块；智慧零售厂商SandStar省下4GB，从Orin NX 16GB换到8GB；智能交通厂商NoTraffic在TX2 NX上省出30%内存，腾出的空间又塞进了更多AI能力。原本需要数周的手工优化，现在几天就能完成。
这一策略也反映了NVIDIA明确的商业考量：在内存价格高企的当下，帮客户降一档SKU，比逼客户上旗舰更能换来长久的生意。 以开源模型作为底层地基，正是NVIDIA切入物理世界核心环节的关键路径。
如果说Cosmos联盟展示的是“广度”，那么丰田的合作展示的就是“深度”。这家公司，把NVIDIA的技术栈从驾驶座一路用到了工厂车间和城市路网。
这次NVIDIA与丰田的合作扩展，覆盖四个层面。
车端，丰田正基于NVIDIA DRIVE AGX打造新一代车辆，运行通过安全认证的DriveOS操作系统，交付L2++级别的辅助驾驶能力。
软件工程侧，随着汽车日益软件定义化，丰田用NVIDIA Megatron-LM训练并微调了一个符合MISRA规范的代码助手模型，训练过程中参考了包括Nemotron在内的多种数据集。这个定制模型专门用于汽车代码的生成与评审，让工程师在满足严苛合规要求的前提下更快地产出安全关键代码。
工厂侧，丰田用Omniverse库与开放的Isaac Sim框架把仿真搬进了生产车间，覆盖工厂与机器人工作流、机器人运动仿真乃至更大范围的数字孪生环境。
城市侧，丰田子公司Woven by Toyota用H100 GPU与Megatron-Core开发了一个面向城市交通智能的多模态视觉语言模型，用于解读真实路况、预判接下来会发生什么。
正如NVIDIA汽车业务副总裁Rishi Dhall的说法：“物理AI将把智能带给每一台会动的机器，从汽车、机器人、卡车，到它们所在的城市与工厂。”
02 高壁垒行业：打破数据孤岛与特化盲区
工业领域面临的是长尾数据与边缘算力的挑战，那么将AI引入金融和生命科学，则要跨越另外的门槛。
在金融业，大型机构坐拥海量的高频交易和客户隐私数据，但受制于极其严格的审计与数据安全监管要求，这些敏感资产绝不允许上传至公有云进行API调用，导致金融机构出现“守着金山讨饭吃”的现象。
医药研发场景下，模型需要精准推演错综复杂的生化机制。脱离生物医药专业语料积累、没有生物计算底座加持的通用大模型，导致空有算力却难以产生有效输出，难以胜任硬核研发任务。
面对高监管与特化场景这两道门槛，NVIDIA提供了企业级、可完全私有化部署的专属基础模型与工具平台。
针对金融行业的数据合规问题，NVIDIA提供的是NVIDIA Nemotron开源模型：这是一套开放权重、开放训练数据和训练配方的模型，专为构建特化AI智能体提供高效率和高准确率，其Nemotron 3系列模型系列于去年12月发布，提供Nano、Super、Ultra三种尺寸，采用混合专家（MoE）架构，每个token只激活一小部分参数，从而在多智能体系统中获得更高吞吐与更低推理成本，并支持包括NVIDIA RTX PRO和DGX Spark在内的广泛平台，可从边缘到云端部署。
截取自：NVIDIA官网
更关键的是，企业可以使用其NVIDIA NeMo对模型进行定制、评估和优化，并将其部署在满足监管和数据本地化要求的环境中，这也正好对应了金融机构“数据不能出域”的核心诉求。
但仅有模型还远远不够。模型只是智能体负责思考与推理的“大脑”，而一个能够完成工作的数字员工，还需要负责规划任务、调用工具、执行流程以及保障安全的一整套运行体系。这正是NVIDIA推出Agent Toolkit的原因。
Agent Toolkit是一套面向数字员工构建的开源开发平台。它将开放模型、工具、技能以及企业级运行时整合在同一框架中：模型负责理解与推理；工具和技能负责让智能体能够调用企业系统、执行具体业务，并具备行业专长；运行时则负责调度整个工作流，保障智能体持续、稳定地完成任务。
为了进一步降低企业构建智能体的复杂度，Agent Toolkit又将整套能力拆解为三个核心层次：
第一块是模型，提供推理基础，由Nemotron开源模型承担，企业可以自行定制、评估和部署。
第二块是工具与技能，负责把智能体接到真实系统上、执行具体业务，并注入行业专长，由NVIDIA NemoClaw blueprints承担。Blueprint是开放的智能体蓝图，开发者无需从零设计工作流，而是可以基于这些预置框架快速构建能够自主推理、规划并执行真实业务流程的领域专属AI系统，同时获得更安全的智能体行为模式与更低的调用成本。
第三块是运行时，负责让智能体在真实工作发生的系统里安全地跑起来，由NVIDIA OpenShell runtime承担。它可以理解为智能体运行时所依赖的执行环境，支持部署在本地或云端基础设施之上，使企业敏感数据始终留在内部环境中完成调用与执行，无需上传至公有云，满足金融机构等行业对数据合规性的严格要求。
截取自：NVIDIA官网
值得一提的是，这套工具箱接受开发者搭配自己惯用的第三方智能体框架，包括Hermes Agents和OpenClaw。
与金融行业不同，生命科学领域面临的是专业能力难以迁移的问题。通用大模型虽然具备丰富的生物医学知识，却无法直接完成蛋白质设计、分子筛选、基因分析等科研工作。因此，NVIDIA除了提供智能体调度与执行的Agent Toolkit，还推出了BioNeMo Agent Toolkit。
用黄仁勋的话说：“前沿模型是大脑，BioNeMo Agent Toolkit是科学工具箱，二者结合，让AI智能体既有博士级研究助理的技能，又有超级计算机的速度。”
利用BioNeMo Agent Toolkit可将生命科学领域成熟的科研能力封装为一系列可调用的技能（Skills）。当智能体执行科研任务时，能够根据需要调用蛋白质结构预测、分子对接、生成式化学、基因组分析、蛋白质设计、生物标志物发现等专业工具，将原本依赖科研软件完成的复杂计算纳入统一的智能体工作流，从而弥补通用大模型在生命科学领域的专业能力缺口。
在具体落地上，日本瑞穗银行（Mizuho）计划建设当地金融业迄今规模最大的本地AI工厂。依托DGX B200与Nemotron Open Models，瑞穗在保障金融数据不出域的前提下，将自主智能体安全引入反欺诈、信息自动化收集和研报生成等核心业务流程；乐天银行（Rakuten Bank）借助Agent Toolkit开发面向高频消费者数据的交易基础模型（Transaction Foundation Models），进一步提升金融智能体的专业能力。
在生命科学领域，在日本生命科学计算平台Tokyo-1的支撑下，安斯泰来（Astellas）部署了完整的BioNeMo微服务体系，贯通数字化药物研发流程。
与此同时，初创公司SyntheticGestalt发布了基础模型ZAO，通过创新性的“4D分子表征”方式，可同时捕捉分子的多种三维构象，在九项公开药物发现基准测试中取得极佳成绩，大幅提升了新药筛选效率。
03 科学计算:突破“量子孤岛”与经典超算“物理天花板”
在材料科学、化学模拟、生命科学等基础科研领域，计算复杂度正随着问题规模呈指数级增长。无论是探索下一代半导体EUV光刻胶、设计新材料，还是进行高精度分子光谱分析，仅依靠不断扩展CPU规模的传统超算，已将难以为继。
因此，量子计算被视为突破这一瓶颈的重要方向。对于某些特定问题，量子算法拥有经典计算难以企及的理论优势。然而，量子计算并不能取代经典计算，而是要依赖经典计算。量子处理器（QPU）需要持续进行自动化校准，量子比特极易受到噪声干扰，需要借助AI完成实时量子纠错。
与此同时，大规模科研任务中的数据预处理、任务调度、结果验证等工作，仍然需要GPU和CPU承担。所以，让QPU与经典算力协同运行，而不是成为彼此割裂的“量子孤岛”，是量子计算走向产业应用的工程难题。
针对这一挑战，NVIDIA更新的是一套“量子—经典”混合计算架构，可以将GPU、CPU与QPU整合为统一的科研计算平台。
硬件层面，NVIDIA依托GB200 NVL4平台部署Blackwell GPU集群，并通过全新的NVIDIA NVQLink，实现GPU与QPU之间的超低延迟互连，使不同类型的处理器能够在同一计算任务中协同工作。
NVQLink的核心是一套被称为逻辑QPU（Logical QPU）的机器模型：一端是可用C++或Python通过CUDA-Q编程的实时主机（GPU计算节点），另一端是第三方的量子系统控制器（QSC，通过FPGA或RFSoC阵列管理量子比特的底层模拟与数字控制），中间由一条基于RoCE（RDMA over Converged Ethernet）的实时互连打通，端到端时延低于4微秒。
截取自：NVIDIA官网
软件层面，NVIDIA的CUDA-Q进一步演进为完整的“量子—经典混合计算框架”。
在AIST旗下的量子AI技术产业化全球研发中心（G-QuAT），NVIDIA正把最新的AI能力接入该中心现有与未来的量子处理器系统：NVQLink负责GPU与QPU之间的低延迟连接，而NVIDIA Ising开源模型则用于QPU自动校准与基于AI的量子纠错解码。
需要说明的是Ising的具体角色。在CUDA-Q QEC库中，它并非一个笼统的"AI校准模型"，而是承担预解码器（pre-decoder）职责：CUDA-Q QEC通过NVQLink提供两条GPU加速的实时解码管线——RelayBP用于qLDPC码，NVIDIA Ising预解码器搭配PyMatching用于表面码。 这使量子计算能够更稳定地接入现代超级计算中心。
随着底层互连和软件框架逐渐成熟，混合计算也开始从概念验证走向真实科研应用。
日本理化学研究所（RIKEN）正式启用了ROQUO混合超级计算机。该系统基于GB200 NVL4平台部署540张Blackwell GPU，并与园区内的离子阱量子计算机紧密互连，形成统一的“量子—经典混合计算平台”。
目前，这一架构已经开始带来实际收益。由三菱化学、瑞穗银行等机构组成的联合研究团队，在分子光谱分析任务中采用这一混合工作流，相较传统纯CPU计算节点，实现了最高13.4倍的性能提升。
产业上看，这也意味着量子计算正在逐步摆脱单纯的“实验室验证”定位，正以混合计算的形式融入现代超级计算体系，与经典计算共同承担真实科研任务。
04 写在最后
把本次NVIDIA的技术产品逻辑串联起来，一条清晰的主线逐渐浮现。
Physical AI负责把智能体从数据中心带入工厂、机器人和边缘设备；Agent Toolkit、Nemotron与BioNeMo进一步打开金融、生命科学等高壁垒行业；量子—经典混合计算则将AI延伸至下一代科学计算体系。而面向普通消费者，RTX Spark重新定义Windows PC本身
虽然这些产品覆盖的是不同产业，但背后却遵循着同一套技术逻辑——开放生态、统一平台、硬件承载。
此次发布的几乎所有核心能力，都围绕这几点展开。Nemotron开放模型权重、训练数据和训练配方；Cosmos 3不仅开放模型，还将训练脚本和六个合成数据集一并上传至Hugging Face和GitHub；Metropolis新增的80余项技能全部开源；Agent Toolkit甚至允许开发者替换默认编排层，接入Hermes Agents、OpenClaw等第三方框架；就连连接经典计算与量子计算的NVQLink FPGA IP，也免费向合作伙伴开放，无需公开自身固件。
简而言之，NVIDIA正在以开放的软件生态降低AI应用门槛，再以统一的计算平台承接不断扩大的开发者与产业需求。