开放模型如何推动AI研究

NVIDIA Blog 2026/07/06 16:00 新闻

open-models ai-research icml nvidia nemotron bionemo cosmos

摘要

NVIDIA强调，开放前沿模型和AI基础设施正在推动AI研究，这体现在ICML 2026接收的论文中，涵盖机器人学、生命科学和合成数据等领域。

<div id="bsf_rt_marker"></div>每年，国际机器学习大会（ICML）都会揭示数千名AI研究人员将工作重点放在何处。 今年接收的论文清晰指明了一个方向：开放<a target="_blank" href="https://www.nvidia.com/en-us/glossary/frontier-models/">前沿模型</a>和开放<a target="_blank" href="https://www.nvidia.com/en-us/glossary/ai-infrastructure/">AI基础设施</a>已成为现代AI科研的基础。 NVIDIA在ICML 2026上有74篇论文被接收。约2000篇接收论文引用了NVIDIA GPU，145篇引用了<a target="_blank" href="https://www.nvidia.com/en-us/ai-data-science/foundation-models/nemotron/">NVIDIA Nemotron</a>——一个包括开放数据集在内的开放模型系列——作为新研究的基础。还有数百篇论文利用了NVIDIA<a target="_blank" href="https://www.nvidia.com/en-us/ai/cosmos/">Cosmos</a>、NVIDIA<a target="_blank" href="https://developer.nvidia.com/isaac/gr00t">Isaac GR00T</a>、<a target="_blank" href="https://nvidianews.nvidia.com/news/nvidia-launches-bionemo-agent-toolkit-giving-ai-agents-the-tools-to-accelerate-scientific-discovery">BioNeMo</a>及其他NVIDIA开放模型系列，涵盖物理AI、机器人技术、自动驾驶和生物医学研究。 <h2>定义今年研究的主题</h2> 包括视觉与视频生成、大语言模型的<a target="_blank" href="https://www.nvidia.com/en-us/glossary/reinforcement-learning/">强化学习</a>和<a target="_blank" href="https://www.nvidia.com/en-us/glossary/ai-agents/">智能体</a>训练以及<a target="_blank" href="https://www.nvidia.com/en-us/glossary/ai-inference/">AI推理</a>等领域仍然是今年论文中的突出主题，反映了这些领域所获得的持续投入——同时，几个新领域也取得了突破。 机器人<a target="_blank" href="https://www.nvidia.com/en-us/glossary/world-models/">世界模型</a>引起了广泛关注，像<a target="_blank" href="https://arxiv.org/abs/2602.06949">DreamDojo</a>这样的论文正在推动AI系统学习推理和作用于物理环境的边界。例如，DreamDojo通过人类视频学习物理世界的行为方式，并基于NVIDIA Cosmos开放前沿模型预测机器人如何处理它从未训练过的环境中的物体和操作。它让研究人员评估策略、规划行动并远程操作虚拟机器人，从而加速开发，避免了物理部署的成本和风险。 生命科学领域的AI受到NVIDIA BioNeMo开放模型和研究贡献的推动，帮助研究人员理解蛋白质功能、分子行为和遗传密码。像<a target="_blank" href="https://www.biorxiv.org/content/10.64898/2026.02.23.707496v4">FLIP2</a>这样的论文引入了公开基准测试，用于测试AI预测蛋白质突变效果的能力。<a target="_blank" href="https://github.com/NVIDIA-BioNeMo/KERMT">KERMT</a>是一个新的BioNeMo开放模型，用于预测对药物发现重要的分子特性。 <a target="_blank" href="https://www.nvidia.com/en-us/glossary/synthetic-data-generation/">合成数据生成</a>（SDG）今年在ICML上引起了特别关注，多个Nemotron和<a target="_blank" href="https://huggingface.co/collections/nvidia/physical-ai">物理AI</a>开放数据集反映了研究人员在思考大规模训练时不再仅仅依赖人工标注数据的更广泛转变。 <h2>开放研究栈</h2> 开放基础设施为研究人员提供了加速突破的工具。 这些论文表明，Nemotron更像是一个研究栈而不是单一模型发布：开放的权重用于评估，开放的数据集用于训练和适配，以及开放的配方用于推理、工具使用、安全性、数据整理和高效推理。 除了这些模型，NeMo Curator及其支持的开放数据集<a href="https://blogs.nvidia.com/blog/nemotron-open-source-ai/">为研究人员提供了可复现的训练数据整理基础</a>。SDG工具使得创建高质量训练集的速度和规模在几年前还是不可想象的。 <iframe title="YouTube视频播放器" src="https://www.youtube.com/embed/Oojrfdl42LI?si=d8DWB-qpGVCFc0_-&start=93" width="560" height="315" frameborder="0" allowfullscreen="allowfullscreen"></iframe> <a target="_blank" href="https://www.nvidia.com/en-us/ai/cosmos/">Cosmos 3</a>开放前沿<a target="_blank" href="https://www.nvidia.com/en-us/glossary/omni-model/">全能力模型</a>系列为研究人员和开发者提供了代际飞跃，使他们能够构建感知、推理、规划并作用于物理世界的机器人、自动驾驶车辆和视觉AI。 此外，<a target="_blank" href="https://www.nvidia.com/en-us/solutions/autonomous-vehicles/alpamayo/">NVIDIA Alpamayo</a>自动驾驶车辆开放模型系列、<a target="_blank" href="https://developer.nvidia.com/isaac/gr00t">NVIDIA Isaac GR00T</a>机器人技术和<a target="_blank" href="https://github.com/NVIDIA-BioNeMo">NVIDIA BioNeMo</a>生物医学领域均加速了各行业的研发进程。 <h2>以此为基础的生态系统</h2> 这一势头超越了NVIDIA自身的<a target="_blank" href="https://research.nvidia.com/research-labs">研究实验室</a>。 Basecamp Research<span style="f

查看原文

查看缓存全文

缓存时间: 2026/07/06 16:34

# 开放模型如何推动 AI 研究来源：https://blogs.nvidia.com/blog/open-models-icml-2026/ 每年，国际机器学习大会（ICML）都会揭示数千名 AI 研究者选择将工作投向了哪些方向。今年被录用的论文指向了一个清晰的方向：开放前沿模型 (https://www.nvidia.com/en-us/glossary/frontier-models/)和开放 AI 基础设施 (https://www.nvidia.com/en-us/glossary/ai-infrastructure/)已经成为现代 AI 科学研究的基础。 NVIDIA 在 ICML 2026 上有 74 篇论文被录用。约有 2000 篇被录用论文引用 NVIDIA GPU，145 篇引用了 NVIDIA Nemotron (https://www.nvidia.com/en-us/ai-data-science/foundation-models/nemotron/)——一个包含开放数据集的开放模型系列——作为新研究的基础。另外数百篇论文则基于 NVIDIA Cosmos (https://www.nvidia.com/en-us/ai/cosmos/)、NVIDIA Isaac GR00T (https://developer.nvidia.com/isaac/gr00t)、BioNeMo (https://nvidianews.nvidia.com/news/nvidia-launches-bionemo-agent-toolkit-giving-ai-agents-the-tools-to-accelerate-scientific-discovery) 以及其他 NVIDIA 开放模型系列，涵盖物理 AI、机器人技术、自动驾驶汽车和生物医学研究。 ## **定义今年研究的主题** 包括视觉与视频生成、大语言模型（LLM (https://www.nvidia.com/en-us/glossary/large-language-models/)）的强化学习 (https://www.nvidia.com/en-us/glossary/reinforcement-learning/)，以及智能体 (https://www.nvidia.com/en-us/glossary/ai-agents/)训练和 AI 推理 (https://www.nvidia.com/en-us/glossary/ai-inference/)在内的领域，仍然是今年论文中的突出主题，反映了这些领域获得的持续投入——同时，几个新领域也取得了突破。 **机器人世界模型** (https://www.nvidia.com/en-us/glossary/world-models/) 引起了广泛关注，像 DreamDojo (https://arxiv.org/abs/2602.06949) 这样的论文推动了 AI 系统学习推理并在物理环境中行动的边界。例如，DreamDojo 从人类视频中学习物理世界的行为方式，并基于 NVIDIA Cosmos 开放前沿模型来预测机器人如何在从未训练过的环境中处理物体并进行操作。它让研究人员能够评估策略、规划动作并远程操作虚拟机器人，从而加速开发，无需承担物理部署的成本和风险。 **AI 生命科学** 得益于 NVIDIA BioNeMo 开放模型和研究贡献，帮助研究人员理解蛋白质功能、分子行为和遗传密码。像 FLIP2 (https://www.biorxiv.org/content/10.64898/2026.02.23.707496v4) 这样的论文引入了公共基准测试，用于评估 AI 预测蛋白质突变效果的能力。KERMT (https://github.com/NVIDIA-BioNeMo/KERMT) 是一个新的 BioNeMo 开放模型，用于预测对药物发现至关重要的分子特性。 **合成数据生成** (https://www.nvidia.com/en-us/glossary/synthetic-data-generation/) (SDG) 在今年 ICML 上引起了特别关注，多个 Nemotron 和物理 AI (https://huggingface.co/collections/nvidia/physical-ai) 开放数据集的出现，反映了研究人员在思考如何不依赖人工标注数据而进行大规模训练方面的一个更广泛的转变。 ## **开放研究栈** 开放基础设施为研究人员提供了加速突破的工具。这些论文显示，Nemotron 的使用方式已不仅仅是单一的模型发布，而更像是一个研究栈：可评估的开放权重、可用于训练和适配的开放数据集，以及用于推理、工具使用、安全性、数据整理和高效推理的开放配方。除了模型之外，NeMo Curator 及其支持的开放数据集为研究人员提供了可复现的训练数据整理 (https://blogs.nvidia.com/blog/nemotron-open-source-ai/) 基础。SDG 工具使得以几年前还不可行的规模和速度创建高质量训练集成为可能。 Cosmos 3 (https://www.nvidia.com/en-us/ai/cosmos/) 系列开放前沿全能模型 (https://www.nvidia.com/en-us/glossary/omni-model/) 为研究人员和开发者提供了代际飞跃的能力，用于构建能够在物理世界中感知、推理、规划和行动的机器人、自动驾驶汽车和视觉 AI。此外，NVIDIA Alpamayo (https://www.nvidia.com/en-us/solutions/autonomous-vehicles/alpamayo/) 开放模型系列用于自动驾驶汽车开发，NVIDIA Isaac GR00T (https://developer.nvidia.com/isaac/gr00t) 用于机器人技术，NVIDIA BioNeMo (https://github.com/NVIDIA-BioNeMo) 用于生物医学，这些都在加速跨行业的研究与开发。 ## **在此基础上构建的生态系统** 这一发展势头超越了 NVIDIA 自身的研究实验室 (https://research.nvidia.com/research-labs)。 Basecamp Research 开发了一个新的 DNA 基础模型 EDEN，帮助研究人员解释和设计基因序列。默克公司（Merck & Co.）使用 KERMT 来预测潜在药物分子在体内的行为，包括它们是否可能有效、安全且具有可开发性。 Sakana AI——今年参加了 ICML——直接基于 Nemotron 3 Ultra 构建了其 Fugu 和 Fugu-Ultra 模型，利用这一开放基础推动其在 AI 研究自动化方面的工作。 KiloCode 将 Nemotron 集成到其代码路由架构中，报告称 Token 成本降低了高达 90%——这一结果对 AI 在生产环境部署的经济性具有实际影响。 NAVER (https://arxiv.org/abs/2604.24954) 使用 Nemotron 架构开发了自己的模型，扩展了韩语 AI 研究的基础。 Together AI 在其平台上托管 Nemotron 模型，使那些需要可靠、无缝开放推理访问的研究人员更容易使用。 Humanoid、LG Electronics、NEURA Robotics 和 Noble Machines 正在采用 NVIDIA Isaac GR00T 模型来加速其人形机器人的工业部署，而 1X、Agility、Agile Robots、Boston Dynamics、Hexagon Robotics 和 Mentee 正在使用 Cosmos 世界模型、Isaac Sim 和 Isaac Lab 构建下一代人形机器人，以加速其机器人的开发和验证。在 Hugging Face 上探索 NVIDIA 的开放模型 (https://huggingface.co/nvidia)。在 7 月 10 日（星期五）ICML 的 GenBio 研讨会 (https://genbio-workshop.github.io/2026/) 上探索基因组学和生物学研究。

开放模型如何推动AI研究

相似文章

开放与封闭AI模型：2025-2026年差距如何缩小及未来走向

哪些开放模型对生态系统更有帮助？

AI的未来是开放与专有并存

人工智能的经济因素开始倾向于开放模型

开源不仅对开发者有益，它还是美国最强大的AI安全工具之一。更多模型意味着更…

提交意见反馈