每年的国际机器学习大会(ICML)都会展示全球数千名人工智能研究人员的最新成果。今年提交的论文清晰地表明了一个趋势:开放前沿模型和开放人工智能基础设施已成为现代人工智能科学研究的基石。
英伟达(NVIDIA)共有 74 篇论文被 ICML 2026 接收。其中约有 2,000 篇论文引用了英伟达的 GPU,而 145 篇论文则将英伟达的 Nemotron 系列(包括开放数据集)作为新研究的基础。此外,还有数百篇论文借鉴了英伟达的 Cosmos、Isaac GR00T、BioNeMo 等开放模型系列,涵盖了物理人工智能、机器人、自动驾驶汽车以及生物医学研究等多个领域。
今年研究的重点领域
今年的论文中,视觉和视频生成、用于大型语言模型(LLMs)的强化学习、代理训练以及人工智能推理等领域依然是热门主题,这反映了这些领域持续的投入。同时,一些新兴领域也崭露头角。
机器人世界模型受到了广泛关注,例如 DreamDojo 论文在人工智能系统如何理解和操作物理环境方面取得了突破。DreamDojo 通过学习人类视频中的物理世界行为,并基于英伟达的 Cosmos 开放前沿模型,能够预测机器人在未曾训练过的环境中的操作能力。这使得研究人员能够评估策略、规划动作以及在虚拟环境中进行远程操作,从而在不增加物理部署成本和风险的情况下加速开发进程。
生命科学领域的研究得益于英伟达 BioNeMo 开放模型的研究贡献,这些模型有助于研究人员理解蛋白质功能、分子行为和遗传密码。例如,FLIP2 论文提出了一个公开基准,用于测试人工智能预测蛋白质突变效应的能力。KERMT 则是 BioNeMo 的一款新开放模型,用于预测对药物发现至关重要的分子特性。
合成数据生成(SDG)在今年的 ICML 上引起了特别的兴趣,许多基于 Nemotron 和物理人工智能的开放数据集被展示出来,这反映了研究人员在扩展训练规模和减少对人工标注数据依赖方面的转变。
开放研究栈
开放式基础设施为研究人员提供了加速突破的工具。
论文显示,Nemotron 不仅仅被视为一个单一的模型发布,更被用作一个研究栈:开放的权重用于评估,开放的数据集用于训练和调整,以及开放的“配方”用于推理、工具使用、安全、数据整理和高效推理。
除了模型本身,NeMo Curator 及其支持的开放数据集为研究人员提供了可复现的数据整理训练基础。SDG 工具能够以几年前难以想象的速度和规模创建高质量的训练数据集。
Cosmos 3 系列开放式前沿全模(omnimodels)为研究人员和开发人员提供了在物理世界中进行感知、推理、规划和行动的机器人、自动驾驶汽车和视觉人工智能的构建能力,实现了代际飞跃。
此外,用于自动驾驶汽车开发的英伟达 Alpamayo 开放模型系列、用于机器人领域的英伟达 Isaac GR00T,以及用于生物医学的英伟达 BioNeMo,都在加速各行业的研发进程。
生态系统的构建
这种发展势头不仅限于英伟达自身的研究实验室。
Basecamp Research 开发了一个新的 DNA 基础模型 EDEN,该模型有助于研究人员解读和设计基因序列。
默克公司(Merck & Co.)使用 KERMT 来预测潜在药物分子在体内的行为,包括其有效性、安全性以及可开发性。
Sakana AI 在今年的 ICML 上展示了其直接基于 Nemotron 3 Ultra 构建的 Fugu 和 Fugu-Ultra 模型,利用这一开放基础推动其在人工智能研究自动化方面的工作。
KiloCode 将 Nemotron 集成到其代码路由架构中,报告称代币成本降低了高达 90%,这对于 AI 生产部署的经济性具有实际意义。
Naver 利用 Nemotron 架构开发了自己的模型,为韩语人工智能研究奠定了基础。
Together AI 在其平台上托管 Nemotron 模型,为需要可靠、无缝访问开放推理的研究人员提供了便利。
Humanoid、LG 电子、NEURA Robotics 和 Noble Machines 正在采用英伟达 Isaac GR00T 模型来加速其人形机器人的工业化部署,而 1X、Agility、Agile Robots、波士顿动力(Boston Dynamics)、Hexagon Robotics 和 Mentee 则利用 Cosmos 世界模型、Isaac Sim 和 Isaac Lab 来构建下一代人形机器人,加速其开发和验证。
您可以在 Hugging Face 上探索英伟达的开放模型。
您可以在 7 月 10 日星期五的 ICML GenBio 研讨会上了解基因组学和生物学研究。