演讲主题

Physical AI的算力底座与生态落地

具身智能正在从实验室中的单点模型探索，走向由数据采集、仿真合成、模型训练、后训练、评测、云端或工作站推理以及本体部署组成的完整系统。Physical AI 的核心挑战，不只是模型规模扩大，更在于视觉、语言、动作、仿真和真实世界交互形成了新的工作负载组合，对GPU算力、显存与带宽、互联、软件栈、工具链和开发者生态提出了不同于传统大模型的要求。本演讲将从具身工作负载特征出发，讨论如何建设面向Physical AI的GPU系统与生态，并总结从技术验证走向产业落地时需要补齐的工程和协同环节。 听众收益： 1. 建立从数据、训练、仿真到部署的Physical AI完整技术视角 2. 理解具身智能工作负载与传统LLM推理在算力需求上的关键差异 3. 获得评估GPU平台、软件栈和生态成熟度的实用框架