英伟达与LG集团宣布在韩国共建AI工厂,整合Isaac Sim、GR00T等全栈平台,覆盖家用机器人CLoiD训练、物理AI数据生产、ADAS开发及Blackwell驱动的EXAONE模型迭代,剑指全球智能制造标杆。

英伟达联手LG造AI工厂,Isaac+GR00T要做韩国机器人底座

英伟达刚在GTC上给全球机器人生态画了张大饼,转头就跟LG集团敲定了落地方案。6月8日官宣的这座AI工厂,不是简单的算力堆砌,而是把Isaac仿真、GR00T基础模型、Cosmos世界模型、Blackwell GPU和DSX数据中心平台打包,直接嵌入LG从家用机器人到工业产线、从ADAS到自研大模型EXAONE的全业务线。

这次合作的信号很明确:英伟达要把「物理AI」这套从仿真到部署的闭环工具链,在韩国制造业体系里跑通一遍,证明端到端AI工厂不是PPT概念。而LG需要的,是用英伟达的基础设施快速补齐机器人和自动驾驶两块短板,同时让自家EXAONE大模型有更强的算力和数据支撑。

家用机器人CLoiD:从Isaac Lab练出来的「数字保姆」

LG电子在研的CLoiD家用机器人,定位是能干家务、懂语音交互的室内助手。但家用场景的复杂度远超工业产线——不规则的房间布局、随机摆放的物品、不可预测的人类行为,都需要机器人具备强泛化能力。传统方案是采集海量真实数据再训练,成本高、周期长,还容易过拟合特定场景。

英伟达给的方案是Isaac Sim + Isaac Lab + GR00T的三件套。Isaac Sim提供物理精度的虚拟环境,能模拟光照、材质、碰撞等真实世界特性;Isaac Lab 3.0(基于Newton物理引擎1.0)强化了多物理场仿真和灵巧操作支持,让机器人在虚拟环境里学会抓取易碎物品、开门、叠衣服这些精细动作;GR00T N1.7模型则提供视觉-语言-动作推理能力,让机器人能理解「把客厅收拾干净」这种模糊指令,并分解成可执行的动作序列。

LG CLoiD家用机器人在Isaac Sim虚拟环境中进行仿真训练

这套组合的核心优势是合成数据生成能力。LG正在建的「物理AI数据工厂」,计划用Cosmos世界模型批量生成训练数据,然后在Isaac Lab里验证策略有效性。Cosmos是英伟达刚发布的世界基础模型,能根据文本描述生成符合物理规律的3D场景和动作序列。比如输入「机器人在厨房倒水」,Cosmos能生成不同厨房布局、不同杯子材质、不同倒水角度的数千个变体场景,Isaac Lab再用这些数据训练策略网络。

这个数据工厂不只服务LG自己。按官方说法,LG要把这套能力开放给韩国及全球的机器人企业,本质上是要做物理AI时代的「数据供应商」。考虑到Isaac生态里已经有1X、智元机器人、Agility、Figure等一票人形机器人玩家,LG如果真能把数据质量做上去,这块业务的想象空间不小。

但有个现实问题:GR00T模型虽然开源,但真正让它在特定产品上跑起来,需要大量领域数据微调和硬件适配。LG跟英伟达要联合研发「参考机型」,说白了就是定制化调优GR00T,让它适配CLoiD的硬件配置和任务需求。这个过程能跑多快、效果能否超过竞品(比如Figure用的OpenAI多模态模型),直接决定CLoiD的产品竞争力。

工业机器人:把FANUC们的虚拟调试搬到Isaac平台

LG CNS(LG的IT服务子公司)要把英伟达机器人技术集成到PhysicalWorks工业平台,这个动作的含义比家用机器人更直接——抢工业自动化市场的AI升级红利。

PhysicalWorks本身是LG CNS面向制造业的数字孪生+MES(制造执行系统)解决方案,主要客户是LG集团内部工厂和部分韩国制造企业。现在加入Isaac仿真能力,意味着这些工厂可以在虚拟环境里完成产线设计、机器人编程、碰撞检测、节拍优化,然后一键部署到实体产线。

英伟达在GTC上宣布的另一个进展也值得注意:FANUC、ABB、YASKAWA、KUKA这四家占全球工业机器人装机量70%以上的巨头,都在把Isaac仿真框架集成到自家的虚拟调试工具里,并计划在控制器里嵌入Jetson模块做边缘AI推理。这意味着未来工厂产线上的机器人,既能在云端用Isaac Lab训练新技能,又能在边缘侧实时响应视觉识别、路径规划等任务。

LG CNS押注这个方向,本质上是想在「AI工厂即服务」这条赛道上卡位。传统工业自动化是卖硬件+软件license的一锤子买卖,但如果把仿真、训练、部署、运维做成云服务订阅模式,客户粘性和利润率都会更高。问题在于,西门子、罗克韦尔这些老牌工控厂商也在做类似的事,LG CNS的差异化优势还不够明显。

自动驾驶:对齐DRIVE Hyperion,但不是做Tier 1

LG电子要对齐英伟达DRIVE Hyperion架构,推进ADAS和软件定义汽车(SDV)产品线。这里需要明确一点:LG做的不是博世、大陆那种Tier 1供应商角色,而是车载零部件+车载OS的组合供应商。

DRIVE Hyperion是英伟达面向L2+到L4自动驾驶的参考架构,包含传感器配置方案(摄像头、激光雷达、毫米波雷达)、计算平台(DRIVE Orin/Thor芯片)、软件栈(感知、规划、控制算法)。LG电子旗下的LG Innotek(做光学模组的)计划推出专为DRIVE平台定制的传感器解决方案,这个方向跟索尼、三星电机是直接竞争关系。

但更关键的是LG电子自己的车载OS和域控制器。过去几年LG一直在跟通用、Stellantis谈webOS Auto(基于开源webOS做的车机系统)的前装合作,现在如果能把DRIVE的自动驾驶能力集成进来,相当于给车企提供「OS+ADAS」的打包方案。这个思路跟华为MDC(移动数据中心)类似,都是想绕开传统Tier 1,直接切入智能驾驶的软硬件集成环节。

不过LG的问题在于,它既没有特斯拉那样的数据闭环(几百万辆车在路上跑),也没有Waymo/Cruise那样的Robotaxi实测经验,ADAS算法的成熟度是个问号。对齐DRIVE Hyperion架构,更多是获得英伟达的工具链支持和生态背书,真正的产品竞争力还得看LG能不能拿到足够多的量产项目、积累足够多的corner case数据。

AI工厂基础设施:Blackwell+DSX+800V直流储能

LG Uplus(电信运营商)和LG CNS要基于DSX平台建「可扩展AI工厂」,LG新能源探索800V直流数据中心储能方案。这两件事放一起看,能看出LG在AI基础设施上的野心。

DSX(Data Center Scale Experience)是英伟达面向企业级AI部署的参考架构,核心是把DGX服务器、InfiniBand网络、存储系统、冷却方案打包成标准化模块,让企业能快速搭建AI训练/推理集群。LG Uplus本身运营数据中心业务,现在加入DSX,意味着它要把AI算力做成云服务卖给企业客户,跟AWS、Azure、阿里云是同一个逻辑。

LG新能源(做电池的)探索800V直流储能,则是瞄准AI数据中心的能耗痛点。Blackwell GPU单卡功耗上千瓦,训练集群动辄几十兆瓦,传统交流配电损耗大、响应慢。800V直流方案能减少AC-DC转换环节,提升能效,同时用电池做削峰填谷,降低电费成本。特斯拉的Dojo超算中心、Meta的AI Research Supercluster都在用类似方案,LG新能源如果能把车规级电池的成本优势和安全性搬到数据中心场景,这块业务的增长潜力不小。

但这里有个时间窗口的问题。Blackwell GPU今年才开始大规模出货,DSX生态还在早期,真正跑起大规模AI工厂可能要到2027年。LG能不能在这段时间里把硬件、软件、运维体系磨合好,直接决定它能分到多大一块AI基础设施的蛋糕。

EXAONE大模型:从Blackwell要更多tokens

LG AI研究院基于Blackwell GPU持续开发EXAONE模型,并通过ChatEXAONE向集团内部推广。EXAONE是LG自研的多模态大模型,去年发布的3.0版本参数规模在700亿左右,benchmark跟GPT-4、Claude 3差距还比较明显,但在韩语处理和企业级任务(合同分析、客服对话)上有针对性优化。

Blackwell GPU相比上一代Hopper,训练吞吐提升4倍,推理成本降低25倍(英伟达官方数据)。对EXAONE来说,这意味着能用相同预算训练更大规模的模型、或者用更多数据做持续预训练。LG的打法很明确:不跟OpenAI、Anthropic拼通用能力,而是做「韩国企业专用的行业大模型」,重点覆盖制造、零售、金融、电信四个垂直领域。

ChatEXAONE是LG内部的AI助手,类似微软的Copilot,已经在LG电子、LG化学、LG CNS等子公司试点。但从外部视角看,EXAONE的商业化进展比较慢,公开客户案例不多,模型能力也没有明显超越Claude、GPT-4o、Gemini这些闭源模型。Blackwell算力加持能否让EXAONE真正跨过「能用」到「好用」的门槛,还需要至少半年的验证周期。

这次合作的真正看点:端到端AI工厂能否跑通

英伟达最近一年在推的「AI工厂」概念,核心逻辑是把数据生成(Cosmos)、仿真训练(Isaac Lab)、模型部署(Jetson/DRIVE)、推理优化(TensorRT)做成端到端的标准化流程,让企业不用自己从零搭建AI基础设施。但这套理论框架能否在真实业务场景里跑通,还缺少足够多的案例验证。

LG这次合作,本质上是给英伟达提供了一个「全栈压力测试」的机会。从家用机器人的灵巧操作、到工业产线的数字孪生、到自动驾驶的传感器融合、再到大模型的持续训练,每个环节都要用到英伟达AI工厂的不同模块。如果这些业务线都能按预期落地,英伟达的端到端工具链就算真正得到验证;如果某个环节卡壳,也能暴露出Isaac/GR00T/Cosmos生态的短板。

从LG的角度,这次合作的风险在于技术路线锁定。一旦深度绑定英伟达的硬件和软件栈,后续很难再切换到其他供应商(比如AMD的MI300、英特尔的Gaudi)。但考虑到英伟达在AI硬件和生态上的领先优势,短期内LG也没有太多选择。更现实的问题是,LG能否把英伟达的通用工具链,真正转化成自己的产品竞争力——CLoiD能否比竞品更懂用户需求、PhysicalWorks能否比西门子更好用、EXAONE能否比GPT更符合韩国企业的合规要求。这些问题,要等到2027年这批AI工厂真正投产后才能看清楚。

英伟达跟LG的这次合作,不是简单的「卖卡+给技术支持」,而是在赌一个更大的命题:物理AI时代,从仿真到部署的闭环工具链,能否成为下一个云计算级别的平台生意。如果赌对了,英伟达不只是卖GPU的硬件公司,而是AI基础设施的平台提供商;如果赌错了,那这些Isaac、GR00T、Cosmos的投入,可能只是给开发者社区贡献了几个开源框架。

LG集团在这场豪赌里,既是验证者,也是受益者。毕竟对于一家年营收1800亿美元、业务覆盖消费电子到化工材料的韩国财阀来说,押注AI转型是必选项,不是可选项。选英伟达做合作伙伴,至少在技术路线上不会踩坑。但能否真正把AI工厂的算力优势,转化成市场上的产品优势,就看LG自己的产品定义能力和执行效率了。