Cadence 與 Nvidia 一起補上 Physical AI 最難那塊，機器人競賽開始比誰更懂物理世界

作者:

這幾年大家談 AI 機器人，常常把注意力放在模型夠不夠大、晶片夠不夠快，彷彿只要算力堆上去，機器就會自然走進真實世界。但 Cadence 和 Nvidia 這次擴大合作，讓市場重新看到一個更不性感、卻更關鍵的層次，機器人真正卡住的地方，往往不是大腦本身，而是它怎麼在還沒出廠前就學會面對摩擦、碰撞、抓取失誤和現場噪音。換句話說，Physical AI 要跨出去，靠的不只是模型，而是模擬是不是夠像真的。

Reuters 把這件事點得很直接，兩家公司在 Cadence 活動上公開談到，合作已經往機器人 AI 更深處走，不只是一般工程軟體搭配 GPU，而是要把用於設計晶片與系統的高精度模擬能力，接到機器人訓練與部署流程裡。The Next Web 補得更清楚，Cadence 拿出的不是普通 3D 畫面，而是它長年在航空、汽車與半導體使用的物理引擎，去處理材料怎麼變形、表面怎麼接觸、流體怎麼流動，這些東西一旦被搬進機器人訓練資料生成，就在試圖補上那道最麻煩的 sim-to-real 落差。這也是為什麼 Nvidia 不只是拿 Isaac 和 Cosmos 來疊功能，而是想把整條從模擬、訓練、部署到回饋的鏈條拉直。

這條新聞值得寫，不只是因為兩家公司名字夠大，而是它在透露一個產業權力的重新分布。過去 Nvidia 已經吃下了大部分 AI 訓練與部署的注意力，但當機器人、工業自動化與 physical AI 真的要擴張，決勝點就不只在誰有最多 GPU，而在誰能更快做出可信的虛擬世界，讓模型在裡面先跌倒、先犯錯、先修正。Cadence 的位置因此變得有點像新基建裡的隱形閘門，它既不是終端機器品牌，也不是最會講 AI 願景的公司，可是如果真實世界的複雜度必須先被工程化，模擬軟體和數位雙生平台就會從配角慢慢變成主角。

Cadence 自己的說法也很有意思。官方資料把這次合作包得比 Reuters 還大，從 agentic AI、數位雙生、AI factory 一路講到 physical AI，甚至直接點名 MSC Virtual Test Drive 與 Nvidia Cosmos、Omniverse 相關工具的整合。這種講法當然有行銷成分，但也透露出另一個現實，現在連 EDA 與工程模擬公司都不想只當晶片設計背後的基礎供應商，而是想往 AI 基礎設施更上游的決策層靠近。當模擬環境開始決定資料品質、訓練效率與部署風險，它的商業位置自然就不再只是軟體授權，而是整個 AI 系統是否能順利落地的一部分。

不過，這條線還沒走到可以直接吹哨慶功的程度。現在能確認的是，Cadence 和 Nvidia 都想把 sim-to-real 這道牆拆薄，但還不能把它說成已經拆掉。實際會有多少客戶因此縮短部署時間，機器人公司會不會真的把這整套流程吃進去，短期內都還沒有公開答案。可就新聞價值來說，這已經很夠了。因為它提醒市場，下一波 Physical AI 競賽，可能不再只是比誰的 demo 更像未來，而是比誰更能把物理世界提前搬進訓練場，讓機器在真正上工之前，就先學會怎麼活在現實裡。

發表迴響