首页

每年，国际机器学习大会（ICML）都会揭示数千名人工智能研究人员的研究方向。

本年度的入选论文清晰地展示了一个趋势：开放的前沿模型和开放的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）在本届 ICML 上共有 74 篇论文被接收。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（包含开放数据集）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 以及其他开放模型系列，这些研究涵盖了物理 AI、机器人、自动驾驶汽车和生物医学等领域。

塑造本年度研究的主题

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 AI 推理等领域，在本年度的论文中依然占据重要地位，这反映了这些领域持续的投入。同时，也有几个新兴领域取得了突破。

机器人世界模型受到了广泛关注，例如 DreamDojo 的论文就推动了 AI 系统在物理环境中进行推理和行动能力的边界。DreamDojo 通过人类视频学习物理世界的运作方式，并基于英伟达 Cosmos 开放前沿模型，预测机器人在未受训过的环境中处理物体和进行操作的能力。这使得研究人员能够评估策略、规划行动以及远程操控虚拟机器人，从而在不承担物理部署成本和风险的情况下加速开发进程。

人工智能在生命科学领域的应用得益于英伟达 BioNeMo 开放模型和研究贡献，这些有助于研究人员理解蛋白质功能、分子行为和遗传密码。FLIP2 等论文介绍了用于测试 AI 预测蛋白质突变影响能力的公开基准。KERMT 是一种新的 BioNeMo 开放模型，用于预测对药物发现至关重要的分子特性。

在今年的 ICML 上，合成数据生成（SDG）尤为引人注目，多篇论文使用了 Nemotron 和物理 AI 开放数据集，这反映了研究人员在扩展训练规模方面的新思路，不再仅仅依赖于人工标注数据。

开放的研究栈

开放的基础设施为研究人员提供了加速突破的工具。

论文显示，Nemotron 正被用作一个研究栈，而非仅仅是单一的模型发布：开放的权重用于评估，开放的数据集用于训练和调整，开放的“配方”则用于推理、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集。

Cosmos 3 系列开放前沿全模模型，在增强研究人员和开发人员构建能够感知、推理、规划和行动的物理世界机器人、自动驾驶汽车和视觉 AI 的能力方面，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、用于机器人技术的英伟达 Isaac GR00T 以及用于生物医学的英伟达 BioNeMo，都加速了各行各业的研究和开发。

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，帮助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、安全性和可开发性。

Sakana AI 在本届 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 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，报告称代币成本降低了高达 90%，这对于 AI 在生产环境中的部署经济性具有实际意义。

Naver 开发了自己的模型，采用了 Nemotron 架构，为韩语 AI 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 公司正在采用英伟达 Isaac GR00T 模型，以加速其人形机器人在工业领域的部署。同时，1X、Agility、Agile Robots、波士顿动力（Boston Dynamics）、Hexagon Robotics 和 Mentee 公司正利用 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。

探索英伟达在 Hugging Face 上的开放模型。

在 7 月 10 日星期五的 ICML GenBio 研讨会上，探索基因组学和生物学研究。