快速了解本文
AWS 联合 Nvidia 推出开源物理 AI 工具链，降低机器人开发门槛。
工具链整合 AWS 云服务与 Nvidia 软件栈，覆盖机器人开发全生命周期。
架构借鉴 Amazon 部署超百万台机器人的经验，支持数千台机器 OTA 管理。
本摘要由 AI 辅助整理，请以正文内容为准。
数智朋克讯 2026年10月8日，AWS 宣布推出开源的 Physical AI Toolchain on AWS，旨在帮助制造商和机器人开发者训练、模拟、部署和改进物理 AI 系统。该工具链适用于工业自动化、自主移动、协作机器人和人形机器人等领域，开发者可通过单一控制面板使用完整工具链或选择独立组件，并支持对数千台机器进行空中下载（OTA）配置、安全更新和管理。
该工具链整合了 AWS 云服务与 Nvidia 的物理 AI 软件栈，为开发者提供端到端的开源解决方案，有望显著降低机器人开发中底层基础设施的构建成本与周期。其底层技术构成与开发流程包括：
功能亮点
技术栈整合：
结合 AWS 云服务（包括 SageMaker、EC2 GPU 实例、IoT Greengrass 和 Bedrock AgentCore）与 Nvidia 物理 AI 软件栈（包括 Isaac Sim、Isaac Lab、Isaac GR00T 和 Cosmos）。AWS 提供云基础设施与模型训练，Nvidia 提供仿真、强化学习及合成世界生成能力。
全生命周期覆盖：
工具链覆盖机器人开发的五个核心阶段：合成数据生成、模型训练、模拟与验证、边缘部署以及基于运营数据的持续改进。其中，合成数据生成减少了对物理数据收集的依赖，而边缘部署使机器能够在无持续云连接的情况下进行实时决策。
在架构设计与实践经验方面，AWS 表示该工具链的架构指导、参考代码和部署自动化借鉴了 Amazon 自身网络中部署超过 100 万台机器人的经验，这些机器人每天处理数百万个包裹。目前，已有 Neura Robotics（认知人形机器人）、RLWRLD（81亿参数机器人操作基础模型）和 Config（超20万小时机器人动作数据）等公司在使用 AWS 基础设施进行物理 AI 开发，利用生成式 AI 创建额外训练场景或加速从学习到真实世界部署的周期。