国际机器学习大会（ICML）发布的年度论文揭示了当前人工智能研究的焦点所在。今年的参会论文表明，开放式前沿模型和开放式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）有74篇论文被ICML 2026接纳。统计数据显示，约有2000篇论文引用了英伟达的GPU，另有145篇论文将英伟达的Nemotron系列开放模型（包括开放数据集）作为其新研究的基础。此外，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。

本年度研究的主要主题

本年度的论文继续关注视觉和视频生成、大型语言模型（LLMs）的强化学习以及智能体训练等领域，这些领域持续获得大量投入。同时，一些新兴领域也崭露头角。

机器人世界模型受到了广泛关注，例如DreamDojo项目，它在AI系统如何理解和操作物理环境方面取得了进展。DreamDojo通过学习人类视频中的物理世界规律，并基于英伟达Cosmos开放式前沿模型，能够预测机器人在未曾训练过的环境中处理物体和进行操作的表现。该技术允许研究人员评估策略、规划动作以及远程操控虚拟机器人，从而在不产生高昂成本和风险的情况下加速开发进程。

在生命科学领域，英伟达BioNeMo开放模型推动了相关研究，这些研究有助于科学家理解蛋白质功能、分子行为和基因编码。FLIP2等论文提出了用于测试AI预测蛋白质突变效应能力的公开基准。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。

合成数据生成（SDG）在今年的ICML上获得了特别关注，多篇论文展示了Nemotron和物理AI的开放数据集。这反映出研究界在不完全依赖人工标注数据进行大规模模型训练方面正发生转变。

开放式研究栈

开放式基础设施为研究人员提供了加速突破的工具。

研究论文显示，Nemotron正被用作一个研究堆栈，而非单一的模型发布。它提供了开放的权重供评估，开放的数据集用于训练和适配，以及开放的推理、工具使用、安全、数据整理和高效推理的“配方”。

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工具使得以过去难以想象的速度和规模生成高质量的训练数据集成为可能。

Cosmos 3系列开放式前沿全能模型，在构建能够感知、推理、规划和执行物理世界任务的机器人、自动驾驶汽车和视觉AI方面，为研究人员和开发人员带来了代际飞跃。

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，都在加速各行业的研发进程。

生态系统的协同发展

这种势头不仅限于英伟达自身的研究实验室。

Basecamp Research开发了一种名为EDEN的新DNA基础模型，帮助研究人员解读和设计基因序列。

默克公司（Merck & Co.）利用KERMT模型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公司基于Nemotron 3 Ultra构建了Fugu和Fugu-Ultra模型，并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，报告称可以将代币成本降低高达90%，这对于AI生产化部署的经济性具有实际意义。

Naver公司利用Nemotron架构开发了自己的模型，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的工业化部署。而1X、Agility、Agile Robots、波士顿动力（Boston Dynamics）、Hexagon Robotics和Mentee公司则利用Cosmos世界模型、Isaac Sim和Isaac Lab，构建下一代人形机器人，加速其开发和验证过程。

您可以在Hugging Face上探索英伟达的开放模型。

您可以在7月10日星期五的ICML GenBio研讨会上了解基因组学和生物学研究。