每年，國際機器學習大會 (ICML) 都會揭示數千名 AI 研究人員的工作成果。今年的入選論文明確指出一個方向：開放前沿模型和開放 AI 基礎設施已成為現代 AI 科學的基礎。
NVIDIA 在 ICML 2026 共有 74 篇論文被接受。大約 2,000 篇入選論文引用了 NVIDIA GPU，其中 145 篇引用了 NVIDIA Nemotron，一個包含開放資料集的開放模型家族，作為新研究的基礎。另有數百篇論文借鑒了 NVIDIA Cosmos、NVIDIA Isaac GR00T、BioNeMo 及其他 NVIDIA 開放模型家族，涵蓋實體 AI、機器人學、自駕車和生物醫學研究。
今年研究的定義性主題包括視覺和影像生成、大型語言模型 (LLM) 的強化學習、代理訓練以及 AI 推論，這些領域持續獲得大量投資。同時，幾個新興領域也取得了突破。
機器人世界模型引起了廣泛關注，例如 DreamDojo 等論文突破了 AI 系統學習推理和在實體環境中行動的界限。舉例來說，DreamDojo 從人類影片中學習物理世界的行為，並以 NVIDIA Cosmos 開放前沿模型為基礎，預測機器人將如何在未曾訓練過的環境中處理物體和操作。這讓研究人員能夠評估策略、規劃行動並遠端操作虛擬機器人，在沒有實體部署成本和風險的情況下加速開發。
生命科學 AI 則由 NVIDIA BioNeMo 開放模型和研究貢獻推動，幫助研究人員理解蛋白質功能、分子行為和遺傳密碼。例如 FLIP2 等論文引入了公開基準，用於測試 AI 預測蛋白質突變效果的準確性。KERMT 是一個新的 BioNeMo 開放模型，用於預測藥物開發中重要的分子特性。
合成資料生成 (SDG) 在今年的 ICML 上引起了特別關注，多個 Nemotron 和實體 AI 開放資料集被提及，這反映了研究人員在不完全依賴人工標註資料的情況下，大規模訓練模型思維的廣泛轉變。
開放基礎設施為研究人員提供了加速突破的工具。這些論文顯示 Nemotron 不僅僅是一個單一模型發布，更像是一個研究堆疊：提供開放權重供評估、開放資料集供訓練和調整，以及用於推理、工具使用、安全性、資料策展和高效推論的開放配方。
除了模型之外，NeMo Curator 及其支援的開放資料集為研究人員提供了可重現的訓練資料策展基礎。SDG 工具則能夠以幾年前難以想像的規模和速度，建立高品質的訓練資料集。
Cosmos 3 系列的開放前沿全能模型，讓研究人員和開發者在建構能夠感知、推理、規劃並在物理世界中行動的機器人、自駕車和視覺 AI 方面，實現了世代性的飛躍。此外，用於自駕車開發的 NVIDIA Alpamayo 開放模型家族、用於機器人學的 NVIDIA Isaac GR00T 以及用於生物醫學的 NVIDIA BioNeMo，都有助於加速各產業的研究與開發。
這股動能不僅限於 NVIDIA 自己的研究實驗室。Basecamp Research 開發了一種新的 DNA 基礎模型 EDEN，幫助研究人員解釋和設計基因序列。Merck & Co. 使用 KERMT 預測潛在藥物分子在體內的行為，包括它們是否可能有效、安全且可開發。
Sakana AI，今年也參加了 ICML，直接在 Nemotron 3 Ultra 上建構了其 Fugu 和 Fugu-Ultra 模型，利用開放基礎推動其 AI 研究自動化的工作。KiloCode 將 Nemotron 整合到其程式碼路由架構中，報告稱代幣成本降低高達 90%，這對在生產環境中部署 AI 的經濟效益具有實際意義。
NAVER 使用 Nemotron 架構開發了自己的模型，為韓語 AI 研究擴展了基礎。Together AI 在其平台上託管 Nemotron 模型，讓需要可靠、無縫存取開放推論的研究人員更容易使用。Humanoid、LG Electronics、NEURA Robotics 和 Noble Machines 正在採用 NVIDIA Isaac GR00T 模型，以加速其人形機器人的工業部署，而 1X、Agility、Agile Robots、Boston Dynamics、Hexagon Robotics 和 Mentee 則利用 Cosmos 世界模型、Isaac Sim 和 Isaac Lab 建構下一代人形機器人，以加速其機器人的開發和驗證。
您可以在 Hugging Face 上探索 NVIDIA 的開放模型。欲了解基因組學和生物學研究，請參加 7 月 10 日星期五舉行的 ICML GenBio 工作坊。
