英伟达携手 Hugging Face 推出机器人开源模型：GPU 生态直连 LeRobot

英伟达 7 月 9 日宣布与 Hugging Face 合作，将 Isaac GR00T 1.7 机器人基础模型整合至 LeRobot 开源框架，打通 GPU 训练到部署的完整管道，降低机器人 AI 开发门槛。
（前情提要：Hugging Face 推出 Reachy Mini App Store，逾 200 款社群开发应用全部免费）
（背景补充：黄仁勋点名43家台厂全拉涨！台大演讲「六大重点」整理：下一代AI芯片、智慧工厂、机器人…）

本文目录

Toggle

• 合作核心：LeRobot 框架 + GR00T 1.7 模型
• 降低门槛：从研究到量产的管道打通
• 对台湾机器人产业的意义

英伟达（NVIDIA）7 月 9 日宣布与 AI 模型库 Hugging Face 合作，联合开发用于机器人的开源基础模型。这项合作将英伟达的 GPU 生态与 CUDA 堆叠，直接对接 Hugging Face 庞大的模型库及开发者社群，目标是大幅降低机器人 AI 训练与部署的门槛。NVIDIA 官方博客 详细介绍了合作内容。

合作核心：LeRobot 框架 + GR00T 1.7 模型

根据 NVIDIA 官方公告，这次合作的重心落在 LeRobot 开源机器人框架上。LeRobot 由 Hugging Face 维护，是目前机器人开发者使用最广泛的开源训练平台之一。英伟达将旗下 Isaac GR00T 1.7 基础模型整合至 LeRobot，使开发者能够利用现成的 GPU 基础设施直接训练和部署机器人模型。

这次合作还引入了新的 World-Action 模型（世界-动作模型）架构——这类模型不只是「看到环境后决定动作」，而是能同时预测「环境状态」与「对应动作」，在复杂物理场景中的表现显著优于传统方法。

降低门槛：从研究到量产的管道打通

目前机器人 AI 训练的主要瓶颈有三项：

• 硬件门槛 — 训练高品质机器人模型需要多卡 GPU 集群，单机显存通常不足以支撑完整训练
• 数据稀缺 — 机器人领域的标记数据远少于 NLP 或 CV，缺乏统一的数据格式与共享机制
• 框架碎片化 — 不同研究团队使用不同的训练框架，模型之间难以互换或迁移

NVIDIA 与 Hugging Face 的组合直接对症下药：NVIDIA 提供硬件加速与 CUDA 生态，Hugging Face 提供统一的模型格式、数据集和开发者社群。两者合起来形成了一条从「研究原型 → 开源模型 → 量产部署」的完整管道。

对台湾机器人产业的意义

台湾是半导体制造重镇，机器人及自动化装置出口占制造业大宗。英伟达这次将开源模型直连 GPU 生态，对台湾的影响在于：

• AI 机器人开发成本下降 — 台湾新创不再需要自建完整的训练框架，直接调用 LeRobot 即可快速原型化
• 与台积电、联发科的协同效应 — 黄仁勋去年在 CompuTEX 演讲中已预告英伟达将机器人视为「下一个 AI 战场」，这次合作进一步确立了技术路线
• 开源模型先行优势 — 台湾机器人厂商若及早采用 LeRobot + GR00T 模型，可在量产阶段取得竞争先机

这次合作也呼应了英伟达近来持续扩张的「机器人基础模型」策略。英伟达已将机器人视为与自然语言处理同等重要的 AI 赛道，预计在未来 2-3 年内，开源机器人模型将成为产业标准。

（背景补充：当机器人学会思考与协作，15 大机器人体系和应用场景解析）

本文源自 NVIDIA 官方博客、Hugging Face 博客 报道，由动区编辑 Flip 编译