拜读维拉科技关于机器人相关信息的综合整理，涵盖企业排名、产品类型及资本市场动态：一、中国十大机器人公司（综合类）优必选UBTECH）聚焦人工智能与人形机器人研发，产品覆盖教育、娱乐及服务领域，技术处于行业前沿。NVIDIA从云到边缘加速OpenAI gpt-oss模型部署，实现150万TPS推理机器人中科院旗下企业，工业机器人全品类覆盖，是国产智能工厂解决方案的核心供应商。埃斯顿自动化国产工业机器人龙头，实现控制器、伺服系统、本体一体化自研，加速替代外资品牌。遨博机器人（AUBO）协作机器人领域领先者，主打轻量化设计，适用于3C装配、教育等柔性场景。埃夫特智能国产工业机器人上市第一股，与意大利COMAU深度合作，产品稳定性突出。二、细分领域机器人产品智能陪伴机器人Gowild公子小白：情感社交机器人，主打家庭陪伴功能。CANBOT爱乐优：专注0-12岁儿童心智发育型亲子机器人。仿真人机器人目前市场以服务型机器人为主，如家庭保姆机器人（售价10万-16万区间），但高仿真人形机器人仍处研发阶段。水下机器人工业级产品多用于深海探测、管道巡检，消费级产品尚未普及。NVIDIA从云到边缘加速OpenAI gpt-oss模型部署，实现150万TPS推理资本市场动态机器人概念股龙头双林股份：特斯拉Optimus关节模组核心供应商，订单排至2026年。中大力德：国产减速器龙头，谐波减速器市占率30%。金力永磁：稀土永磁材料供应商，受益于机器人电机需求增长。行业趋势2025年人形机器人赛道融资活跃，但面临商业化落地争议，头部企业加速并购整合。四、其他相关机器人视频资源：可通过专业科技平台或企业官网（如优必选、新松）获取技术演示与应用案例。价格区间：服务型机器人（如保姆机器人）普遍在10万-16万元，男性机器人13万售价属高端定制产品。
自 2016 年推出 NVIDIA DGX 以来，NVIDIA 与 Open 便开始共同推动 AI 技术的边界。此次 OpenAI gpt-oss-20b 和 gpt-oss-120b 模型的发布持续深化了双方的 AI 创新合作。NVIDIA 在 NVIDIA Blkwell 架构上优化了这两款全新的开放权重模型并实现了推理性能加速，在 NVIDIA 系统上至高达到每秒 150 万个 Token (TPS)。
这两个 gpt-oss 模型是具有链式思维和工具调用能力的文本推理大语言模型 (LLM)，采用了广受欢迎的混合专家模型 (MoE) 架构和 SwigGLU 激活函数。其注意力层使用 RoPE 技术，上下文规模为 128k，交替使用完整上下文和长度为 128 个 Token 的滑动窗口。两个模型的精度为 FP4，可运行在单个 80GB 数据 上，并由 Blackwell 架构提供原生支持。
这两个模型在 NVIDIA Hopper 架构 nsor Core GPU 上训练而成，gpt-oss-120b 模型训练耗时超过 210 万小时，而 gpt-oss-20b 模型训练耗时约为前者的十分之一。除了NVIDIA TensorRT-LLM外，NVIDIA 还与 Hugging Face Transforme、Ollama、vLLM 等多个顶级开源框架合作，提供优化内核和模型增强。本文将介绍 NVIDIA 如何将 gpt-oss 集成到软件平台以满足需求。
表 1. OpenAI gpt-oss-20b 和 gpt-oss-120b 模型规格，包括总参数量、活跃参数量、专家模型数和输入上下文长度
NVIDIA 还与 OpenAI 和社区一同对性能进行优化，增加了以下功能：
Blackwell 上用于注意力预填充 (prefill)、注意力解码 (decode) 和 MoE 低延迟的 TensorRT-LLM Gen 内核。
Blackwell 上的 CUTLASS MoE 内核。
Hopper 上用于专用注意力机制的 XQA 内核。
通过适用于 LLM 的 FlashInfer 内核服务库提供优化的注意力与 MoE 路由内核。
支持 MoE 的 OpenAI Triton 内核，适用于 TensorRT-LLM 和 vLLM。
使用 vLLM 进行部署
NVIDIA 与 vLLM 合作，在共同验证准确性的同时，分析并提升了 Hopper 和 Blackwell 架构的性能。数据中心开发者可通过 FlashInfer LLM 内核服务库使用经 NVIDIA 优化的内核。
vLLM 建议使用 uv 进行 依赖项管理。用户可以使用 vLLM 启动一个与 OpenAI A 兼容的 Web 服务器。以下命令将自动下载模型并启动服务器。更多详细信息参见文档和 vLLM Cookbook 指南。
使用 TensorRT-LLM 进行部署
上述优化已包含在 NVIDIA / TensorRT-LLM GitHub 库中，开发者可根据库中的部署指南启动其高性能服务器，并按照指南从 Hugging Face 下载模型 checkpoint。NVIDIA 与 Transformers 库合作，提升了新模型的开发者体验。指南还提供 Docker 容器以及低延迟和最大吞吐量场景下性能配置的指导。
在 NVIDIA 系统上实现
每秒 100 万个 Token 以上的性能
NVIDIA 与 OpenAI 密切合作，确保了新发布的 gpt-oss-120b 和 gpt-oss-20b 模型在 NVIDIA Blackwell 和 NVIDIA Hopper 平台上实现第零天 (Day 0) 性能提升。
根据早期性能测量结果，规模更大、计算需求更高的 gpt-oss-120b 模型，在 NVIDIA 系统上可实现每秒 150 万个 Token 的性能或服务约 5 万名并发用户。Blackwell 搭载了许多能够提高推理性能的架构技术，包括使用了 FP4 Tensor Core 的第二代 Transformer Engine，以及高带宽的第五代 NVIDIA NVLink 和 NVIDIA NVLink Switch，使得 72 颗 Blackwell GPU 可视作一个大型 GPU 运行。
NVIDIA 平台的性能、灵活性和创新速度使得该生态系统能够在 Day 0 便以高吞吐量和低单位 Token 成本运行最新模型。
通过 NVIDIA Launchable 试用经过优化的模型
还可以使用 Open AI Cookbook 上 JupyterLab Notebook 中的 Python API 部署 TensorRT-LLM，并将其作为NVIDIA Launchable在构建平台中使用。用户可以在预配置环境中一键部署经过优化的模型，并在多个云平台进行测试。
使用 NVIDIA Dynamo 进行部署
NVIDIA Dynamo是一个帮助开发者为大规模应用部署 OpenAI gpt-oss 等模型的开源推理服务平台。它与主流的推理后端集成，并提供 LLM 感知路由、弹性自动扩展和分离服务等功能。在应用输入序列长度 (ISL) 长的情况下，Dynamo 的分离服务可显著提升性能。在 32K ISL 场景中，Dynamo 在系统吞吐量和 GPU 预算相同的情况下，交互性能较合并服务提升了 4 倍。如需使用 Dynamo 进行部署，可参考该指南：
https://github.com/ai-dynamo/dynamo/blob/main/components/backends/trtllm/gpt-oss.md
在 NVIDIA GeForce RTX AI PC 本地运行
开发者可在本地运行 AI ，以实现更快的迭代、更低的延迟和更可靠的数据隐私保护。两个模型均具有原生 MXFP4 精度，可在 NVIDIA RTX PRO GPU 驱动的专业工作站上运行，其中 gpt-oss-20b 可部署在任何具有不低于 16GB 显存的 GeForce RTX AI PC 上。开发者可通过 Ollama、Llama.cpp 或 Microsoft AI Foundry Local，使用其常用的应用和 K 体验这两个模型。如需使用，请访问 RTX AI Garage。
图 1. 使用 Ollama 安装和运行模型的步骤
通过 NVIDIA NIM 简化企业部署
企业开发者可通过 NVIDIA API 目录中的NVIDIA NIM预览 API 和 Web Playground 环境试用 gpt-oss 模型。这两个模型已被打包成 NVIDIA NIM，可灵活、轻松地部署在任何 GPU 加速的基础设施上，同时保证数据隐私和提供企业级安全。
下载和部署预打包、可移植式且经过优化的 NIM：
下载 gpt-oss-120b
链接：https://www.nvidia.cn/ai/
文档：https://docs.api.nvidia.com/nim/reference/openai-gpt-oss-120b
下载 gpt-oss-20b
链接：https://www.nvidia.cn/ai/
文档：https://docs.api.nvidia.com/nim/reference/openai-gpt-oss-20b
随着两个 gpt-oss 模型被全面集成到 NVIDIA 开发者生态系统中，开发者可选择最有效的解决方案。可在 NVIDIA API 目录用户界面或通过 OpenAI Cookbook 中的 NVIDIA 开发者指南开始使用。
全部评论
留言在赶来的路上...
发表评论